Yapay Zeka Odayı Okumayı Öğreniyor

Bir performans değerlendirmesi için masanıza oturduğunuzu ve bir yapay zeka sisteminin konuşmayı analiz ettiğini hayal edin. Uzun saatler çalıştınız, teslim tarihleriyle boğuşuyorsunuz ve yöneticiniz nasıl olduğunuzu soruyor. İyi olduğunuzu söylüyor ve hatta gülümsüyorsunuz, ancak sesinizde hafif bir tereddüt ve titreme var. Duruşunuzu değiştirirken omuzlarınız çöküyor. Bunlar, insan gözüne altta yatan stresi işaret edebilecek ince ipuçlarıdır. Ancak yalnızca duyguları "mutlu" veya "üzgün" olarak kategorize etmek üzere eğitilmiş bir yapay zeka modeli için bu tür nüanslar büyük olasılıkla kaybolur. Sistem kelimeleri ve bir gülümsemeyi kaydeder ve yoluna devam eder; insan yöneticiniz müdahale etmedikçe, yorgun, odaklanmamış ve belki de tükenmişliğe birkaç gün kalmış olduğunuz gerçeği denkleme asla girmez.

"Duygu yapay zekası," insanların yüz ifadeleri, ses tonu ve davranışlarına dayanarak nasıl hissettiklerini tahmin eden bir teknoloji, aniden her yerdeymiş gibi görünüyor; çalışan refahı ve işe alım mülakatlarında, eğitim platformlarında ve sürücü izleme sistemlerinde kullanılıyor. NiCE ve Genesys gibi teknoloji çağrı merkezi platformları, bir müşterinin ne zaman hayal kırıklığına uğradığını tespit etmek ve temsilcilere gerçek zamanlı olarak yavaşlamaları veya daha fazla empatiyle yanıt vermeleri için ipuçları vermek üzere yapay zeka kullanıyor. Meta gibi dev şirketler ve Hume AI gibi girişimler, konuştukları kişideki duygusal ipuçlarını algılayabilen ve iletişim şekillerini ayarlayabilen daha etkileyici sesli yapay zeka sistemleri geliştiriyor. Dahası, yüzlerce şirket halihazırda sanal yapay zeka arkadaşlık uygulamaları sunuyor; bu, 2035 yılına kadar tahmini 555 milyar ABD doları değerinde olabilecek hızla büyüyen bir pazar ve robot arkadaşlar da sahneye çıktı. Örneğin Intuition Robotics'in ElliQ'su, beyaz bir masa lambasını belli belirsiz andıran ve şu anda yaşlı yetişkinleri yalnızlığı azaltmak amacıyla sohbete dahil etmek için kullanılan küçük bir cihazdır.

Ancak duygu yapay zekası alanı hızla ilerlerken, mevcut sistemlerin çoğu, bir seferde belirli bir duyguyu etiketlemek için sınırlı sayıda sinyali algılamaya odaklanmıştır; bu, insan durumunu anlamaya çalışıyorsanız yetersizdir. Gerçek dünyada insan sinyalleri ve duyguları bağlamsaldır, örtüşür ve sürekli değişir. Bir kahkaha neşeyi, sinirliliği veya her ikisini birden gösterebilir; yükseltilmiş bir ses, hevesi de kolayca hayal kırıklığı kadar gösterebilir. Duygu tespitini daha da zorlaştırmak için, tepkiler bireyden bireye, demografiye, kültürel geçmişe ve sayısız başka değişkene bağlı olarak büyük farklılıklar gösterir. Başka bir deyişle, yapay zekanın algılamasını beklediğimiz şey ile yapay zekanın gerçekte sunabileceği şey arasında bir boşluk var. İşte bu boşluğu, insan-bağlam yapay zekası adını verdiğimiz yeni bir araştırma alanı kapatmaya çalışıyor.

