IA aprofunda compreensão emocional com 40 sentimentos distintos
A inteligência artificial está dando um passo significativo em direção a uma compreensão mais sutil das emoções humanas. Uma colaboração entre a LAION, conhecida por seus projetos de código aberto, e a Intel resultou na criação de um conjunto de ferramentas inovadoras chamado Empathic Insight. O objetivo principal é capacitar sistemas de IA a identificar e mensurar a intensidade de 40 categorias emocionais diferentes, indo muito além das emoções básicas tradicionalmente reconhecidas.
O Modelo EmoNet: Uma Visão Abrangente das Emoções
O coração dessa nova tecnologia é o modelo EmoNet, que se baseia em uma taxonomia emocional expandida. Inspirada no renomado “Handbook of Emotions”, essa lista vai além de alegria, tristeza ou raiva, incorporando estados cognitivos como concentração e confusão, sensações físicas como dor e fadiga, e emoções sociais complexas como vergonha e orgulho. Os criadores enfatizam que a percepção emocional não é uma leitura direta, mas sim uma construção cerebral a partir de diversos sinais. Por isso, os modelos operam com estimativas probabilísticas, reconhecendo a complexidade e a subjetividade das emoções.
Treinamento Inovador com Dados Sintéticos
Para treinar esses modelos avançados, foram utilizados mais de 203 mil imagens faciais e 4.692 amostras de áudio. Uma abordagem notável foi o uso exclusivo de dados sintéticos, tanto para imagens quanto para áudio. Essa escolha visa garantir a privacidade dos indivíduos e promover uma maior diversidade demográfica nos dados de treinamento. As imagens faciais foram geradas por modelos de texto-para-imagem, como Midjourney e Flux, variando programaticamente idade, gênero e etnia. Para o áudio, foram utilizadas mais de 5.000 horas de gravações sintéticas em inglês, alemão, espanhol e francês, geradas pelo modelo de áudio GPT-4o da OpenAI. Essas gravações foram cuidadosamente avaliadas por especialistas em psicologia, e apenas as avaliações consensuais de três avaliadores independentes foram incorporadas ao conjunto de dados, assegurando a qualidade e a confiabilidade.
Empathic Insight Supera Soluções Existentes
Os resultados apresentados pela LAION indicam que os modelos Empathic Insight demonstram um desempenho superior em diversos benchmarks quando comparados a soluções consolidadas no mercado. No teste EmoNet Face HQ, por exemplo, o modelo facial da Empathic Insight apresentou uma maior correlação com as avaliações de especialistas humanos em comparação com modelos como o Gemini 2.5 Pro e APIs de código fechado, como a Hume AI. Essa métrica é crucial, pois avalia a proximidade das interpretações da IA com as de profissionais da psicologia. Nos testes de reconhecimento de emoções em voz, o modelo Empathic Insight Voice também se destacou, superando outros modelos de áudio existentes no benchmark EmoNet Voice e identificando corretamente todas as 40 categorias emocionais propostas. Essa otimização foi alcançada através da experimentação com diferentes tamanhos de modelo e métodos de processamento de áudio.
Transcrição Aprimorada com BUD-E Whisper
Além do reconhecimento emocional, a LAION desenvolveu o BUD-E Whisper, uma versão aprimorada do conhecido modelo Whisper da OpenAI. Enquanto o Whisper se dedica à transcrição de áudio para texto, o BUD-E Whisper vai além, adicionando descrições estruturadas do tom emocional, identificando vocalizações específicas como risos e suspiros, e estimando características do orador, como idade e gênero. Essa ferramenta promete enriquecer a análise de conteúdo de áudio, fornecendo um contexto emocional mais completo.
Acessibilidade e Colaboração em Código Aberto
Em linha com seu compromisso com a comunidade de código aberto, a LAION disponibiliza todos os modelos do EmoNet sob licença Creative Commons e o código sob licença Apache 2.0. Os conjuntos de dados e modelos podem ser facilmente acessados e baixados através da plataforma Hugging Face, com versões “Small” e “Large” para atender a diferentes necessidades de uso e requisitos de hardware. A Intel tem sido uma parceira fundamental neste projeto desde 2021, apoiando a iniciativa como parte de sua estratégia de IA de código aberto e focando na otimização dos modelos para seu próprio hardware.
Deixe um comentário