الحوسبة العاطفية

📅 آخر تحديث: ٤ أغسطس ٢٠٢٦
✍️ نُشر في: ٤ أغسطس ٢٠٢٦
📷 يحتوي على 4 صور
الموسوعة الحرة

أصبحت الأجهزة الإلكترونية مثل الروبوتات قادرة بشكل متزايد على اكتشاف المشاعر البشرية والاستجابة لها.

الحوسبة العاطفية هي دراسة وتطوير الأنظمة والأجهزة القادرة على التعرف على المشاعر البشرية وتفسيرها ومعالجتها ومحاكاتها . وهي مجال متعدد التخصصات يشمل علوم الحاسوب وعلم النفس والعلوم المعرفية . [ 1 ] في حين أن بعض الأفكار الأساسية في هذا المجال تعود إلى بدايات الدراسات الفلسفية حول العاطفة ، [ 2 ] إلا أن الفكرة الحديثة نشأت مع ورقة روزاليند بيكارد البحثية عام 1995 بعنوان "الحوسبة العاطفية" [ 3 ] وكتابها الذي يحمل نفس الاسم عام 1997 [ 4 ] والصادر عن مطبعة معهد ماساتشوستس للتكنولوجيا . [ 5 ] [ 6 ] أحد دوافع البحث في الحوسبة العاطفية هو القدرة على منح الآلات ذكاءً عاطفيًا ، بما في ذلك محاكاة التعاطف . والهدف هو أن تتمكن الآلة من تفسير الحالة العاطفية للبشر وتكييف سلوكها مع تلك المشاعر، والاستجابة لها بشكل مناسب. أظهرت الأبحاث التجريبية الحديثة أن ردود الفعل اللمسية العاطفية الدقيقة يمكن أن تشكل تعلم المكافأة البشرية وسلوك التفاعل عبر الهاتف المحمول، [ 7 ] مما يشير إلى أن أنظمة الحوسبة العاطفية قد لا تفسر الحالات العاطفية فحسب، بل تعمل أيضًا على تعديل تصرفات المستخدم بشكل فعال من خلال المخرجات المحملة بالعاطفة.

المناطق

الكشف عن المعلومات العاطفية والتعرف عليها

يبدأ الكشف عن المعلومات العاطفية عادةً باستخدام أجهزة استشعار سلبية تلتقط بيانات حول الحالة الجسدية للمستخدم أو سلوكه دون تفسير المدخلات. وتُشابه البيانات المُجمّعة الإشارات التي يستخدمها البشر لإدراك مشاعر الآخرين. فعلى سبيل المثال، قد تلتقط كاميرا الفيديو تعابير الوجه، ووضعية الجسم، والإيماءات، بينما قد يلتقط الميكروفون الكلام. وتكشف أجهزة استشعار أخرى عن الإشارات العاطفية من خلال قياس البيانات الفسيولوجية مباشرةً ، مثل درجة حرارة الجلد والمقاومة الجلفانية . [ 8 ]

يتطلب التعرف على المعلومات العاطفية استخلاص أنماط ذات دلالة من البيانات المُجمّعة. ويتم ذلك باستخدام تقنيات التعلّم الآلي التي تعالج وسائط مختلفة ، مثل التعرّف على الكلام ، ومعالجة اللغة الطبيعية ، أو كشف تعابير الوجه . يهدف معظم هذه التقنيات إلى إنتاج تصنيفات تُطابق التصنيفات التي قد يُصدرها الإنسان في الموقف نفسه. على سبيل المثال، إذا عبس شخص ما، فقد يُدرّب نظام رؤية الحاسوب على تصنيف وجهه بأنه "مُرتبك" أو "مُركّز" أو "سلبي بعض الشيء" (بدلاً من "إيجابي"، الذي قد يُصنّفه النظام إذا كان يبتسم ابتسامةً تُظهر السعادة). يعتمد هذا التصنيف على البيانات المُستخدمة في تدريب النظام. وقد تتوافق هذه التصنيفات مع مشاعر الشخص الحقيقية أو لا.

العاطفة في الآلات

يُعدّ تصميم الأجهزة الحاسوبية التي تُظهر قدرات عاطفية فطرية أو قادرة على محاكاة المشاعر بشكل مقنع مجالًا آخر ضمن الحوسبة العاطفية. ويتمثل أحد الأساليب الأكثر عملية، استنادًا إلى الإمكانيات التكنولوجية الحالية، في محاكاة المشاعر في وكلاء المحادثة بهدف إثراء وتسهيل التفاعل بين الإنسان والآلة. [ 9 ]

يربط مارفن مينسكي ، أحد رواد علماء الحاسوب في مجال الذكاء الاصطناعي ، المشاعر بقضايا الذكاء الاصطناعي الأوسع نطاقًا، مصرحًا في كتابه "آلة المشاعر " بأن المشاعر "لا تختلف كثيرًا عن العمليات التي نسميها 'التفكير'". [ 10 ] ويتضمن النهج المبتكر "البشر الرقميون" أو البشر الافتراضيون محاولة لإضفاء بُعد عاطفي على هذه البرامج، التي تحاكي البشر، بما في ذلك ردود الفعل وتعبيرات الوجه والإيماءات، بما يتوافق مع رد فعل الشخص الحقيقي في مواقف معينة مثيرة عاطفيًا. [ 11 ]

يشير مصطلح "العاطفة في الآلات" غالبًا إلى العاطفة في الأنظمة الحاسوبية، وخاصةً الأنظمة القائمة على الذكاء الاصطناعي. [ 12 ] [ 13 ] ونتيجةً لذلك، يُستخدم مصطلح "الذكاء الاصطناعي العاطفي". [ 12 ] [ 14 ] تحاكي بعض نماذج اللغة الحديثة الكبيرة المشاعر في محادثاتها مع البشر. وتميل المشاعر المُحاكاة في ChatGPT إلى أن تكون أكثر إيجابية من معظم ردود الفعل البشرية. [ 15 ]

التقنيات

في علم النفس، والعلوم المعرفية، وعلم الأعصاب، يوجد منهجان رئيسيان لوصف كيفية إدراك البشر للعواطف وتصنيفها: المنهج المتصل والمنهج التصنيفي. يميل المنهج المتصل إلى استخدام أبعاد مثل السلبية مقابل الإيجابية، والهدوء مقابل الإثارة.

يميل النهج التصنيفي إلى استخدام فئات منفصلة مثل السعادة والحزن والغضب والخوف والمفاجأة والاشمئزاز. وتُستخدم أنواع مختلفة من نماذج الانحدار والتصنيف في التعلم الآلي لتمكين الآلات من إنتاج تصنيفات متصلة أو منفصلة. وفي بعض الأحيان، تُبنى نماذج تسمح بدمج الفئات (مثل وجه سعيد متفاجئ أو وجه خائف متفاجئ). [ 16 ]

تتناول الأقسام التالية العديد من أنواع بيانات الإدخال المستخدمة في مهمة التعرف على المشاعر .

خطاب عاطفي

يمكن أن تُؤثر تغيراتٌ مُتعددة في الجهاز العصبي اللاإرادي بشكلٍ غير مباشر على كلام الشخص، وتستفيد التقنيات العاطفية من هذه المعلومات للتعرف على المشاعر. فعلى سبيل المثال، يصبح الكلام الناتج عن الخوف أو الغضب أو الفرح سريعًا وعاليًا وواضحًا، مع نطاقٍ أوسع وأعلى في النبرة، بينما تميل مشاعر مثل التعب أو الملل أو الحزن إلى إنتاج كلامٍ بطيء ومنخفض النبرة ومُتداخل. [ 17 ] وقد وُجد أن بعض المشاعر يُمكن التعرف عليها حاسوبيًا بسهولة أكبر، مثل الغضب [ 18 ] أو الموافقة. [ 19 ]

تعتمد تقنيات معالجة الكلام العاطفي على تحليل خصائص الكلام الحاسوبية للتعرف على الحالة العاطفية للمستخدم. ويمكن تحليل المعايير الصوتية والخصائص النبرية ، مثل متغيرات درجة الصوت وسرعة الكلام، من خلال تقنيات التعرف على الأنماط. [ 18 ] [ 20 ]

يُعد تحليل الكلام طريقة فعّالة لتحديد الحالة العاطفية، حيث بلغت دقته المُبلغ عنها في المتوسط ​​70-80% في الأبحاث التي أُجريت بين عامي 2003 و2006. [ 21 ] [ 22 ] تميل هذه الأنظمة إلى التفوق على متوسط ​​دقة الإنسان (حوالي 60% [ 18 ] )، ولكنها أقل دقة من الأنظمة التي تستخدم طرائق أخرى للكشف عن المشاعر، مثل الحالات الفسيولوجية أو تعابير الوجه. [ 23 ] ومع ذلك، ونظرًا لأن العديد من خصائص الكلام مستقلة عن الدلالات أو الثقافة، تُعتبر هذه التقنية مسارًا واعدًا لمزيد من البحث. [ 24 ]

الخوارزميات

تتطلب عملية الكشف عن تأثير الكلام/النص إنشاء قاعدة بيانات موثوقة أو قاعدة معرفية أو نموذج فضاء متجهي [ 25 ] واسع بما يكفي لتلبية كل حاجة لتطبيقه، بالإضافة إلى اختيار مصنف ناجح يسمح بتحديد المشاعر بسرعة ودقة.