İnsan-bağlam yapay zekası, yalnızca bir girdiye bakıp onu etiketlemek yerine, giderek artan bir şekilde bir bireyin kişiliğini ve karakterini değerlendirme ve yüz dinamikleri, ses, ton, dil ve davranış dahil olmak üzere birden fazla girdiyi birleştirirken duyguları gerçek zamanlı olarak izleme kapasitesine sahiptir. Kritik bir şekilde, yanıtlar ayrıca bir performans değerlendirmesi veya profesyonel koçluk seansı gibi belirli bir ortam bağlamında da değerlendirilir. Sonuç? Bilgisayarlar yalnızca ekranı değil, sahneyi okumayı öğreniyor. Duygu algılayan yapay zekanın hikayesi, neredeyse otuz yıl önce MIT Medya Laboratuvarı'nda, Amerikalı elektrik mühendisi ve bilgisayar bilimcisi Rosalind Picard'ın "duygusal hesaplama" terimini ortaya atmasıyla başladı. Çalışmaları, bilgisayarlara insan duygularını tanıma ve bunlara yanıt verme öğretilebileceği radikal fikrini ortaya attı. Picard'ın ilk deneyleri, tek modalitelere odaklandı: yüz ifadeleri, ses tonu ve cilt iletkenliği veya kalp atış hızı gibi fizyolojik sinyaller. Amaç, makinelere insan duygusuna bir pencere açmak, daha empatik olmalarına yardımcı olmaktı. Heyecan verici bir vizyondu, ancak o zamanlar bilim ve donanım hazır değildi. Bilgi işlem gücü sınırlıydı, sensörler ilkeldi ve veri kümeleri dardı ve önyargılıydı.

Sonraki yıllarda araştırmacılar ve şirketler, insanların kendilerini ifade etme biçimlerini ölçmede daha iyi hale geldi. 2010'larda, duygu analizi - duygusal alt tonları bulmak için büyük miktarda metin işleme - ana akıma ulaşmaya başladı. Aynı zamanda, şirketim Neurologyca da dahil olmak üzere pazarlama firmaları, müşteri tepkilerini ölçmek ve kataloglamak için video ve web kameraları kullanmaya başladı. Fitbit'ler ve Apple saatleri gibi biyometrik cihazlar ve aktivite takipçileri de yaygınlaştı ve insanların uykusu, adım sayıları, stres seviyeleri ve daha fazlası hakkında yeni veri akışları oluşturdu. Tahmin edilebileceği gibi, bilim insanları kısa sürede daha büyük miktarlarda kişiselleştirilmiş verinin insan duygularını okumada daha fazla doğruluğa yol açtığını doğruladı. 2019'da Cornell'deki araştırmacılar, birden fazla sinyal türünü birleştirmenin duygu algılamayı iyileştirdiğini gösterdi. Sistemleri, elektroensefalografi (EEG) ve kalp atış hızı ile ölçülen beyin aktivitesi gibi fizyolojik verileri yüz ifadesi gibi görsel ipuçlarıyla birleştirerek yalnızca bir girdiye dayanan sistemlerden daha iyi performans gösterdi. Aynı sıralarda Picard ve MIT'deki ekibi, belirli bir kişiye özgü verilerle eğitilmiş insansı robotların, kişiselleştirilmiş veriler olmadan hareket eden robotlardan o kişinin tepkilerini ve duygularını okumada önemli ölçüde daha iyi olduğunu buldu. Daha yeni çalışmalar bu bulgularla uyumludur. 2024'te Güney Kore'deki bilim insanları, duyguyu tanımak için fizyolojik, çevresel ve kişisel verileri birleştirmenin yüzde 32'lik bir hata azalmasıyla sonuçlandığını gösterdi. 2025'te yayınlanan bir başka makale, kullanıcıya özgü bilgilerin duygu tanıma performansını önemli ölçüde artırdığını gösterdi. Bugün cihazlarımız kim olduğumuzu biliyor; alışkanlıklarımızı ve eğilimlerimizi, sevdiklerimizi ve sevmediklerimizi. Ayrıca daha küçük ve daha verimli hale geldiler. Telefonlara, dizüstü bilgisayarlara ve sanal gerçeklik ve artırılmış gerçeklik cihazlarına yerleştirilmiş küçük, düşük güçlü kameralar ve mikrofonlar, göz hareketleri ve mikro ifadelerden nefes ritimleri, ses modülasyonu ve duruşa kadar aynı anda düzinelerce insan sinyalini algılayabilir. Hesaplamadaki ilerlemeler, bu sinyallerin gerçek zamanlı olarak işlenmesine olanak tanır.