تا به حال دقت کردهاید که چقدر از مکالمات ما در «حرکات چشم»، «حالت چهره» و «اشارههای دست» نهفته است؟ در تعاملات انسانی، وقتی حرفی مبهم باشد، طرف مقابل با زبان بدن سیگنال میدهد که متوجه نشده است (این فرایند در زبانشناسی به نام OIR شناخته میشود).
خبر هیجانانگیز این است که محققان در مقالهای جدید، مدل مولتیمدالی ساختند که علاوه بر متن و صدا، «ویژگیهای بصری» را هم به دقت تحلیل میکند. این یعنی ایجنتهای هوش مصنوعی آینده، بسیار باهوشتر و انسانیتر از قبل میتوانند گرههای ارتباطی را در حین مکالمه باز کنند. 🧠✨
این پیشرفت میتواند تجربه کار با دستیارهای هوشمند را متحول کند و آنها را در فهمِ ابهامات ما بسیار دقیقتر کند.
منبع: arXiv AI