La direttrice del centro di ricerca del MIT, la dott.ssa Rosalind Picard, ha introdotto il concetto di Affective Computing nel 1997 attraverso la pubblicazione dell’ omonimo libro (Affective Computing – R. Picard, 1997) . Il suo lavoro rivoluzionario ha scatenato un’ondata di ricerca sulle interazioni emotive tra uomo e macchina, portando a ciò che oggi chiamiamo Emotional Artificial Intelligence (o Emotion AI).

Sebbene il lavoro del dott.ssa Picard sull’Affective Computing sia iniziato oltre 25 anni fa, abbiamo assistito solo da pochi anni ad una minima parte delle sue capacità.

L’Affective Computing continua a crescere man mano che la tecnologia avanza. Mentre i dataset aumentano di volume,  gli algoritmi di machine learning e deep learning trovano nuovi dati da cui imparare.

Fondamentalmente, l’Affective Computing combina psicologia, informatica e ingegneria per sviluppare sistemi e dispositivi che riconoscono, interpretano e rispondono alle emozioni umane.

Come spiega Techslang.com, l’Affective Computing funziona “… raccogliendo i dati degli utenti attraverso sensori fisici, come videocamere e microfoni, e analizzando tali informazioni sulla base di esperienze e set di dati precedentemente raccolti”. 

La tecnologia riconosce diverse emozioni, come la gioia o la tristezza, e può anche generare risposte emotive appropriate. Ad esempio, un sistema informatico affettivo potrebbe essere in grado di riconoscere che una persona si sente triste e rispondere suonando una canzone rilassante o mostrando un messaggio confortante.

Sostanzialmente, Affective Computing ed Emotion AI sono la medesima cosa. Con Affective Computing ci riferiamo solitamente al lato ingegneristico e computazionale dell’ Intelligenza Artificiale Emozionale mentre con Emotion AI ci riferiamo a quello psicologico e socio-economico. Entrambe hanno preso in prestito e automatizzato gli strumenti delle neuroscienze cognitive rendendoli più veloci e di facile utilizzo, ottimizzando tempi e risorse. 

Queste tecnologie usano software di riconoscimento delle espressioni facciali per registrare le action units: misurazioni dei muscoli facciali per classificare le espressioni emotive. 

Le action units sono state elaborate da Paul Ekman e Wally Friesen attraverso il loro lavoro sul Facial Action Coding System (FACS). Ekman e Friesen hanno identificato un totale di 40 unità di azione e centinaia di combinazioni e l’affective computing le utilizza per aiutare a classificare e decodificare le emozioni.

>>Leggi di più: Riconoscimento delle Emozioni 

Originariamente, la dottoressa Picard pensava che “doveva esserci qualcosa come il ragionamento emotivo perché ci fosse una qualsiasi forma di vera intelligenza artificiale”. Quando l’affective computing entra in gioco diventa subito chiaro il suo potenziale contributo alla società in quanto aiuta a migliorare l’esperienza di interazione uomo-computer.

L’affective computing ha un potenziale ad ampio spettro, ad esempio in queste industrie: 

• Istruzione: gli insegnanti possono comprendere e rispondere agli stati emotivi dei loro studenti in tempo reale, il che migliora l’esperienza di apprendimento attraverso feedback e supporto personalizzati.
• Sanità: gli operatori sanitari possono monitorare e rispondere agli stati emotivi dei loro pazienti, il che può aiutare a migliorare l’assistenza ai pazienti fornendo feedback e supporto in tempo reale in base al loro stato emotivo.
• Servizio clienti: i clienti possono godere di un’esperienza migliorata attraverso il supporto e l’assistenza personalizzati in base al loro stato emotivo; Ad esempio, riconoscere quando un cliente è arrabbiato utilizzando strumenti aggiuntivi come la sentiment analysis o il riconoscimento delle emozioni.

>>> Scopri di più su come l’affective computing può aiutarti con le tue vendite

Abbiamo messo insieme un Glossario sull’Emotion AI per aiutarti a capire tutto ciò che ti serve per trarre vantaggio da questo strumento di intelligenza artificiale in continua crescita.

Inoltre, puoi pianificare una demo per conoscere e provare il nostro strumento di Emotion AI: EmPower by Emotiva.