اعتبارًا من عام 2010كانت المصنفات الأكثر استخدامًا هي مصنفات التمييز الخطي (LDC)، وخوارزمية أقرب جار (k-NN)، ونموذج خليط غاوسي (GMM)، وآلات المتجهات الداعمة (SVM)، والشبكات العصبية الاصطناعية (ANN)، وخوارزميات شجرة القرار، ونماذج ماركوف المخفية (HMMs). [ 26 ] أظهرت دراسات عديدة أن اختيار المصنف المناسب يُحسّن بشكل ملحوظ الأداء العام للنظام. [ 23 ] فيما يلي وصف موجز لكل خوارزمية:

  • LDC - يتم التصنيف بناءً على القيمة التي تم الحصول عليها من التركيبة الخطية لقيم الميزات، والتي يتم توفيرها عادةً في شكل ميزات متجهة.
  • خوارزمية k-NN – يتم التصنيف من خلال تحديد موقع الكائن في فضاء الميزات، ومقارنته بأقرب k جار (أمثلة التدريب). ويُعتمد التصنيف على تصويت الأغلبية.
  • نموذج الخليط المعمم (GMM) – نموذج احتمالي يُستخدم لتمثيل وجود مجموعات فرعية ضمن المجموعة السكانية الكلية. يتم وصف كل مجموعة فرعية باستخدام توزيع الخليط، مما يسمح بتصنيف الملاحظات إلى المجموعات الفرعية. [ 27 ]
  • SVM – نوع من المصنفات الخطية (عادةً ثنائية) التي تحدد في أي من الفئتين (أو أكثر) الممكنتين، قد يندرج كل مدخل.
  • الشبكة العصبية الاصطناعية (ANN ) هي نموذج رياضي مستوحى من الشبكات العصبية البيولوجية، ويمكنها فهم اللاخطية المحتملة لمساحة الميزات بشكل أفضل.
  • خوارزميات شجرة القرار - تعمل بناءً على اتباع شجرة قرار حيث تمثل الأوراق نتيجة التصنيف، وتمثل الفروع اقتران الميزات اللاحقة التي تؤدي إلى التصنيف.
  • نماذج ماركوف المخفية (HMMs) هي نماذج إحصائية من نوع ماركوف، لا تُتاح فيها الحالات وانتقالاتها للملاحظة المباشرة. بدلاً من ذلك، تكون سلسلة المخرجات المعتمدة على هذه الحالات مرئية. في حالة التعرف على المشاعر، تمثل المخرجات سلسلة من متجهات خصائص الكلام، مما يسمح باستنتاج تسلسلات الحالات التي مرّ بها النموذج. يمكن أن تتكون الحالات من خطوات وسيطة مختلفة في التعبير عن المشاعر، ولكل منها توزيع احتمالي على متجهات المخرجات الممكنة. تُمكّننا تسلسلات الحالات من التنبؤ بالحالة العاطفية التي نحاول تصنيفها، وهذه إحدى أكثر التقنيات شيوعًا في مجال الكشف عن المشاعر في الكلام.

لقد ثبت أنه مع توفر أدلة صوتية كافية، يمكن تصنيف الحالة العاطفية للشخص باستخدام مجموعة من المصنفات القائمة على التصويت بالأغلبية. تعتمد مجموعة المصنفات المقترحة على ثلاثة مصنفات رئيسية: kNN، وC4.5، وSVM-RBF Kernel. تحقق هذه المجموعة أداءً أفضل من كل مصنف أساسي على حدة. تمت مقارنتها بمجموعتين أخريين من المصنفات: SVM متعدد الفئات من نوع "واحد ضد الكل" (OAA) مع نواة هجينة، ومجموعة المصنفات التي تتكون من المصنفين الأساسيين التاليين: C5.0 والشبكة العصبية. يحقق المتغير المقترح أداءً أفضل من المجموعتين الأخريين من المصنفات. [ 28 ]

قواعد البيانات

تعتمد الغالبية العظمى من الأنظمة الحالية على البيانات. وهذا يُشكّل أحد أكبر التحديات في اكتشاف المشاعر من خلال الكلام، إذ يستلزم اختيار قاعدة بيانات مناسبة لتدريب المُصنِّف. معظم البيانات المتاحة حاليًا مُستقاة من ممثلين، وبالتالي فهي تمثل أنماطًا عاطفية نموذجية. تعتمد قواعد البيانات المُستقاة من التمثيل عادةً على نظرية المشاعر الأساسية لبول إيكمان ، والتي تفترض وجود ستة مشاعر أساسية (الغضب، الخوف، الاشمئزاز، المفاجأة، الفرح، الحزن)، بالإضافة إلى مزيج من هذه المشاعر الستة. [ 29 ] ومع ذلك، لا تزال هذه القواعد تُقدّم جودة صوت عالية وفئات متوازنة (وإن كانت قليلة في كثير من الأحيان)، مما يُسهم في ارتفاع معدلات النجاح في التعرّف على المشاعر.

مع ذلك، يُفضّل استخدام البيانات الطبيعية في التطبيقات العملية. ويمكن إنشاء قاعدة بيانات طبيعية من خلال مراقبة وتحليل الأشخاص في سياقهم الطبيعي. وفي نهاية المطاف، ينبغي أن تُمكّن هذه القاعدة النظام من التعرّف على المشاعر بناءً على سياقها، بالإضافة إلى تحديد أهداف ونتائج التفاعل. وتتيح طبيعة هذا النوع من البيانات إمكانية تطبيقها في الواقع العملي، لأنها تصف الحالات التي تحدث بشكل طبيعي أثناء التفاعل بين الإنسان والحاسوب .

على الرغم من المزايا العديدة التي تتمتع بها البيانات الطبيعية مقارنةً بالبيانات المصطنعة، إلا أنه يصعب الحصول عليها، وعادةً ما تكون ذات كثافة عاطفية منخفضة. علاوة على ذلك، تتميز البيانات التي يتم الحصول عليها في سياق طبيعي بجودة إشارة أقل، نظرًا للمحيط والضوضاء ومسافة الأشخاص عن الميكروفون. كانت المحاولة الأولى لإنشاء قاعدة بيانات كهذه هي مجموعة بيانات FAU Aibo Emotion Corpus لمشروع CEICES (توحيد الجهود لتحسين التصنيف التلقائي لحالات المستخدم العاطفية)، والتي طُوّرت بناءً على سياق واقعي لأطفال (تتراوح أعمارهم بين 10 و13 عامًا) يلعبون مع روبوت Aibo من سوني. [ 30 ] [ 31 ] وبالمثل، فإن إنشاء قاعدة بيانات موحدة لجميع الأبحاث العاطفية من شأنه أن يوفر طريقة لتقييم ومقارنة أنظمة التعرف على المشاعر المختلفة.

مؤشرات الكلام

تزداد تعقيدات عملية التعرف على المشاعر مع ازدياد عدد الفئات (المشاعر) وخصائص الكلام المستخدمة في المصنف. لذا، من الضروري اختيار السمات الأكثر صلة فقط لضمان قدرة النموذج على تحديد المشاعر بنجاح وتحسين الأداء، وهو أمر بالغ الأهمية للكشف الفوري. تتنوع الخيارات المتاحة بشكل كبير، حيث تشير بعض الدراسات إلى استخدام أكثر من 200 سمة مميزة. [ 26 ] من الضروري تحديد السمات الزائدة وغير المرغوب فيها لتحسين النظام وزيادة معدل نجاح الكشف الصحيح عن المشاعر. تُصنف خصائص الكلام الأكثر شيوعًا إلى المجموعات التالية. [ 30 ] [ 31 ]

  1. خصائص التردد [ 32 ]
    • شكل النبرة - يتأثر بمعدل تغير التردد الأساسي.
    • متوسط ​​درجة الصوت - يصف مدى ارتفاع/انخفاض صوت المتحدث مقارنةً بالكلام العادي.
    • ميل خط الكنتور - يصف اتجاه تغير التردد بمرور الوقت؛ يمكن أن يكون تصاعديًا أو تنازليًا أو مستويًا.
    • الانخفاض النهائي - مقدار انخفاض التردد في نهاية الكلام.
    • نطاق النبرة - يقيس الفرق بين الحد الأقصى والحد الأدنى لتردد الكلام.
  2. الميزات المتعلقة بالوقت:
    • معدل الكلام – يصف معدل الكلمات أو المقاطع الصوتية التي تُنطق خلال وحدة زمنية محددة.
    • تكرار النبرة - يقيس معدل حدوث العبارات التي تحمل نبرة صوتية محددة.
  3. معايير جودة الصوت ومؤشرات الطاقة:
    • التنفسية – تقيس ضوضاء الشفط في الكلام
    • التألق – يصف هيمنة الترددات العالية أو المنخفضة في الكلام
    • شدة الصوت – تقيس سعة موجة الصوت، وتترجم إلى طاقة الكلام المنطوق
    • انقطاع التوقف – يصف الانتقالات بين الصوت والصمت
    • عدم استمرارية النغمة - يصف تحولات التردد الأساسي.

كشف تعابير الوجه

يتم الكشف عن تعابير الوجه ومعالجتها عبر طرق متنوعة، مثل التدفق البصري ، ونماذج ماركوف المخفية ، ومعالجة الشبكات العصبية ، أو نماذج المظهر النشط. ويمكن دمج أكثر من نمط واحد (التعرف متعدد الأنماط، مثل تعابير الوجه ونبرة الكلام، [ 33 ] أو تعابير الوجه وإيماءات اليد، [ 34 ] أو تعابير الوجه مع الكلام والنص لتحليل البيانات والبيانات الوصفية متعددة الأنماط) لتوفير تقدير أكثر دقة للحالة العاطفية للشخص.

قواعد بيانات تعابير الوجه

يُعدّ إنشاء قاعدة بيانات للمشاعر مهمةً صعبةً وتستغرق وقتًا طويلًا. مع ذلك، يُشكّل إنشاء قاعدة البيانات خطوةً أساسيةً في بناء نظامٍ قادرٍ على التعرّف على المشاعر البشرية. تتضمن معظم قواعد بيانات المشاعر المتاحة للعموم تعابير وجه مصطنعة فقط. في قواعد بيانات التعبيرات المصطنعة، يُطلب من المشاركين إظهار تعابير عاطفية أساسية مختلفة. أما في قواعد بيانات التعبيرات التلقائية البديلة، فتكون التعابير طبيعية. يتطلب استنباط المشاعر التلقائية جهدًا كبيرًا في اختيار المحفزات المناسبة، مما يُتيح عرضًا غنيًا للمشاعر المقصودة. ثانيًا، تتطلب هذه العملية تصنيف المشاعر يدويًا بواسطة أفراد مُدرّبين، مما يجعل قواعد البيانات موثوقةً للغاية. ولأن إدراك التعابير وشدتها أمرٌ ذاتي بطبيعته، فإنّ تصنيفها من قِبل الخبراء ضروريٌّ لغرض التحقق من صحتها.

