人工智慧（AI）已經開始滲透到人類經驗的許多方面。人工智慧不僅僅是分析數據的工具，它正在改變我們溝通、工作和生活方式的方式。從 ChatGPT 到人工智慧視訊產生器，科技與我們生活的各個部分之間的界線變得越來越模糊。

但做這些技術進步意味著人工智慧可以辨識我們在網路上的感受？

在我們的研究發表於國際市場研究雜誌，我們檢查了人工智慧是否可以檢測 X（以前稱為 Twitter）上貼文中的人類情緒。

我們的研究重點是在某些非營利組織的貼文中表達的情緒如何影響行動，例如稍後向他們捐款的決定。

利用情緒來驅動反應

傳統上，研究人員依賴情緒分析，將資訊分為正面、負面或中性。雖然這種方法簡單直觀，但也有其限制。

人類的情感要微妙得多。例如，憤怒和失望都是負面情緒，但它們會引起截然不同的反應。在商業環境中，憤怒的客戶可能比失望的客戶反應更強烈。

為了解決這些限制，我們應用了一種人工智慧模型，該模型可以檢測特定的情緒（例如快樂、憤怒、悲傷和厭惡），這些情緒以以下形式表達：推文。

我們的研究發現，X 上表達的情緒可以代表公眾對特定非營利組織的整體情緒。這些感受對捐贈行為產生了直接影響。

檢測情緒

我們使用了“變壓器遷移學習「檢測文本中的情緒的模型。預先訓練海量資料集由 Google 和 Facebook 等公司開發的 Transformer 是高度複雜的人工智慧演算法，擅長理解自然語言（自然發展的語言，而不是電腦語言或代碼）。

我們結合四個自我報告的情緒資料集（超過 360 萬個句子）和七個其他資料集（超過 60,000 個句子）對模型進行了微調。這使我們能夠繪製出網路上表達的各種情緒。

例如，當閱讀諸如“在學校開始我們的早晨是最好的！# Purpose #kids 笑容可撻”之類的 X 帖子時，該模型會檢測到快樂是主要情緒。

相反，模型會在推文中捕捉到悲傷的情緒，說道：“我覺得我失去了自己的一部分。一個多月前我失去了媽媽，13 年前失去了爸爸。我迷失了方向，感到害怕。”

該模型在檢測文字情緒方面達到了令人印象深刻的 84% 準確率，這是人工智慧領域的一項值得注意的成就。

然後我們查看了有關兩個紐西蘭組織——弗雷德·霍洛斯基金會和奧克蘭大學的推文。我們成立表達悲傷的推文更有可能推動對 Fred Hollows 基金會的捐款，而憤怒則與奧克蘭大學的捐款增加有關。

人工智慧發展中的道德問題

識別特定情緒對行銷、教育和醫療保健等領域有重大影響。

能夠在線上識別人們在特定環境下的情緒反應可以支持決策者響應個人客戶或更廣泛的市場。在線上社群媒體貼文中表達的每種特定情緒都需要公司或組織做出不同的反應。

我們的研究表明，在捐贈方面，不同的情緒會導致不同的結果。

了解行銷訊息中的悲傷情緒可以增加對非營利組織的捐款，從而進行更有效、引起情感共鳴的活動。憤怒可以激勵人們採取行動來應對感知到的不公現象。

而變壓器遷移學習模型擅長檢測文本中的情感，下一個重大突破將來自於將其與其他內容集成數據來源，例如語音或臉部表情，創建更完整的情感檔案。

想像一下，一個人工智慧不僅能理解你所寫的內容，也能理解你的感受。顯然，這些進步伴隨著倫理挑戰。

如果人工智慧可以解讀我們的情緒，我們如何確保負責任地使用這種能力？我們如何保護隱私？隨著科技的不斷發展，這些都是必須解決的關鍵問題。

更多資訊：Sanghub John Lee 等人，特定情緒分析在預測捐贈中的力量：社群媒體中情緒與特定情緒分析的比較實證研究，國際市場研究雜誌（2024）。數字號碼：10.1177/14707853241261248

本文轉載自對話根據知識共享許可。閱讀原創文章。