آیا تا به حال فکر کردهاید که مدلهای هوش مصنوعی چقدر در درک حالات روحی ما هنگام صحبت کردن دقیق هستند؟ محققان بهتازگی چارچوب جدیدی به نام «CAMA-BC» معرفی کردهاند که فراتر از متن و صوت عمل میکند.
این مدل با تحلیل دقیق «سیگنالهای بصری» مثل حالات چهره و حرکات بدن، میتواند درک بسیار بهتری از مفاهیم پیچیدهای مثل «همدلی» داشته باشد. در واقع، این مدل با یادگیری از ویدیوها، دقیقاً مثل یک شنونده انسانی عمل میکند و بازخوردهای دقیقتری ارائه میدهد. این جهش علمی میتواند تعامل ما با دستیارهای هوشمند را بسیار انسانیتر و واقعیتر کند.
منبع: arXiv Computer Vision