يستخدم الباحثون ثلاثة أنواع من قواعد البيانات: قاعدة بيانات لصور تعابير الوجه القصوى فقط، وقاعدة بيانات لتسلسلات الصور التي تُصوّر المشاعر من الحالة المحايدة إلى ذروتها، ومقاطع فيديو مصحوبة بتعليقات عاطفية. وقد تم إنشاء العديد من قواعد بيانات تعابير الوجه ونشرها لأغراض التعرف على التعبيرات. ومن بين قواعد البيانات الأكثر استخدامًا CK+ وJAFFE.

تصنيف المشاعر

في أواخر الستينيات، طرح بول إيكمان فكرة أن تعابير الوجه الدالة على المشاعر ليست محددة ثقافيًا، بل هي عالمية. وقد اكتشف ذلك من خلال بحثه المقارن بين الثقافات في بابوا غينيا الجديدة على قبائل الفور. وبناءً على ذلك، أشار إلى أن أصلها بيولوجي، وبالتالي يمكن تصنيفها بدقة وأمان. [ 29 ] وعليه، فقد حدد رسميًا ستة مشاعر أساسية في عام 1972: [ 35 ]

مع ذلك، في تسعينيات القرن العشرين، وسّع إيكمان قائمة مشاعره الأساسية، لتشمل مجموعة من المشاعر الإيجابية والسلبية ، والتي لا تُشفّر جميعها في عضلات الوجه. [ 36 ] المشاعر الجديدة هي:

  1. تسلية
  2. ازدراء
  3. الرضا
  4. إحراج
  5. الإثارة
  6. الشعور بالذنب
  7. الفخر بالإنجاز
  8. اِرتِياح
  9. إشباع
  10. متعة حسية
  11. عار

نظام ترميز حركات الوجه

ابتكر علماء النفس نظامًا لتصنيف التعبير الجسدي للعواطف على الوجوه تصنيفًا رسميًا. ويُعدّ نظام ترميز حركات الوجه (FACS)، الذي ابتكره بول إيكمان ووالاس ف. فريزن عام ١٩٧٨ استنادًا إلى أعمال سابقة لكارل هيرمان هورتسيو ، المفهومَ الأساسي لهذا النظام . [ ٣٧ ] وتُعرَّف وحدات الحركة (AU) بأنها انقباض أو انبساط عضلة واحدة أو أكثر. وقد اقترح علماء النفس التصنيف التالي لستة عواطف أساسية وفقًا لوحدات حركتها ("+" هنا تعني "و"):

العاطفةوحدات العمل
سعادة6+12
حزن1+4+15
مفاجأة1+2+5ب+26
يخاف1+2+4+5+20+26
الغضب4+5+7+23
اشمئزاز9+15+16
ازدراءR12A+R14A

تحديات في التعرف على الوجوه

كما هو الحال مع أي تطبيق حاسوبي، لا بد من تجاوز بعض العقبات لإطلاق العنان الكامل للإمكانات الكامنة في الكشف عن المشاعر من خلال معالجة الوجه. في بدايات الكشف القائم على الذكاء الاصطناعي (التعرف على الكلام، والتعرف على الوجه، والتعرف على المشاعر)، كانت دقة النمذجة والتتبع مشكلة. ومع تطور الأجهزة، تضاءل هذا النقص في الدقة، إلا أن ذلك لم يمنع ظهور مشكلة التشويش. ومع ذلك، توجد طرق لإزالة التشويش، منها المتوسطات المجاورة، والتنعيم الخطي الغاوسي ، والتصفية الوسيطة، [ 38 ] أو طرق أحدث مثل خوارزمية تحسين البحث البكتيري. [ 39 ] [ 40 ]

وتشمل التحديات الأخرى ما يلي:

  • حقيقة أن التعبيرات المصطنعة ليست طبيعية، وبالتالي فإن الخوارزميات المدربة عليها قد لا تنطبق على التعبيرات الطبيعية.
  • يُعاني الجهاز من نقص في حرية الحركة الدورانية. يعمل نظام الكشف عن التأثيرات بشكل جيد للغاية عند استخدامه من الأمام، ولكن عند تدوير الرأس لأكثر من 20 درجة، "ظهرت بعض المشاكل". [ 41 ]
  • لا تتوافق تعابير الوجه دائمًا مع المشاعر الكامنة التي تتناسب معها (على سبيل المثال، يمكن أن تكون مصطنعة أو مزيفة، أو يمكن للشخص أن يشعر بمشاعر ولكنه يحافظ على "وجه جامد").
  • لم يتضمن نظام ترميز حركات الوجه (FACS) الديناميكيات، والتي يمكن أن تساعد في إزالة الغموض (على سبيل المثال، تميل ابتسامات السعادة الحقيقية إلى أن يكون لها ديناميكيات مختلفة عن ابتسامات "محاولة الظهور بمظهر سعيد").
  • لا تتوافق تركيبات نظام ترميز حركات اليد (FACS) بطريقة 1:1 مع المشاعر التي اقترحها علماء النفس في الأصل (لاحظ أن هذا النقص في التعيين 1:1 يحدث أيضًا في التعرف على الكلام مع الكلمات المتجانسة والمتجانسة والعديد من مصادر الغموض الأخرى، ويمكن التخفيف من ذلك عن طريق إدخال قنوات معلومات أخرى).
  • تتحسن دقة التعرف بإضافة السياق؛ ومع ذلك، فإن إضافة السياق والطرائق الأخرى تزيد من التكلفة الحسابية والتعقيد.

لغة الجسد

يمكن استخدام الإيماءات كوسيلة للكشف عن الحالة العاطفية للمستخدم، خاصةً عند استخدامها بالتزامن مع التعرف على الكلام والوجه. قد تكون الإيماءات ردود فعل بسيطة لا إرادية، مثل رفع الكتفين عند عدم معرفة الإجابة، أو قد تكون معقدة وذات دلالة، كما هو الحال في التواصل بلغة الإشارة. يمكننا التلويح بأيدينا أو التصفيق أو الإشارة دون استخدام أي شيء أو بيئة محيطة. من ناحية أخرى، عند استخدام الأشياء، يمكننا الإشارة إليها أو تحريكها أو لمسها أو التعامل معها. يجب أن يكون الحاسوب قادرًا على التعرف على هذه الإيماءات وتحليل السياق والاستجابة بطريقة ذات معنى لكي يُستخدم في التفاعل بين الإنسان والحاسوب .

يمكن رصد الإيماءات باستخدام العديد من الطرق. [ 42 ] هناك منهجان رئيسيان للتعرف على الإيماءات: المنهج القائم على النموذج ثلاثي الأبعاد والمنهج القائم على المظهر. [ 43 ] يعتمد المنهج الأول على استخدام المعلومات ثلاثية الأبعاد للعناصر الرئيسية في أجزاء الجسم للحصول على عدة معايير مهمة، مثل وضع راحة اليد أو زوايا المفاصل. من ناحية أخرى، تستخدم الأنظمة القائمة على المظهر الصور أو مقاطع الفيديو للتفسير المباشر. لطالما كانت إيماءات اليد محورًا رئيسيًا في طرق رصد إيماءات الجسم. [ 43 ]

المراقبة الفسيولوجية

يمكن استخدام هذه التقنية للكشف عن الحالة النفسية للمستخدم من خلال مراقبة وتحليل علاماته الفسيولوجية. تتراوح هذه العلامات بين تغيرات معدل ضربات القلب وموصلية الجلد، وصولاً إلى انقباضات دقيقة في عضلات الوجه وتغيرات في تدفق الدم إليه. يشهد هذا المجال نموًا متزايدًا، ونشهد الآن منتجات حقيقية تُطبّق هذه التقنيات. العلامات الفسيولوجية الأربع الرئيسية التي تُحلل عادةً هي: نبض حجم الدم ، والاستجابة الجلدية الجلفانية ، وتخطيط كهربية عضلات الوجه ، وأنماط ألوان الوجه. على سبيل المثال، استُخدمت هذه الأساليب لفحص أعراض الاكتئاب. [ 44 ]

حجم الدم النبض

ملخص

يمكن قياس نبض حجم الدم (BVP) لدى الشخص باستخدام تقنية تُسمى قياس حجم الدم الضوئي ، والتي تُنتج رسمًا بيانيًا يُوضح تدفق الدم عبر الأطراف. [ 45 ] تُشير قمم الموجات إلى دورة قلبية حيث يضخ القلب الدم إلى الأطراف. إذا شعر الشخص بالخوف أو الفزع، فعادةً ما "يقفز" قلبه وينبض بسرعة لفترة من الوقت، مما يؤدي إلى زيادة سعة الدورة القلبية. يمكن رؤية ذلك بوضوح على جهاز قياس حجم الدم الضوئي عندما تقل المسافة بين قاع الموجة وقمتها. عندما يهدأ الشخص، ومع تمدد الجزء الداخلي من الجسم، مما يسمح بتدفق المزيد من الدم عائدًا إلى الأطراف، ستعود الدورة إلى طبيعتها.

المنهجية

قام الباحثون بتسليط ضوء الأشعة تحت الحمراء على الجلد باستخدام أجهزة استشعار خاصة، وتم قياس كمية الضوء المنعكس. ترتبط كمية الضوء المنعكس والنافذ بمؤشر حجم الدم، حيث يمتص الهيموجلوبين، الموجود بكثرة في مجرى الدم، الضوء.

