यह पृष्ठ तुर्की से स्वचालित रूप से अनुवादित किया गया है। मूल पढ़ें

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

शारीरिक गतिविधियों और स्वर से जनरेटिव कृत्रिम बुद्धिमत्ता द्वारा भावनाओं की पहचान: माध्यम-विशिष्ट प्रदर्शन और सकारात्मकता पूर्वाग्रह

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

उन्नत जनरेटिव कृत्रिम बुद्धिमत्ता मॉडल स्वर से भावनाओं की पहचान में मानव स्तर के करीब पहुँच रहे हैं, लेकिन शारीरिक गतिविधियों से पहचान में मनुष्यों से पीछे हैं और ऐसा सकारात्मकता पूर्वाग्रह प्रदर्शित करते हैं जो मनुष्यों में नहीं देखा जाता।

इस अध्ययन का उद्देश्य यह जाँचना है कि मानसिक स्वास्थ्य के आकलन और सहायता के लिए तेजी से चर्चा में आ रही बहुमाध्यमीय जनरेटिव कृत्रिम बुद्धिमत्ता (generative artificial intelligence, GenAI) क्या अशाब्दिक भावनात्मक संकेतों को मनुष्यों के तुलनीय सटीकता स्तर पर पहचान सकती है और क्या उसका प्रदर्शन सकारात्मक तथा नकारात्मक भावनाओं के बीच भिन्न होता है। पूर्व-पंजीकृत (preregistered) अध्ययन अभिकल्प में तीन Gemini मॉडलों (Flash 2, Pro 2 Experimental और Pro 1.5) ने सत्यापित EU-Emotion Stimulus Set और EU-Emotion Voice Database से लिए गए शारीरिक गतिविधियों के 36 गतिशील वीडियो क्लिप और 42 ऑडियो रिकॉर्डिंग पर, चेहरों और शब्दों को हटाकर, ज़ीरो-शॉट (zero-shot) तथा पूर्ववर्ती परीक्षणों की स्थिति संचित किए बिना छह विकल्पों वाला अनिवार्य-चयन कार्य पूरा किया। प्रत्येक उद्दीपन के लिए 20 स्वतंत्र परीक्षण किए गए; सटीकता की तुलना प्रकाशित मानव मानक आँकड़ों (शारीरिक गतिविधियों के लिए N=1,231 और स्वरगत अभिव्यक्तियों के लिए N=427 प्रतिभागी) से दो अनुपातों के z-परीक्षण और Kruskal-Wallis परीक्षणों द्वारा की गई। शारीरिक गतिविधियों में मनुष्यों की सटीकता 77.1% थी, जबकि सभी मॉडलों की सटीकता इससे कम रही: Gemini Pro 2 (Experimental) 71.4%, Gemini Flash 2 64.7% और Gemini Pro 1.5 60.1%। स्वर में मनुष्यों की सटीकता 45.2% थी; Gemini Pro 2 की सटीकता 47.1% और Gemini Flash 2 की 45.4% थी, जो मानव स्तर पर थी, जबकि Gemini Pro 1.5 की सटीकता 35.7% रही और वह पीछे रह गया। सकारात्मकता पूर्वाग्रह के संदर्भ में, शारीरिक गतिविधियों में मनुष्यों द्वारा सकारात्मक और नकारात्मक अभिव्यक्तियों की पहचान में कोई अंतर नहीं था (76% बनाम 77%), जबकि तीनों मॉडलों ने सकारात्मक अभिव्यक्तियों को बेहतर पहचाना (Pro 2: 85% बनाम 59%; Flash 2: 80% बनाम 51%; Pro 1.5: 64% बनाम 53%)। स्वर में भी मनुष्यों में कोई अंतर नहीं देखा गया (45% बनाम 46%), जबकि उन्नत मॉडलों में यही पूर्वाग्रह बना रहा (Flash 2: 57% बनाम 43%; Pro 2: 53% बनाम 44%); Gemini Pro 1.5 ने स्वर माध्यम में सांख्यिकीय रूप से महत्वपूर्ण सकारात्मकता पूर्वाग्रह नहीं दिखाया (36% बनाम 38%)। नकारात्मक भावनाओं में केंद्रित गलत वर्गीकरण के प्रतिरूप विशेष रूप से भावनात्मक ठेस को न पहचान पाने और मानसिक व्यथा से जुड़ी अभिव्यक्तियों को आपस में भ्रमित करने के रूप में सामने आए। निष्कर्षतः, GenAI अशाब्दिक भावनाओं की पहचान की क्षमता प्रदर्शित करती है, लेकिन उसका सामाजिक-संज्ञानात्मक स्वरूप मनुष्यों से भिन्न है; नकारात्मक भावनात्मक संकेतों के प्रति कम संवेदनशीलता उन नैदानिक उपयोगों के लिए जोखिम पैदा करती है जिनमें मानसिक व्यथा का पता लगाना आवश्यक है, और यह दर्शाती है कि बहुमाध्यमीय कृत्रिम बुद्धिमत्ता को आकलन, निगरानी या चिकित्सीय अनुप्रयोगों में शामिल करने से पहले कठोर सत्यापन आवश्यक है।

Tüm WCP 2026 özetleri