AI कमरे को पढ़ना सीख रहा है: भावनाओं की नई समझ

कल्पना कीजिए कि आप अपने डेस्क पर बैठकर प्रदर्शन समीक्षा के लिए लॉग इन करते हैं, और एक AI सिस्टम बातचीत का विश्लेषण कर रहा है। आप लंबे समय से काम कर रहे हैं, समय सीमाओं को संतुलित कर रहे हैं, और आपका प्रबंधक पूछता है कि आप कैसे हैं। आप कहते हैं कि आप ठीक हैं, और शायद मुस्कुराते भी हैं, लेकिन आपकी आवाज़ में हिचकिचाहट और कंपन है। जैसे ही आप अपनी मुद्रा बदलते हैं, आपके कंधे झुक जाते हैं। ये सूक्ष्म संकेत हैं जो मानव आँख को अंतर्निहित तनाव का संकेत दे सकते हैं। लेकिन एक AI मॉडल जिसे केवल भावनाओं को "खुश" या "उदास" के रूप में वर्गीकृत करने के लिए प्रशिक्षित किया गया है, ऐसी बारीकियों को खो देता है। यह शब्दों और मुस्कान को लॉग करता है और आगे बढ़ जाता है—और जब तक आपका मानव प्रबंधक हस्तक्षेप नहीं करता, यह तथ्य कि आप थके हुए, ध्यानहीन और शायद बर्नआउट से कुछ दिन दूर हैं, कभी समीकरण में प्रवेश नहीं करता।

"इमोशन AI," जो चेहरे के भाव, आवाज़ के स्वर और व्यवहार के आधार पर लोगों की भावनाओं का अनुमान लगाता है, अचानक हर जगह दिखाई देने लगा है; इसका उपयोग कर्मचारी कल्याण और भर्ती साक्षात्कार, शिक्षा प्लेटफार्मों और ड्राइवर-मॉनिटरिंग सिस्टम में किया जा रहा है। NiCE और Genesys जैसे टेक्नोलॉजी कॉल-सेंटर प्लेटफॉर्म ग्राहक की निराशा का पता लगाने और एजेंटों को वास्तविक समय में धीमा करने या अधिक सहानुभूति के साथ जवाब देने के लिए AI का उपयोग करते हैं। मेटा जैसी दिग्गज कंपनियाँ और ह्यूम AI जैसी स्टार्टअप अधिक अभिव्यंजक वॉयस AI सिस्टम विकसित कर रही हैं जो उस व्यक्ति में भावनात्मक संकेतों का पता लगा सकती हैं जिससे वे "बात" कर रहे हैं और अपने संचार को समायोजित कर सकती हैं।

इसके अलावा, सैकड़ों कंपनियाँ पहले से ही वर्चुअल AI साथी ऐप पेश करती हैं, जो एक तेजी से बढ़ता बाजार है जिसका मूल्य 2035 तक लगभग 555 बिलियन अमेरिकी डॉलर हो सकता है—और रोबोट दोस्तों ने भी तस्वीर में प्रवेश किया है। उदाहरण के लिए, इंट्यूशन रोबोटिक्स का ElliQ एक छोटा उपकरण है जो अस्पष्ट रूप से एक सफेद डेस्क लैंप जैसा दिखता है, जिसका उपयोग अब वृद्ध वयस्कों को बातचीत में शामिल करने के लिए किया जा रहा है, उम्मीद है कि अकेलापन कम होगा।

लेकिन जबकि इमोशन AI का क्षेत्र तेजी से आगे बढ़ रहा है, अधिकांश मौजूदा सिस्टम एक समय में एक विशिष्ट भावना को लेबल करने के लिए सीमित संकेतों का पता लगाने पर केंद्रित हैं—जो मानव स्थिति को समझने की कोशिश करने पर अपर्याप्त है। वास्तविक दुनिया में, मानव संकेत और भावनाएँ प्रासंगिक, ओवरलैपिंग और लगातार बदलती रहती हैं। एक हँसी खुशी, घबराहट या दोनों का संकेत दे सकती है; एक उठी हुई आवाज़ उत्साह या निराशा का संकेत दे सकती है। भावना का पता लगाने के काम को और भी कठिन बनाने के लिए, प्रतिक्रियाएँ एक व्यक्ति से दूसरे में बहुत भिन्न होती हैं, जो जनसांख्यिकी, सांस्कृतिक पृष्ठभूमि और अनगिनत अन्य चर पर निर्भर करती हैं।

दूसरे शब्दों में, हम AI से जो उम्मीद कर रहे हैं और AI वास्तव में क्या दे सकता है, के बीच एक अंतर है। यह वह अंतर है जिसे एक नया शोध क्षेत्र—जिसे हम मानव-संदर्भ AI कहते हैं—बंद करने का काम कर रहा है। केवल एक इनपुट को देखने और उसे लेबल करने के बजाय, मानव-संदर्भ AI में किसी व्यक्ति के व्यक्तित्व और चरित्र का आकलन करने, और कई इनपुट को मिलाकर वास्तविक समय में भावनाओं को ट्रैक करने की क्षमता बढ़ रही है, जिसमें चेहरे की गतिशीलता, आवाज़, स्वर, भाषा और व्यवहार शामिल हैं। महत्वपूर्ण रूप से, प्रतिक्रियाओं का मूल्यांकन एक विशिष्ट वातावरण के संदर्भ में भी किया जाता है, जैसे प्रदर्शन समीक्षा या पेशेवर कोचिंग सत्र। परिणाम? कंप्यूटर सिर्फ स्क्रीन नहीं, बल्कि दृश्य को पढ़ना सीख रहे हैं।