العيوب

قد يكون من الصعب التأكد من أن المستشعر الذي يسلط ضوء الأشعة تحت الحمراء ويراقب الضوء المنعكس يشير دائمًا إلى نفس الطرف، خاصة وأن الأشخاص غالبًا ما يمددون ويعيدون ضبط وضعهم أثناء استخدام الكمبيوتر.

هناك عوامل أخرى قد تؤثر على معدل تدفق الدم. وبما أنه مقياس لتدفق الدم عبر الأطراف، فإذا شعر الشخص بحرارة أو برودة شديدة، فقد يسمح جسمه بتدفق كمية أكبر أو أقل من الدم إلى الأطراف بغض النظر عن حالته النفسية.

تعتبر عضلة تجعد الحاجب وعضلة الوجنية الكبيرة العضلتين الرئيسيتين المستخدمتين لقياس النشاط الكهربائي في تخطيط كهربية العضلات للوجه.

تخطيط كهربية عضلات الوجه

تخطيط كهربية عضلات الوجه هو تقنية تُستخدم لقياس النشاط الكهربائي لعضلات الوجه عن طريق تضخيم النبضات الكهربائية الدقيقة التي تولدها ألياف العضلات عند انقباضها. [ 46 ] يُعبّر الوجه عن قدر كبير من المشاعر. ومع ذلك، هناك مجموعتان رئيسيتان من عضلات الوجه تُدرسان عادةً للكشف عن المشاعر: عضلة مُقَطِّعة الحاجب، والمعروفة أيضًا بعضلة "العبوس"، التي تسحب الحاجب إلى أسفل في حالة العبوس. لذلك، فهي أفضل اختبار للاستجابات العاطفية السلبية وغير السارة. أما عضلة الوجنية الكبيرة فهي المسؤولة عن سحب زوايا الفم إلى الخلف عند الابتسام، وبالتالي فهي العضلة المستخدمة لاختبار الاستجابة العاطفية الإيجابية.

هنا نرى رسمًا بيانيًا لمقاومة الجلد المقاسة باستخدام تقنية الاستجابة الجلدية الجلفانية (GSR) مع مرور الوقت أثناء لعب الشخص لعبة فيديو. تظهر عدة قمم واضحة في الرسم البياني، مما يشير إلى أن تقنية GSR طريقة جيدة للتمييز بين حالتي الإثارة وعدم الإثارة. على سبيل المثال، في بداية اللعبة، حيث لا يكون هناك عادةً الكثير من اللعب المثير، تُسجل مقاومة عالية، مما يدل على انخفاض مستوى التوصيل وبالتالي انخفاض مستوى الإثارة. يتناقض هذا بوضوح مع الانخفاض المفاجئ في المقاومة عند موت اللاعب، حيث يكون اللاعب عادةً متوترًا وقلقًا للغاية عند موت شخصيته في اللعبة.

استجابة الجلد الجلفانية

الاستجابة الجلدية الجلفانية (GSR) مصطلح قديم يُستخدم لوصف ظاهرة أعم تُعرف بالنشاط الكهروجلدي (EDA). النشاط الكهروجلدي ظاهرة عامة تتغير فيها الخصائص الكهربائية للجلد. يُعصّب الجلد بواسطة الجهاز العصبي الودي، لذا فإن قياس مقاومته أو موصليته يوفر طريقة لتحديد التغيرات الطفيفة في الفرع الودي من الجهاز العصبي اللاإرادي. مع تنشيط الغدد العرقية، حتى قبل أن يشعر الجلد بالتعرق، يمكن رصد مستوى النشاط الكهروجلدي (عادةً باستخدام الموصلية) واستخدامه لتمييز التغيرات الطفيفة في الاستثارة اللاإرادية. كلما زادت استثارة الشخص، زادت موصلية الجلد. [ 45 ]

غالبًا ما تُقاس الموصلية الجلدية باستخدام قطبين كهربائيين صغيرين من الفضة وكلوريد الفضة، يوضعان على الجلد مع تطبيق جهد كهربائي منخفض بينهما. ولتحقيق أقصى قدر من الراحة وتقليل التهيج، يمكن وضع الأقطاب الكهربائية على المعصم أو الساقين أو القدمين، مما يترك اليدين حرتين تمامًا لممارسة الأنشطة اليومية. [ 47 ]

لون الوجه

ملخص

يُعصّب سطح وجه الإنسان بشبكة واسعة من الأوعية الدموية. وتُؤدي تغيرات تدفق الدم في هذه الأوعية إلى تغيرات لونية مرئية على الوجه. وسواءً أكانت تعابير الوجه تُنشّط عضلات الوجه أم لا، فإن تغيرات في تدفق الدم وضغط الدم ومستويات الجلوكوز وغيرها من التغيرات تحدث. كما أن إشارة لون الوجه مستقلة عن تلك التي تُوفّرها حركات عضلات الوجه. [ 48 ]

المنهجية

تعتمد هذه الأساليب على تغيرات لون الوجه. يُستخدم تثليث ديلاوناي لإنشاء المناطق المثلثية المحلية. تُزال بعض هذه المثلثات التي تُحدد الجزء الداخلي من الفم والعينين (الصلبة والقزحية). تُستخدم وحدات البكسل في المناطق المثلثية اليسرى لإنشاء متجهات الميزات. [ 48 ] تُشير الأدلة إلى أن تحويل لون البكسل من فضاء ألوان RGB القياسي إلى فضاء ألوان آخر - مثل فضاء ألوان oRGB [ 49 ] أو قنوات LMS - يُحسّن الأداء عند التعامل مع الوجوه. [ 50 ] لذلك، تُسقط المتجهات على فضاء الألوان المُحسّن وتُحلل إلى قنوات الأحمر والأخضر والأصفر والأزرق. ثم تجد أساليب التعلم العميق المشاعر المُكافئة.

الجماليات البصرية

يشير علم الجمال، في عالم الفن والتصوير، إلى مبادئ الطبيعة وتقدير الجمال. ويُعدّ الحكم على الجمال وغيره من الصفات الجمالية مهمةً ذاتيةً للغاية. يتناول علماء الحاسوب في جامعة ولاية بنسلفانيا تحدي استنتاج الجودة الجمالية للصور تلقائيًا باستخدام محتواها المرئي كمسألة تعلّم آلي، مع استخدام موقع إلكتروني لمشاركة الصور عبر الإنترنت، يُقيّمه المستخدمون أنفسهم، كمصدر للبيانات. [ 51 ] يستخلصون سمات بصرية معينة بناءً على حدسهم بقدرتهم على التمييز بين الصور الجذابة وغير الجذابة من الناحية الجمالية.

التطبيقات المحتملة

تعليم

تؤثر العاطفة على حالة التعلم. وباستخدام تقنية الحوسبة العاطفية، تستطيع الحواسيب تقييم الحالة العاطفية وحالة التعلم لدى المتعلمين من خلال التعرف على تعابير وجوههم. في مجال التعليم، يمكن للمعلم استخدام نتائج هذا التحليل لفهم قدرة الطالب على التعلم والتقبل، ومن ثم وضع خطط تدريس مناسبة. في الوقت نفسه، يمكنه الاهتمام بمشاعر الطلاب الداخلية، مما يُسهم في تعزيز صحتهم النفسية. خاصةً في التعليم غير المتزامن، ونظرًا لانفصال الزمان والمكان، يغيب الحافز العاطفي للتواصل المتبادل بين المعلمين والطلاب. وبدون الأجواء التي يوفرها التعلم التقليدي في الفصول الدراسية، يشعر الطلاب بالملل بسهولة، مما قد يؤثر سلبًا على نتائج التعلم. يُمكن لتطبيق الحوسبة العاطفية في نظام التعليم عن بُعد تحسين هذا الوضع. [ 52 ] كما يُمكن للذكاء الاصطناعي العاطفي تزويد الطلاب بدعم تعليمي قائم على الذكاء الاصطناعي، مما يُفيد نتائجهم المعرفية والعاطفية. [ 12 ]

مواصلات

قد تُسهم تطبيقات الحوسبة الحسية في تحسين السلامة المرورية. فعلى سبيل المثال، يُمكن للسيارة مراقبة الحالة المزاجية لجميع ركابها واتخاذ تدابير أمان إضافية، مثل تنبيه المركبات الأخرى إذا ما رصدت غضب السائق. [ 53 ] إضافةً إلى ذلك، قد تُتيح أنظمة الحوسبة العاطفية تدخلات متنوعة، مثل أنظمة مساعدة السائق المُعدّلة وفقًا لمستوى توتره [ 54 ] ، فضلًا عن تدخلات بسيطة ومباشرة لتغيير حالته المزاجية. [ 55 ]

الرعاية الصحية

تستفيد الروبوتات الاجتماعية ، بالإضافة إلى عدد متزايد من الروبوتات المستخدمة في الرعاية الصحية، من الوعي العاطفي لأنها تستطيع تقييم الحالة العاطفية للمستخدمين والمرضى بشكل أفضل، وتعديل سلوكها/برمجتها وفقًا لذلك. وهذا أمر بالغ الأهمية في البلدان التي تشهد تزايدًا في أعداد كبار السن ونقصًا في الكوادر الشابة القادرة على تلبية احتياجاتهم. [ 56 ]

يُطبَّق الحوسبة العاطفية أيضًا في تطوير تقنيات التواصل التي يستخدمها الأشخاص المصابون بالتوحد. [ 57 ] كما يحظى المكون العاطفي للنص باهتمام متزايد، ولا سيما دوره في ما يُسمى بالإنترنت العاطفي أو الوجداني . [ 58 ]

