Sztuczna inteligencja pomoże ocenić zaangażowanie rozmówców w konwersację. Rozwiązanie może znaleźć zastosowanie w terapii psychologicznej

Oddech, tętno czy pocenie się to cechy pozwalające zidentyfikować, jak bardzo rozmówca jest zaangażowany w prowadzoną konwersację. Naukowcy z Uniwersytetu w Cincinnati opracowali algorytm, który z 75-proc. skutecznością potrafi ocenić przebieg rozmowy na podstawie reakcji fizjologicznych zbieranych przez wearables. – Możemy wyciągać wnioski z dość dużą dokładnością, a kolejnym krokiem jest ustalenie, jak możemy wykorzystać te dane, aby ulepszyć przebieg rozmów – podkreślają naukowcy. Zespół badawczy zapowiada udoskonalanie rozwiązania, które docelowo może pomóc m.in. w terapii psychologicznej osób w spektrum autyzmu.

– Z pewnością są takie rozmowy, w których jedna osoba myśli, że wszystko idzie świetnie, a druga ma bardzo krytyczne zdanie o jej przebiegu. Tak jest w przypadku wielu pierwszych randek. Mamy nadzieję, że w takich sytuacjach komputer może być dobrym źródłem informacji. My sami nie zwracamy na pewne rzeczy uwagi lub nie jesteśmy w stanie zrozumieć rozmówcy w takim stopniu, który pozwalałby na takie spostrzeżenia – mówi agencji Newseria Innowacje Vesna Novak, adiunktka w zakresie inżynierii elektrycznej i komputerowej Uniwersytetu w Cincinnati.

Naukowcy nauczyli komputer rozpoznawać – na podstawie pomiarów dokonywanych przez aparaturę EKG i urządzenia ubieralne (wearables) – reakcje rozmówców. Konkretnie chodzi o zjawisko synchronizacji fizjologicznej, w którym częstość akcji serca, oddychanie i inne reakcje autonomicznego układu nerwowego u ludzi synchronizują się w czasie rozmowy lub w trakcie współpracy. Efekt ten jest silniejszy, gdy dwie osoby głęboko angażują się w rozmowę lub ściśle współpracują przy zadaniu. Co istotne, synchronizacja pojawia się także wtedy, kiedy dwie osoby rozmawiają online.

Dane zebrane przez urządzenia były następnie przetwarzane przez algorytmy uczenia maszynowego. Komputer był w stanie rozróżnić cztery scenariusze przebiegu rozmów z dokładnością 75 proc.

– Obecnie jesteśmy w stanie rozróżnić pewne cechy rozmowy, takie jak jej wyrównanie – czy obydwaj rozmówcy mają równy wkład w rozmowę, czy może jeden z nich ma większy udział, czy dana osoba ma pozytywny, czy negatywny wkład w rozmowę. Są to elementy, które byliśmy w stanie zaobserwować z rozmów, ale, jak wiadomo, scenariusze rozmów mogą być dużo bardziej zróżnicowane w porównaniu do tych, nad którymi dotychczas pracowaliśmy – podkreśla Iman Chatterjee, doktorant w dziedzinie informatyki na Uniwersytecie w Cincinnati. – Chcielibyśmy kontynuować pracę w tym kierunku w przyszłości, aby udoskonalić obecne badanie – to nasz kolejny krok.

Jak zapowiadają naukowcy, dalsze badania będą się skupiać także na tym, jak na rozmówców wpłynęłyby informacje zwrotne otrzymywane w czasie rzeczywistym. Wyniki będzie można porównać do scenariuszy, w których wykorzystywane byłyby takie rozwiązania jak na przykład rozpoznawanie mowy lub wyrazu twarzy.

Różne badania wskazują, że synchronizacja fizjologiczna pomaga ocenić, jak dwie dane osoby będą ze sobą współpracować. Dlatego takie testy mogłyby służyć dobieraniu członków zespołu pod kątem kompatybilności. Kolejny obszar zastosowania to terapia psychologiczna – komputer mógłby badać, czy pacjent dostrzega empatię u terapeuty.

– Można także wziąć pod uwagę inne sytuacje, na przykład w komunikacji ludzie mają różne sposoby wyrażania się. Przykładowo osoby w spektrum autyzmu mają inny język ciała niż osoby spoza spektrum. Jest wiele scenariuszy, w których informacje zwrotne uzyskiwane dzięki sztucznej inteligencji mogą się okazać użyteczne przy gromadzeniu spostrzeżeń na temat rozmowy – przekonuje Iman Chatterjee.

– Terapia jest z pewnością jednym z zastosowań, szczególnie wśród populacji, które nie wyrażają emocji w sposób zrozumiały dla terapeuty, na przykład w przypadku osób z autyzmem czy depresją. Poza tym nasz system może znaleźć szerokie zastosowanie w rozwiązywaniu konfliktów w przypadku osób skłóconych, które nie mogą dojść do porozumienia. Należy tu też wymienić edukację – jest to inny scenariusz, ale z pewnością nauczyciel mógłby dzięki temu obserwować uczniów i odbierać informacje o tym, które osoby uważają na lekcji, a które nie – dodaje Vesna Novak.