ИИ учится «читать» обстановку: от распознавания эмоций к контекстному пониманию

Исследователи отмечают, что современные системы «эмоционального ИИ» (Emotion AI) часто ограничиваются детекцией одного сигнала (например, улыбки) и приписывают ему базовую эмоцию вроде «счастья» или «грусти», упуская сложные и контекстно-зависимые состояния — усталость, стресс, волнение. Такие системы уже применяются в мониторинге благополучия сотрудников, собеседованиях, образовательных платформах и системах контроля водителей. Однако, как показало недавнее исследование, показатели стресса на умных часах часто не совпадают с реальным состоянием пользователей. Решением может стать новая область — «человеко-контекстный ИИ», который объединяет три типа контекста: ситуационный (например, собеседование или врачебный приём), личный (история, цели, базовое состояние человека) и поведенческий (изменения внимания, уверенности, вовлечённости во времени). Компания Neurologyca разработала логический слой, который сливает эти три типа контекста в структурированную информацию для ИИ-систем. Их технология уже применяется в приложениях для безопасности водителей (Netradyne), домашних помощниках (Amazon Alexa) и медицинских ИИ-платформах (Sully.ai). История эмоционального ИИ началась почти 30 лет назад в MIT Media Lab, где термин «аффективные вычисления» ввела Розалинд Пикард. С тех пор исследования показали, что объединение нескольких типов сигналов (физиологических, визуальных, поведенческих) значительно повышает точность распознавания эмоций: например, корейские учёные в 2024 году добились снижения ошибок на 32%. Тем не менее, без учёта контекста даже самые совершенные датчики не могут надёжно интерпретировать эмоции.