ألعاب الفيديو

تستطيع ألعاب الفيديو العاطفية الوصول إلى الحالة العاطفية للاعبين عبر أجهزة الارتجاع البيولوجي . [ 59 ] ومن أبسط أشكال الارتجاع البيولوجي وحدة تحكم الألعاب التي تقيس قوة الضغط على الزر، وقد ثبت أن هذا يرتبط ارتباطًا وثيقًا بمستوى استثارة اللاعبين . [ 60 ] وعلى النقيض من ذلك، توجد واجهات الدماغ والحاسوب . [ 61 ] [ 62 ] وقد استُخدمت الألعاب العاطفية في البحوث الطبية لدعم النمو العاطفي للأطفال المصابين بالتوحد . [ 63 ]

التدريب النفسي الحركي

تُستخدم أساليب تدريب العمليات النفسية الحركية ، مثل التوجيه والمناورة، في مجالات متنوعة كقطاعات الطيران والنقل والطب. وقد ثبتت فعالية دمج قدرات الحوسبة العاطفية في هذه الأنظمة التدريبية، وفقًا لنهج الأتمتة التكيفية، في تحسين جودة التدريب وتقصير مدته. [ 64 ]

تطبيقات أخرى

للحوسبة العاطفية تطبيقات محتملة في التفاعل بين الإنسان والحاسوب ، مثل المرايا العاطفية التي تسمح للمستخدم برؤية أدائه، ووكلاء مراقبة المشاعر الذين يرسلون تحذيراً قبل إرسال بريد إلكتروني غاضب، أو حتى مشغلات الموسيقى التي يمكنها اختيار المقاطع الموسيقية بناءً على الحالة المزاجية. [ 65 ]

إحدى الأفكار التي طرحها الباحث الروماني الدكتور نيكو سيبي في مقابلة هي تحليل تعابير وجه الشخص أثناء استخدامه منتجًا معينًا (ذكر الآيس كريم كمثال). [ 66 ] وبذلك، ستتمكن الشركات من استخدام هذا التحليل لاستنتاج مدى نجاح منتجاتها في السوق المعنية.

يمكن أيضًا استخدام تقنية التعرف على الحالة العاطفية لتقييم تأثير إعلان تلفزيوني من خلال تسجيل فيديو مباشر للشخص ودراسة تعابير وجهه. وبحساب متوسط ​​النتائج التي تم الحصول عليها من مجموعة كبيرة من الأشخاص، يمكن تحديد ما إذا كان الإعلان (أو الفيلم) يحقق التأثير المطلوب، وما هي العناصر التي تجذب انتباه المشاهد أكثر من غيرها.

المناهج المعرفية مقابل المناهج التفاعلية

في مجال التفاعل بين الإنسان والحاسوب ، تعرض مفهوم روزاليند بيكارد المعرفي أو "نموذج المعلومات" للعاطفة للنقد والمقارنة مع النهج البراغماتي "ما بعد المعرفي" أو "التفاعلي" الذي تتبناه كيرستن بونر وآخرون، والذي ينظر إلى العاطفة على أنها اجتماعية بطبيعتها. [ 67 ]

يركز بحث بيكارد على التفاعل بين الإنسان والحاسوب، وهدفها من الحوسبة العاطفية هو "منح الحواسيب القدرة على التعرف على المشاعر والتعبير عنها، وفي بعض الحالات، امتلاكها". [ 4 ] في المقابل، يسعى النهج التفاعلي إلى مساعدة "الأفراد على فهم مشاعرهم وتجربتها" [ 68 ] وتحسين التواصل الشخصي عبر الحاسوب. ولا يسعى بالضرورة إلى تحويل المشاعر إلى نموذج رياضي موضوعي لتفسير الآلة، بل يتيح للبشر فهم التعبيرات العاطفية لبعضهم البعض بطرق مفتوحة قد تكون غامضة وذاتية وحساسة للسياق. [ 68 ] : 284

يصف منتقدو بيكارد مفهومها للعاطفة بأنه "موضوعي، داخلي، خاص، وآلي". ويقولون إنه يختزل العاطفة إلى إشارة نفسية منفصلة تحدث داخل الجسم، ويمكن قياسها، وتُعدّ مدخلاً للإدراك، مما يُقلل من شأن تعقيد التجربة العاطفية. [ 68 ] : 280 [ 68 ] : 278

يؤكد المنهج التفاعلي أنه على الرغم من أن للعاطفة جوانب بيوفيزيائية، إلا أنها "متجذرة ثقافيًا، وتُعاش ديناميكيًا، وتُبنى إلى حد ما من خلال الفعل والتفاعل". [ 68 ] : 276 وبعبارة أخرى، يعتبر هذا المنهج "العاطفة نتاجًا اجتماعيًا وثقافيًا نختبره من خلال تفاعلاتنا". [ 69 ] [ 68 ] [ 70 ]

المخاطر المحتملة

استجابة ChatGPT لطلب
بعض نماذج التعلم الآلي، مثل ChatGPT، يمكنها محاكاة السلوك البشري والعواطف.

العلاقات بين الإنسان والحاسوب

أدى استخدام أدوات الحوسبة العاطفية، مثل ChatGPT، إلى نشوء علاقات شبه اجتماعية لدى بعض الأفراد مع برامج الذكاء الاصطناعي. فقد تحدثت إحدى النساء، في مقابلة مع صحيفة نيويورك تايمز، مع "صديقها" من الذكاء الاصطناعي، ChatGPT، لمدة تصل إلى 56 ساعة أسبوعيًا. [ 71 ] [ 72 ] قد تزيد هذه التفاعلات مع أدوات الحوسبة العاطفية من مشاعر الاكتئاب أو الوحدة لدى من يعانون من اضطرابات نفسية، مما ينتج عنه ظاهرة تُعرف باسم " ذهان برامج الدردشة الآلية ". [ 73 ] وقد رفع ماثيو راين وميغان غارسيا، اللذان فقدا ابنيهما في حوادث متعلقة بالذكاء الاصطناعي، دعوى قضائية ضد شركة OpenAI لتشجيعها هذا النوع من العلاقات مع ChatGPT. [ 74 ]

أخلاق مهنية

على الرغم من تعدد استخدامات أنظمة الحوسبة العاطفية، إلا أن بعضها يثير مخاوف أخلاقية في الأوساط العلمية. فقد يؤدي استخدامها إلى تحليل تعابير وجوه الأشخاص في الأماكن العامة دون موافقتهم الصريحة. كما يُحتمل استخدامها للتلاعب بمشاعر الجمهور. إضافةً إلى ذلك، قد تنطوي الأنظمة التي تُساعد الآخرين على مخاطر طفيفة (مثل إثارة مشاعر لا صلة لها بالواقع). [ 75 ] ويُبدي الباحثون قلقهم أيضًا بشأن الآثار النفسية المحتملة للحوسبة العاطفية عند استخدامها في سياق جنسي (مثل الدمى الجنسية الروبوتية)، مع أنه لا يوجد دليل حتى الآن يُثبت هذه الادعاءات. [ 76 ] ويزداد ثقة مستخدمي أنظمة الحوسبة العاطفية بها عند وجود اتفاق أخلاقي بين النظام والمستخدم. [ 77 ]

أصبحت قضايا جمع ومعالجة البيانات العاطفية من أبرز القضايا الأخلاقية في الحوسبة العاطفية. تعتمد الحوسبة العاطفية على البيانات المُجمّعة من تعابير الوجه، والصوت، والقياسات الفسيولوجية، وسلوك المستخدم، وذلك للكشف عن المشاعر والاستجابة لها بشكل مناسب. ونظرًا للكم الهائل من المعلومات التي توفرها البيانات العاطفية حول حالة الفرد وتفضيلاته وخبراته، يقترح الخبراء اعتبار هذه المعلومات بالغة الحساسية وحمايتها بتدابير أمنية مناسبة وسياسات مفتوحة لمعالجة البيانات. [ 78 ] [ 79 ] [ 80 ] إضافةً إلى ذلك، توجد قضايا أخلاقية محتملة مرتبطة بجمع البيانات العاطفية دون موافقة المستخدمين، واستخدامها بشكل غير لائق لأغراض غير الغرض المقصود. [ 79 ] [ 80 ]

لوحظ أن أنظمة التعرف على المشاعر قد تكون متحيزة بسبب اختلاف تمثيل المشاعر في مختلف الثقافات واللغات والفئات العمرية والسياقات الاجتماعية. [ 79 ] [ 80 ] ويمكن لأنظمة التعرف على المشاعر، التي تعتمد على مجموعات بيانات غير تمثيلية، أن تُصنّف المشاعر بشكل خاطئ، مما يؤدي إلى تطبيق غير عادل لهذه الأنظمة في مجالات التعليم والطب والتوظيف وخدمة العملاء. [ 79 ] وقد حفّز ذلك البحث في تطوير أنظمة الحوسبة العاطفية التي تتسم بالشفافية وقادرة على تقديم تفسير لكيفية تصنيف المشاعر واستخدامها.

