Esta página se ha traducido automáticamente del turco. Leer el original

Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

SO043

Reconocimiento de emociones a partir de movimientos corporales y del tono de voz mediante inteligencia artificial generativa: rendimiento específico por modalidad y sesgo de positividad

GENERATIVE AI EMOTION RECOGNITION FROM BODILY GESTURES AND VOCAL TONE REVEALS MODALITY-SPECIFIC PERFORMANCE AND POSITIVITY BIAS

Los modelos avanzados de inteligencia artificial generativa se aproximan al nivel humano en el reconocimiento de emociones a partir del tono de voz, pero su rendimiento es inferior al humano en los movimientos corporales y presentan un sesgo de positividad que no se observa en las personas.

El objetivo del estudio es comprobar si la inteligencia artificial generativa multimodal (generative artificial intelligence, GenAI), que suscita un interés creciente para la evaluación y el apoyo en salud mental, reconoce las señales emocionales no verbales con una exactitud comparable a la humana y si su rendimiento difiere entre emociones positivas y negativas. En un diseño prerregistrado, tres modelos Gemini (Flash 2, Pro 2 Experimental y Pro 1.5) completaron una tarea de elección forzada entre seis opciones con 20 ensayos independientes por estímulo, utilizando 36 clips dinámicos de movimientos corporales y 42 grabaciones de voz procedentes de los conjuntos validados EU-Emotion Stimulus Set y EU-Emotion Voice Database, sin rostros ni palabras, en condiciones de cero ejemplos (zero-shot) y sin estado; la exactitud se comparó con valores de referencia humanos publicados (N=1.231 participantes para movimientos corporales y N=427 para expresiones vocales) mediante la prueba z para dos proporciones y pruebas de Kruskal-Wallis. En los movimientos corporales, la exactitud humana fue del 77,1 %, mientras que todos los modelos obtuvieron resultados inferiores: Gemini Pro 2 (Experimental), 71,4 %; Gemini Flash 2, 64,7 %; y Gemini Pro 1.5, 60,1 %. En el tono de voz, la exactitud humana fue del 45,2 %; Gemini Pro 2, con un 47,1 %, y Gemini Flash 2, con un 45,4 %, alcanzaron el nivel humano, mientras que Gemini Pro 1.5 quedó por debajo, con un 35,7 %. En cuanto al sesgo de positividad, las personas no mostraron diferencias entre las expresiones positivas y negativas en los movimientos corporales (76 % frente a 77 %), mientras que los tres modelos reconocieron mejor las expresiones positivas (Pro 2: 85 % frente a 59 %; Flash 2: 80 % frente a 51 %; Pro 1.5: 64 % frente a 53 %). En el tono de voz, tampoco se observaron diferencias en las personas (45 % frente a 46 %), pero el mismo sesgo persistió en los modelos avanzados (Flash 2: 57 % frente a 43 %; Pro 2: 53 % frente a 44 %); Gemini Pro 1.5 no mostró un sesgo de positividad significativo en la modalidad vocal (36 % frente a 38 %). Los patrones de clasificación errónea, concentrados en las emociones negativas, se manifestaron especialmente en la incapacidad para reconocer el sentimiento de sentirse herido y en la confusión entre expresiones relacionadas con el malestar. En conclusión, aunque la GenAI demuestra capacidad para reconocer emociones no verbales, presenta un perfil de cognición social diferente del humano; la menor sensibilidad a las señales emocionales negativas supone un riesgo para los usos clínicos que requieren detectar el malestar e indica la necesidad de una validación rigurosa antes de incorporar la inteligencia artificial multimodal a la evaluación, el seguimiento o las intervenciones terapéuticas.

Tüm WCP 2026 özetleri