La inteligencia artificial (IA) ha comenzado a impregnar muchas facetas de la experiencia humana. La IA no es solo una herramienta para analizar datos: está transformando la forma en que nos comunicamos, trabajamos y vivimos. Desde ChatGP hasta generadores de vídeo con IA, las líneas entre la tecnología y partes de nuestras vidas se han vuelto cada vez más borrosas.
Pero, ¿estos avances tecnológicos significan que la IA puede identificar nuestros sentimientos en línea?
En nuestra nueva investigaciónexaminamos si la IA podía detectar emociones humanas en publicaciones en X (anteriormente Twitter).
Nuestra investigación se centró en cómo las emociones expresadas en el uso de publicaciones sobre ciertas organizaciones sin fines de lucro pueden influir en acciones como la decisión de hacerles donaciones en un momento posterior.
Usar las emociones para impulsar una respuesta
Tradicionalmente, los investigadores se han basado en el análisis de sentimientos, que clasifica los mensajes como positivos, negativos o neutrales. Si bien este método es simple e intuitivo, tiene limitaciones.
Las emociones humanas tienen muchos más matices. Por ejemplo, la ira y la decepción son emociones negativas, pero pueden provocar reacciones muy diferentes. Los clientes enojados pueden reaccionar con mucha más fuerza que los decepcionados en un contexto empresarial.
Para abordar estas limitaciones, aplicamos un modelo de IA que podría detectar emociones específicas (como alegría, ira, tristeza y disgusto) expresadas en tweets.
Nuestra investigación encontró que las emociones expresadas en X podrían servir como una representación de los sentimientos generales del público sobre organizaciones sin fines de lucro específicas. Estos sentimientos tuvieron un impacto directo en el comportamiento de donación.
Detectando emociones
Usamos el “aprendizaje por transferencia de transformador“Modelo para detectar emociones en texto. Los transformadores, previamente entrenados en conjuntos de datos masivos por empresas como Google y Facebook, son algoritmos de inteligencia artificial altamente sofisticados que se destacan en la comprensión del lenguaje natural (lenguajes que se han desarrollado naturalmente a diferencia de los lenguajes o códigos de computadora).
Ajustamos el modelo en una combinación de cuatro conjuntos de datos de emociones autoinformadas (más de 3,6 millones de frases) y otros siete conjuntos de datos (más de 60.000 frases). Esto nos permitió mapear una amplia gama de emociones expresadas en línea.
Por ejemplo, el modelo detectaría la alegría como la emoción dominante al leer una publicación X como,
¡Empezar nuestras mañanas en el colegio es lo mejor! Todos sonríen a los #niños con #propósito.
Por el contrario, la modelo se refirió a la tristeza en un tweet que decía:
Siento que he perdido parte de mí. Perdí a mamá hace más de un mes y a papá hace 13 años. Estoy perdida y asustada.
El modelo logró una impresionante precisión del 84 por ciento en la detección de emociones a partir de texto, un logro notable en el campo de la IA.
Luego analizamos tweets sobre dos organizaciones con sede en Nueva Zelanda: la Fundación Fred Hollows y la Universidad de Auckland. Nosotros encontró los tweets que expresaban tristeza tenían más probabilidades de impulsar donaciones a la Fundación Fred Hollows, mientras que la ira se relacionó con un aumento en las donaciones a la Universidad de Auckland.
Cuestiones éticas a medida que evoluciona la IA
Identificar emociones específicas tiene implicaciones importantes para sectores como el marketing, la educación y la atención sanitaria.
Ser capaz de identificar las respuestas emocionales de las personas en contextos específicos en línea puede ayudar a los tomadores de decisiones a responder a sus clientes individuales o a su mercado más amplio. Cada emoción específica que se expresa en publicaciones en redes sociales en línea requiere una reacción diferente por parte de una empresa u organización.
Nuestra investigación demostró que diferentes emociones conducen a diferentes resultados cuando se trata de donaciones.
Saber que la tristeza en los mensajes de marketing puede aumentar las donaciones a organizaciones sin fines de lucro permite campañas más efectivas y con resonancia emocional. La ira puede motivar a las personas a actuar en respuesta a una injusticia percibida.
Si bien el modelo de aprendizaje por transferencia transformadora destaca en la detección de emociones en texto, el próximo gran avance vendrá de su integración con otras fuentes de datos, como el tono de voz o las expresiones faciales, para crear un perfil emocional más completo.
Imagina una IA que no sólo entienda lo que estás escribiendo sino también cómo te sientes. Es evidente que estos avances conllevan desafíos éticos.
Si la IA puede leer nuestras emociones, ¿cómo garantizamos que esta capacidad se utilice de manera responsable? ¿Cómo protegemos la privacidad? Estas son preguntas cruciales que deben abordarse a medida que la tecnología continúa evolucionando.
Este artículo fue publicado originalmente en La conversación por Sanghyub John Lee, Ho Seok Ahn y Leo Paas en la Universidad de Auckland, Waipapa Taumata Rau. Lea el artículo original aquí.