علاوة على ذلك، توجد مخاوف أخلاقية أخرى تتعلق باستخدام البشر للتقنيات المستجيبة عاطفياً. فقد أصبحت برامج المحادثة والروبوتات الاجتماعية أكثر تطوراً في مجال إنشاء تفاعلات تعاطفية وذكية عاطفياً. [ 78 ] [ 79 ] ومع ذلك، فرغم قدرة هذه الخصائص، كالتعاطف والتفاعل الذكي عاطفياً، على تحسين تجربة المستخدم، إلا أن بعض الخبراء يرون أنها قد تؤدي إلى ظهور شعور زائف بالثقة والاعتماد العاطفي على التكنولوجيا. [ 79 ] [ 80 ] ويمكن لهذه العلاقات أن تُطمس الخط الفاصل بين التعاطف البشري والحوسبة، وتؤثر على سلوك المستخدم وقراراته. [ 80 ] لذا، من المهم لخبراء التفاعل بين الإنسان والحاسوب تطوير تقنيات عاطفية أخلاقية وعادلة. [ 79 ] [ 81 ]

انظر أيضاً

مراجع

الاقتباسات

  1. ↑ تاو، جيان هوا؛ تينيو تان (2005). "الحوسبة العاطفية: مراجعة". الحوسبة العاطفية والتفاعل الذكي . المجلد LNCS 3784. سبرينغر. الصفحات 981-995 . doi : 10.1007/11573548 .  
  2. ↑ جيمس، ويليام (1884). "ما هي العاطفة؟" . مجلة العقل . 9 (34): 188-205 . doi : 10.1093/mind/os-IX.34.188 . مؤرشف من الأصل في 21 يناير 2022. تم الاطلاع عليه في 31 أغسطس 2020 .استشهد به تاو وتان.
  3. ↑ "الحوسبة العاطفية" مؤرشف في 11 فبراير 2025 في Wayback Machine، تقرير معهد ماساتشوستس للتكنولوجيا التقني رقم 321 ( ملخص مؤرشف في 24 يوليو 2019 في Wayback Machine )، 1995
  4. 1 2 بيكارد، روزاليند (1997). الحوسبة العاطفية . كامبريدج، ماساتشوستس: مطبعة معهد ماساتشوستس للتكنولوجيا. ص 1. 
  5. ↑ كلاين-كوساك، كريستيان (أكتوبر 2006). "التعرف على المشاعر ومحاكاتها" (ملف PDF) . مؤرشف من الأصل (ملف PDF) في 28 مايو 2008. تم الاطلاع عليه في 13 مايو 2008. أدخل بيكارد (كذا) مفهوم العاطفة إلى علوم الحاسوب ، وهو من أسس مجال الحوسبة العاطفية.
  6. ↑ دايموند، ديفيد (ديسمبر 2003). "آلة الحب: بناء حواسيب تهتم" . مجلة وايرد . مؤرشف من الأصل في 18 مايو 2008. تم الاطلاع عليه في 13 مايو 2008. روزاليند بيكارد، أستاذة معهد ماساتشوستس للتكنولوجيا اللطيفة، هي رائدة هذا المجال؛ فقد أثار كتابها الصادر عام 1997 بعنوان " الحوسبة العاطفية " اهتمامًا واسعًا بالجانب العاطفي للحواسيب ومستخدميها.
  7. ↑ هامبتون، دبليو إتش، وهيلدبراند، سي. (2025). "المكافآت اللمسية: كيف تُشكّل اهتزازات الهاتف المحمول استجابة المكافأة واختيار المستهلك". *مجلة أبحاث المستهلك*. https://doi.org/10.1093/jcr/ucaf025
  8. ↑ غاراي، نيستور؛ إيدويا سياريتا؛ خوان ميغيل لوبيز؛ إنماكولادا فاجاردو (أبريل 2006). "التكنولوجيا المساعدة والوساطة العاطفية" (ملف PDF) . التكنولوجيا البشرية . 2 (1): 55-83 . doi : 10.17011/ht/urn.2006159 . مؤرشف (ملف PDF) من الأصل في 28 مايو 2008. تم الاطلاع عليه في 12 مايو 2008 .
  9. ↑ هايز، ديفيد (2004). "تأصيل سلوكيات الأدوار التعبيرية لدى الوكلاء". في: سابين باير؛ ترابل، روبرت (محرران). ثقافة الوكيل: التفاعل بين الإنسان والوكيل في عالم متعدد الثقافات . دار لورانس إيرلبوم للنشر. الصفحات 127-142 . 
  10. ↑ ريستاك، ريتشارد (17 ديسمبر 2006). "العقل فوق المادة" . صحيفة واشنطن بوست . مؤرشف من الأصل في 17 نوفمبر 2019. تم الاطلاع عليه في 13 مايو 2008 .
  11. ↑ لوفيز، كيت؛ ساجار، مارك؛ برودبنت، إليزابيث (22 يوليو 2020). "تأثير التعبير العاطفي متعدد الوسائط على الاستجابات لشخصية رقمية أثناء محادثة إفصاح ذاتي: تحليل حاسوبي للغة المستخدم". مجلة الأنظمة الطبية . 44 (9): 143. doi : 10.1007/s10916-020-01624-4 . ISSN 0148-5598 . PMID 32700060. S2CID 220717084 .   
  12. 1 2 3 تشانغ، هينغ؛ ليو، يوهان؛ جيانغ، ميلين؛ تشين، جوانجوان؛ وانغ، مينهونغ؛ باس، فريد (15 نوفمبر 2025). "الذكاء الاصطناعي العاطفي في التعليم: مراجعة منهجية وتحليل تلوي" . مجلة علم النفس التربوي . 37 (4): 106. doi : 10.1007/s10648-025-10086-4 . ISSN 1573-336X . 
  13. ↑ (8 مارس 2019). "شرح الذكاء الاصطناعي العاطفي | معهد ماساتشوستس للتكنولوجيا سلون" . mitsloan.mit.edu . تم الاطلاع عليه في 3 مايو 2026 .
  14. ↑ هو، مانه-تونغ (29 مارس 2023). " إطار تحليلي لدراسة الموقف تجاه الذكاء الاصطناعي العاطفي: النهج الثلاثي" . MethodsX . 10 (102149) 102149. doi : 10.1016/j.mex.2023.102149 . PMC 10113835. PMID 37091958 .  
  15. ↑ فتاحي، سمية؛ فاسيليفا، جوليتا؛ روي، تشانشال ك. (2024). "مقارنة المشاعر في إجابات ChatGPT وإجابات البشر على أسئلة البرمجة على Stack Overflow" . مجلة Frontiers in Artificial Intelligence . 7 1393903. doi : 10.3389/frai.2024.1393903 . ISSN 2624-8212 . PMC 11439875. PMID 39351510 .   
  16. ↑ أليكس، وشيتشوان دو، مارتينيز (2012). "نموذج لإدراك تعابير الوجه العاطفية لدى البشر: نظرة عامة على البحث وآفاقه" (ملف PDF) . مجلة أبحاث تعلم الآلة . 13 (1): 1589-1608 . مؤرشف (ملف PDF) من الأصل في 10 أبريل 2021. تم الاطلاع عليه في 13 فبراير 2021 .
  17. ^ بريزيل ، سينثيا. أرياناندا، ليجين (2002). “التعرف على نية التواصل العاطفي في الكلام الموجه بواسطة الروبوت” (PDF) . الروبوتات المستقلة . 12 (1). سبرينغر: 83-104 . دوى : 10.1023 / أ:1013215010749 . ISSN 0929-5593 . S2CID 459892 . أرشفة (PDF) من النسخة الأصلية في 27 فبراير 2021 . تم الاسترجاع في 9 أكتوبر 2019 .  
  18. 1 2 3 ديلايرت، ف.، بوليزين، ت.، وويبيل، أ.، "التعرف على العاطفة في الكلام"، في وقائع المؤتمر الدولي لعلوم الكلام واللغة 1996، فيلادلفيا، بنسلفانيا، ص 1970-1973، 1996
  19. ↑ روي، د.؛ بنتلاند، أ. (1 أكتوبر 1996). "التصنيف والتحليل التلقائي للانفعالات المنطوقة". وقائع المؤتمر الدولي الثاني حول التعرف التلقائي على الوجه والإيماءات . ص 363-367 . doi : 10.1109/AFGR.1996.557292 . ISBN  978-0-8186-7713-7. S2CID 23157273 . 
  20. ↑ لي، سي إم؛ نارايانان، إس؛ بييراسيني، آر، التعرف على المشاعر السلبية في إشارات الكلام البشري، ورشة عمل حول التعرف التلقائي على الكلام وفهمه، ديسمبر 2001
  21. ↑ نيبرغ، د؛ إيلينيوس، ك؛ لاسكوفسكي، ك (2006). "التعرف على المشاعر في الكلام التلقائي باستخدام نماذج غاوس المختلطة" (ملف PDF) . وقائع مؤتمر Interspeech . doi : 10.21437/Interspeech.2006-277 . S2CID 5790745. مؤرشف من النسخة الأصلية (PDF) بتاريخ 16 يوليو 2020. تم الاطلاع عليه بتاريخ 29 أبريل 2017 . 
  22. ↑ يعقوب، شريف؛ سيمسكي، ستيف؛ لين، شياوفان؛ بيرنز، جون (2003). "التعرف على المشاعر في أنظمة الاستجابة الصوتية التفاعلية". وقائع مؤتمر يوروسبيتش : 729-732 . CiteSeerX 10.1.1.420.8158 . doi : 10.21437/Eurospeech.2003-307 . S2CID 11671944 .  
  23. 1 2 هودليكا 2003 ، ص 24 
  24. ↑ هودليكا 2003 ، ص 25 
  25. ↑ تشارلز أوسجود؛ ويليام ماي؛ موراي ميرون (1975). الثوابت الثقافية المشتركة للمعنى العاطفي . مطبعة جامعة إلينوي. ISBN 978-94-007-5069-2.
  26. 1 2 شيرر، بانزيجر ورويش 2010 ، ص. 241 
  27. ↑ "نموذج خليط غاوسي" مؤرشف في 22 أبريل 2007 على موقع Wayback Machine . Connexions – مشاركة المعرفة وبناء المجتمعات. تم الاطلاع عليه في 10 مارس 2011.
  28. ↑ إس إي خوروزنيكوف وآخرون (2014). "التعرف على المشاعر والتنبؤ بها في الكلام الموسع" . المجلة العلمية والتقنية لتكنولوجيا المعلومات والميكانيكا والبصريات . 14 (6): 137. مؤرشف من الأصل في 9 ديسمبر 2019. تم الاطلاع عليه في 26 يونيو 2015 . 
  29. 1 2 إيكمان، ب. وفريزن، و. ف. (1969). ذخيرة السلوك غير اللفظي: التصنيفات، والأصول، والاستخدام، والترميز. مؤرشف في 19 يناير 2022 في آلة Wayback . سيميوطيقا، 1، 49-98.
  30. 1 2 ستيدل، ستيفان (5 مارس 2011). "مجموعة بيانات المشاعر FAU Aibo" . مختبر التعرف على الأنماط. مؤرشف من الأصل في 10 أكتوبر 2019. تم الاسترجاع في 4 سبتمبر 2011 .
  31. 1 2 شيرر، بانزيجر ورويش 2010 ، ص. 243 
  32. ↑ سينغ، بريمجيت؛ ساها، غوتام؛ شهيد الله، محمد (2021). "تشويه التردد غير الخطي باستخدام تحويل Q الثابت للتعرف على المشاعر في الكلام". المؤتمر الدولي للاتصالات الحاسوبية والمعلوماتية 2021 (ICCCI) . الصفحات 1-4 . arXiv : 2102.04029 . doi : 10.1109/ICCCI50826.2021.9402569 . ISBN  978-1-7281-5875-4. S2CID 231846518 . 
  33. ↑ كاريداكيس، ج.؛ مالاتيستا، ل.؛ كيسوس، ل.؛ أمير، ن.؛ راوزايو، أ.؛ كاربوزيس، ك. (2-4 نوفمبر 2006). نمذجة الحالات العاطفية الطبيعية من خلال التعرف على تعابير الوجه والصوت . المؤتمر الدولي للواجهات متعددة الوسائط (ICMI'06). بانف، ألبرتا، كندا. مؤرشف من الأصل في 3 ديسمبر 2020. تم الاسترجاع في 12 يناير 2010 .
  34. ↑ بالومينوس، ت.؛ راوزايو، أ.؛ إيوانو، س.؛ دروسوبولوس، أ.؛ كاربوزيس، ك.؛ كولياس، س. (2004). "تحليل المشاعر في أنظمة التفاعل بين الإنسان والآلة" . في: بينجيو، سامي؛ بورلار، هيرفي (محرران). التعلم الآلي للتفاعل متعدد الوسائط . سلسلة محاضرات في علوم الحاسوب . المجلد 3361. سبرينغر-فيرلاغ . الصفحات 318-328 . مؤرشف من الأصل في 3 مارس 2016. تم الاطلاع عليه في 12 يناير 2010 .  
  35. ↑ إيكمان، بول (1972). كول، ج. (محرر). الثوابت والاختلافات الثقافية في تعابير الوجه العاطفية . ندوة نبراسكا حول الدافعية. لينكولن، نبراسكا: مطبعة جامعة نبراسكا. ص 207-283 . 
  36. ↑ إيكمان، بول (1999). "العواطف الأساسية". في دالغليش، ت؛ باور، م (محرران). دليل الإدراك والعاطفة (ملف PDF) . ساسكس، المملكة المتحدة: جون وايلي وأولاده. مؤرشف من الأصل (ملف PDF) في 28 ديسمبر 2010..
  37. ↑ "نظام ترميز تعابير الوجه (FACS) ودليل FACS" مؤرشف في 19 أكتوبر 2013 على موقع Wayback Machine . وجه بشري. تم الاطلاع عليه في 21 مارس 2011.
  38. ↑ "أساليب المجال المكاني" . مؤرشف من الأصل في 5 فبراير 2020. تم الاطلاع عليه في 4 سبتمبر 2011 .
  39. ↑ خوارزميات ذكية. "خوارزمية تحسين البحث عن الغذاء البكتيري - خوارزميات السرب - خوارزميات ذكية". مؤرشف في 12 يونيو 2019 على موقع Wayback Machine . خوارزميات ذكية. تم الاطلاع عليه في 21 مارس 2011.
  40. ↑ "الحوسبة المرنة" مؤرشفة في 6 مارس 2021 على موقع Wayback Machine . الحوسبة المرنة. تم الاطلاع عليها في 18 مارس 2011.
  41. ↑ ويليامز، مارك. "برامج أفضل للتعرف على الوجوه - مراجعة تكنولوجية". مؤرشف في 8 يونيو 2011 على موقع Wayback Machine . مراجعة تكنولوجية: المرجع الموثوق في مستقبل التكنولوجيا. تم الاطلاع عليه في 21 مارس 2011.
  42. ↑ جيه كيه أغاروال، كيو كاي، تحليل حركة الإنسان: مراجعة، رؤية الحاسوب وفهم الصور، المجلد 73، العدد 3، 1999
  43. 1 2 بافلوفيتش، فلاديمير إي.؛ شارما، راجيف؛ هوانغ، توماس إس. (1997). "التفسير البصري لإيماءات اليد للتفاعل بين الإنسان والحاسوب: مراجعة" ( ملف PDF) . معاملات IEEE في تحليل الأنماط والذكاء الآلي . 19 (7): 677-695 . رمز Bibcode : 1997ITPAM..19..677P . doi : 10.1109/34.598226 . S2CID 7185733. مؤرشف (ملف PDF) من الأصل في 27 نوفمبر 2020. تم الاسترجاع في 4 سبتمبر 2011 . 
  44. ↑ زوكو، كيارا؛ كالابريزي، باربرا؛ كاناتارو، ماريو (نوفمبر 2017). "تحليل المشاعر والحوسبة العاطفية لرصد الاكتئاب". المؤتمر الدولي لهندسة المعلوماتية الحيوية والطب الحيوي (BIBM) لعام 2017. الصفحات 1988-1995 . doi : 10.1109/BIBM.2017.8217966 . ISBN  978-1-5090-3050-7.
  45. 1 2 بيكارد، روزاليند (1998). الحوسبة العاطفية. معهد ماساتشوستس للتكنولوجيا.
  46. ↑ Larsen JT, Norris CJ, Cacioppo JT, " تأثيرات المشاعر الإيجابية والسلبية على النشاط الكهروميوغرافي فوق العضلة الوجنية الكبيرة والعضلة المقطبة للحاجب "، (سبتمبر 2003)
  47. ↑ بولاغانغ، آرون فريدريك؛ وينغ، نغ جياب؛ ماونتستيفنز، جيمس؛ تيو، جيسون (1 يناير 2020). "مراجعة للمناهج الحديثة لتصنيف المشاعر باستخدام إشارات تخطيط كهربية القلب وتخطيط كهربية الجلد" . المعلوماتية في الطب غير المقيد . 20 100363. doi : 10.1016/j.imu.2020.100363 . ISSN 2352-9148 . 
  48. بينيتيز -كيروز، كارلوس ف.؛ سرينيفاسان، رامبراكاش؛ مارتينيز، أليكس م. (19 مارس 2018). "لون الوجه آلية فعالة لنقل المشاعر بصريًا" . وقائع الأكاديمية الوطنية للعلوم . 115 (14): 3581-3586 . Bibcode : 2018PNAS..115.3581B . doi : 10.1073 / pnas.1716084115 . PMC 5889636. PMID 29555780 .  
  49. ↑ براتكوفا، مارغريتا؛ بولس، سولومون؛ شيرلي، بيتر (2009). "oRGB: فضاء لوني عملي متقابل لرسومات الحاسوب". مجلة IEEE لرسومات الحاسوب وتطبيقاتها . 29 (1): 42-55 . Bibcode : 2009ICGA...29a..42B . doi : 10.1109/mcg.2009.13 . PMID 19363957. S2CID 16690341 .  
  50. ↑ هاداس شاهار، هاجيت هيل أور ، تصنيف التعبيرات الدقيقة باستخدام لون الوجه وطرق التعلم العميق ، المؤتمر الدولي IEEE حول رؤية الكمبيوتر (ICCV)، 2019، ص. 0–0.
  51. ↑ ريتيندرا داتا، ديراج جوشي، جيا لي وجيمس زد. وانغ، دراسة الجماليات في الصور الفوتوغرافية باستخدام نهج حسابي ، محاضرات في علوم الحاسوب، المجلد 3953، وقائع المؤتمر الأوروبي حول رؤية الحاسوب، الجزء الثالث، الصفحات 288-301، غراتس، النمسا، مايو 2006.
  52. ↑ وو، تشيه-هونغ؛ هوانغ، يويه-مين؛ هوانغ، جان-بان (نوفمبر 2016). "مراجعة الحوسبة العاطفية في التعليم/التعلم: الاتجاهات والتحديات" . المجلة البريطانية لتكنولوجيا التعليم . 47 (6): 1304-1323 . doi : 10.1111/bjet.12324 . مؤرشف من الأصل في 10 نوفمبر 2019. تم الاسترجاع في 10 نوفمبر 2019 .
  53. ↑ "تقنية التعرف على الوجوه داخل السيارة تكشف السائقين الغاضبين لمنع الغضب على الطريق" . جيزمودو . 30 أغسطس 2018. مؤرشف من الأصل في 31 أغسطس 2018. تم الاطلاع عليه في 31 أغسطس 2018 .
  54. ↑ كوليت، كريستيان؛ ميوزيكانت، أورين (24 أبريل 2019). "ربط أنظمة أتمتة المركبات بأنظمة تقييم الحالة الوظيفية للسائقين: تحدٍّ لسلامة الطرق في المستقبل" . مجلة فرونتيرز في علم الأعصاب البشري . 13 131. doi : 10.3389/fnhum.2019.00131 . ISSN 1662-5161 . PMC 6503868. PMID 31114489 .   
  55. ↑ بالترز، ستيفاني؛ بيرنشتاين، مادلين؛ باريديس، بابلو إي. (2 مايو 2019). "تحليل الإجهاد على الطريق للتدخلات داخل السيارة أثناء التنقل" . ملخصات موسعة لمؤتمر CHI لعام 2019 حول العوامل البشرية في أنظمة الحوسبة . ACM. ص 1-6 . doi : 10.1145/3290607.3312824 . ISBN  978-1-4503-5971-9S2CID 144207824. مؤرشف من الأصل بتاريخ 25 ديسمبر 2023. تم الاطلاع عليه بتاريخ 25 ديسمبر 2023 . 
  56. ↑ يونك، ريتشارد (2017). قلب الآلة: مستقبلنا في عالم الذكاء العاطفي الاصطناعي . نيويورك: دار أركيد للنشر. الصفحات 150-153 . ISBN  978-1-62872-733-3. OCLC 956349457 . 
  57. ↑ "مشاريع في الحوسبة العاطفية" . مختبر الإعلام بمعهد ماساتشوستس للتكنولوجيا . مؤرشف من الأصل في 10 يونيو 2011. تم الاطلاع عليه في 15 أغسطس 2006 .
  58. ↑ شاناهان، جيمس؛ كو، يان؛ ويبي، جانيس (2006). حوسبة الموقف والعاطفة في النص: النظرية والتطبيقات . دوردريخت: سبرينغر ساينس آند بيزنس ميديا. ص 94. ISBN  1-4020-4026-1.
  59. ↑ جيلياد، كيل مارك؛ ديكس، آلان؛ ألانسن، جين (2005). ألعاب الفيديو العاطفية وأنماط اللعب العاطفي: ساعدني، تحدَّني، عبِّر عن مشاعري (ملف PDF) . وقائع مؤتمر DiGRA . مؤرشف من الأصل (ملف PDF) في 6 أبريل 2015. تم الاطلاع عليه في 10 ديسمبر 2016 .
  60. ↑ سايكس، جوناثان؛ براون، سيمون (2003). الألعاب العاطفية: قياس المشاعر من خلال وحدة التحكم . ملخصات موسعة لمؤتمر CHI '03 حول العوامل البشرية في أنظمة الحوسبة. CiteSeerX 10.1.1.92.2123 . doi : 10.1145/765891.765957 . ISBN  1-58113-637-4.
  61. ↑ نيهولت، أنطون؛ بلاس-أود بوس، داني؛ رويدرينك، بوريس (2009). "تحويل أوجه القصور إلى تحديات: واجهات الدماغ والحاسوب للألعاب" (ملف PDF) . الحوسبة الترفيهية . 1 (2): 85-94 . Bibcode : 2009itie.conf..153N . doi : 10.1016/j.entcom.2009.09.007 . مؤرشف (ملف PDF) من الأصل في 9 يوليو 2009. تم الاطلاع عليه في 24 سبتمبر 2019 .
  62. ↑ رويدرينك، بوريس؛ نيهولت، أنطون؛ بويل، مانس (2009). لعبة باك مان العاطفية: لعبة محبطة لتجارب واجهة الدماغ والحاسوب . التقنيات الذكية للترفيه التفاعلي (INTETAIN). الصفحات 221-227 . doi : 10.1007/978-3-642-02315-6_23 . ISBN  978-3-642-02314-9.
  63. ↑ خاندكر، م (2009). "تصميم ألعاب فيديو عاطفية لدعم التطور الاجتماعي والعاطفي للمراهقين المصابين باضطرابات طيف التوحد". دراسات في تكنولوجيا المعلومات الصحية . 144 : 37-39 . PMID 19592726 . 
  64. ↑ سحر، يوتام؛ فاغنر، مايكل؛ باريل، أرييل؛ شوفال، شراغا (1 نوفمبر 2022). "التدريب التكيفي مع الإجهاد: تدريب نفسي حركي تكيفي وفقًا للإجهاد المقاس بقوة القبضة" . مجلة الحساسات . 22 (21): 8368. رمز Bibcode : 2022Senso..22.8368S . doi : 10.3390/s22218368 . ISSN 1424-8220 . PMC 9654132. PMID 36366066 .   
  65. ↑ جانسن، جوريس هـ.؛ فان دن بروك، إيغون ل. (يوليو 2012). "استمع إلى مشاعرك: مشغل موسيقى عاطفي شخصي قوي" . نمذجة المستخدم والتفاعل المُكيَّف مع المستخدم . 22 (3): 255-279 . doi : 10.1007/s11257-011-9107-7 . hdl : 2066/103051 .
  66. ↑ "الموناليزا: هل تبتسم؟ علماء الحاسوب يطورون برنامجًا لتقييم تعابير الوجه" . ساينس ديلي . 1 أغسطس 2006. مؤرشف من الأصل في 19 أكتوبر 2007.
  67. ↑ باتاربي، كاتيا؛ كوسكينين، إلبو (2005). "التجربة المشتركة: تجربة المستخدم كتفاعل" (ملف PDF) . التصميم المشترك . 1 (1): 5-18 . CiteSeerX 10.1.1.294.9178 . doi : 10.1080/15710880412331289917 . S2CID 15296236. مؤرشف من الأصل (ملف PDF) في 14 ديسمبر 2017. تم الاطلاع عليه في 2 فبراير 2016 .  
  68. 1 2 3 4 5 6 بونر، كيرستن؛ ديبولا، روجيريو؛ دوريش، بول ؛ سينجرز، فيبي (2007). "كيف تُصنع المشاعر وتُقاس". المجلة الدولية لدراسات التفاعل بين الإنسان والحاسوب . 65 (4): 275-291 . doi : 10.1016/j.ijhcs.2006.11.016 . S2CID 15551492 . 
  69. ↑ بونر، كيرستن؛ ديبولا، روجيريو؛ دوريش، بول ؛ سينجرز، فيبي (2005). "العاطفة: من المعلومات إلى التفاعل". CC '05: وقائع المؤتمر الرابع الذي يُعقد كل عشر سنوات حول الحوسبة النقدية: بين الحس والحساسية . الصفحات 59-68 . doi : 10.1145/1094562.1094570 . ISBN  978-1-59593-203-7.
  70. ^ هوك ، كريستينا. ستال ، آنا. سوندستروم، البتراء؛ لاكسولاهتي، جارمو (2008). “التمكين التفاعلي”. CHI '08: وقائع مؤتمر SIGCHI حول العوامل البشرية في أنظمة الحوسبة . ص 647 – 656. دوى : 10.1145 / 1357054.1357157 . رقم ISBN  978-1-60558-011-1.
  71. ↑ هيل، كشمير (15 يناير 2025). "إنها مغرمة بـ ChatGPT" . صحيفة نيويورك تايمز . ISSN 0362-4331 . مؤرشف من الأصل في 10 فبراير 2026. تم الاطلاع عليه في 8 فبراير 2026 . 
  72. ↑ هيل، كشمير (22 ديسمبر 2025). "وقعت في حب ChatGPT. ثم تجاهلته تمامًا" . صحيفة نيويورك تايمز . ISSN 0362-4331 . تاريخ الاسترجاع: 8 فبراير 2026 . 
  73. ↑ غافين، كارا (14 نوفمبر 2025). "الذكاء الاصطناعي والذهان: ما يجب معرفته، وما يجب فعله" . مجلة ميشيغان الطبية . مؤرشف من الأصل في 21 فبراير 2026. تم الاطلاع عليه في 8 فبراير 2026 .
  74. ↑ تشاتيرجي، ريتو (19 سبتمبر 2025). "انتحر أبناؤهم المراهقون. والآن، يحذرون من روبوتات الدردشة التي تعمل بالذكاء الاصطناعي" . NPR . مؤرشف من الأصل في 10 فبراير 2026. تم الاطلاع عليه في 8 فبراير 2026 .
  75. ↑ ديفيليرز، لورانس؛ كاوي، رودي (أكتوبر 2023). "الاعتبارات الأخلاقية في الحوسبة العاطفية: نظرة عامة". وقائع معهد مهندسي الكهرباء والإلكترونيات . 111 (10): 1445-1458 . doi : 10.1109/JPROC.2023.3315217 . ISSN 1558-2256 . 
  76. ↑ سولينز، جون (ديسمبر 2012). "الروبوتات، الحب، والجنس: أخلاقيات بناء آلة حب" (ملف PDF) . معاملات IEEE في الحوسبة العاطفية . 3 (4): 398-409 . Bibcode : 2012ITAfC...3..398S . doi : 10.1109/T-AFFC.2012.31 .
  77. ↑ رينولدز، كارسون؛ بيكارد، روزاليند (24 أبريل 2004). "المستشعرات العاطفية، والخصوصية، والعقود الأخلاقية" . ملخصات موسعة لمؤتمر CHI '04 حول العوامل البشرية في أنظمة الحوسبة . CHI EA '04. نيويورك، نيويورك، الولايات المتحدة الأمريكية: رابطة آلات الحوسبة. الصفحات 1103-1106 . doi : 10.1145/985921.985999 . ISBN  978-1-58113-703-3.
  78. 1 2 "الحوسبة العاطفية" . مطبعة معهد ماساتشوستس للتكنولوجيا . مؤرشف من الأصل في 24 ديسمبر 2025. تم الاسترجاع في 31 يوليو 2026 .
  79. 1 2 3 4 5 6 7 كالف، رافائيل أ.؛ ديميلو، سيدني ك.؛ غراتش، جوناثان؛ كاباس، أرفيد (2015). دليل أكسفورد للحوسبة العاطفية . مطبعة جامعة أكسفورد. doi : 10.1093/oxfordhb/9780199942237.001.0001 . ISBN 978-0-19-994223-7.
  80. 1 2 3 4 5 كوي، رودي؛ كالف، رافائيل أ.؛ ديميلو، سيدني ك.؛ غراتش، جوناثان؛ كاباس، أرفيد (2015). دليل أكسفورد للحوسبة العاطفية . مطبعة جامعة أكسفورد. ص 334-348 . doi : 10.1093/oxfordhb/9780199942237.013.006 . ISBN  978-0-19-994223-7.
  81. ↑ شين، دونغهي (1 فبراير 2021). "تأثيرات قابلية التفسير والسببية على الإدراك والثقة والقبول: دلالات على الذكاء الاصطناعي القابل للتفسير" . المجلة الدولية لدراسات التفاعل بين الإنسان والحاسوب . 146 102551. doi : 10.1016/j.ijhcs.2020.102551 . ISSN 1071-5819 . 

المراجع