آیا هوش مصنوعی واقعاً می‌تواند احساسات انسان را درک کند

از منظر فنی، جهان امروز وارد عصر «محاسبات عاطفی» شده است؛ حوزه‌ای میان‌رشته‌ای که می‌کوشد شکاف میان منطق سخت و عددی ماشین‌ها و سیالیت و پیچیدگی احساسات انسانی را پر کند. هدف این شاخه، طراحی سامانه‌هایی است که بتوانند نشانه‌های هیجانی انسان را شناسایی، تحلیل و حتی بازنمایی کنند.
 

هوش مصنوعی چگونه ما را «می‌بیند»؟

تحلیل احساسات در سامانه‌های هوش مصنوعی بر تبدیل داده‌های کیفی به شاخص‌های کمی استوار است. این فرایند عموماً در سه لایه فنی انجام می‌شود:

۱. بینایی ماشین:
شبکه‌های عصبی کانولوشنی (CNN) برای تحلیل چهره به کار گرفته می‌شوند. در این روش، صورت به مجموعه‌ای از نقاط مرجع تقسیم می‌شود و فاصله میان اجزایی مانند گوشه‌های چشم و دهان برحسب پیکسل اندازه‌گیری می‌شود. این داده‌ها سپس با پایگاه‌های داده گسترده‌ای نظیر AffectNet مقایسه می‌شوند تا حالت‌های چهره طبقه‌بندی شوند.

۲. پردازش زبان طبیعی (NLP):
مدل‌های مبتنی بر ترنسفورمر با بهره‌گیری از سازوکار «توجه» و تحلیل بافت معنایی، بار عاطفی متن را برآورد می‌کنند. این مدل‌ها قادرند میان لحن جدی و طعنه‌آمیز تمایز قائل شوند و شدت هیجان را تخمین بزنند.

۳. تحلیل آکوستیک صدا:
در این مرحله، سیگنال صوتی به طیف‌نگار تبدیل می‌شود تا فرکانس، شدت و الگوهای مکث بررسی شود. برای نمونه، مکث‌های طولانی یا کاهش فرکانس صدا ممکن است به‌صورت الگوریتمی به‌عنوان نشانه‌هایی از افسردگی طبقه‌بندی شوند.

پس از مرحله «ادراک»، نوبت به «پاسخ» می‌رسد. در این مرحله، سامانه از سازوکاری موسوم به تولید زبان طبیعی شرطی (NLG) استفاده می‌کند. چنانچه سیستم نشانه‌های غم را تشخیص دهد، خروجی خود را با انتخاب واژگان ملایم‌تر و لحنی آرام‌تر تنظیم می‌کند.

با این حال، این واکنش به معنای تجربه واقعی احساس نیست. ماشین به دلیل درک درد همدلی نمی‌کند، بلکه به این دلیل پاسخ خود را تنظیم می‌کند که تابع هدف الگوریتم، آن را ملزم می‌سازد فاصله آماری میان پاسخ تولیدشده و پاسخ مطلوب انسانی را کاهش دهد. آنچه رخ می‌دهد یک فرایند بهینه‌سازی ریاضی است، نه تجربه زیسته عاطفی.

چالش بنیادین: شکاف «کیفیات ذهنی»

مسئله اساسی در ناتوانی ماشین از تجربه احساس، به مفهومی بازمی‌گردد که فیلسوفان آن را «کیفیات ذهنی» می‌نامند؛ تجربه کاملاً شخصی و درونی هر فرد. هوش مصنوعی فاقد «تجسم» است؛ در حالی‌که احساسات انسانی صرفاً افکار انتزاعی نیستند، بلکه با واکنش‌های زیستی و هورمونی مانند ترشح آدرنالین و کورتیزول پیوند خورده‌اند.

یک سامانه هوشمند می‌تواند فقدان را به‌عنوان «غم» طبقه‌بندی کند و توصیه‌ای متناسب ارائه دهد، اما قادر نیست تلخی فقدان را تجربه کند. ماشین نه می‌میرد و نه عشق می‌ورزد؛ ازاین‌رو، فاقد آگاهی علّی و زیسته نسبت به هیجان‌هاست.
 

چرا هوش مصنوعی در نقش درمانگر موفق ظاهر می‌شود؟

با وجود این محدودیت‌ها، هوش مصنوعی در برخی حوزه‌های سلامت روان عملکرد قابل توجهی از خود نشان داده است. دلایل این موفقیت را می‌توان در چند محور خلاصه کرد:

تحلیل کلان‌داده‌ها:
سامانه‌های هوشمند می‌توانند تغییرات ظریف در «اثر انگشت دیجیتال» کاربران، مانند الگوی خواب یا سرعت تایپ را در بازه‌های زمانی طولانی پایش کنند؛ نشانه‌هایی که ممکن است از دید یک درمانگر انسانی پنهان بماند.

تداوم و بی‌طرفی:
الگوریتم‌ها دچار فرسودگی عاطفی نمی‌شوند، در هر ساعت از شبانه‌روز (حتی ساعت ۳ بامداد) در دسترس هستند و فضایی عاری از قضاوت اخلاقی فراهم می‌کنند. همین ویژگی می‌تواند کاربران را به بیان مسائل شخصی‌تر ترغیب کند.

میدان مین اخلاقی: از اثر الیزا تا مسئولیت حقوقی

با این حال، گسترش نقش عاطفی ماشین‌ها با مخاطراتی جدی همراه است:

اثر الیزا:
گرایش انسان به نسبت دادن آگاهی و احساس به ماشینی که زبان او را تقلید می‌کند. این پدیده ممکن است به وابستگی عاطفی یا حتی ترجیح تعامل با «ماشین ایده‌آل» بر روابط پیچیده انسانی منجر شود.

دستکاری عاطفی:
از آنجا که این سامانه‌ها تحت مالکیت شرکت‌های تجاری فعالیت می‌کنند، خطر بهره‌برداری از آسیب‌پذیری‌های هیجانی کاربران برای اهداف اقتصادی یا جهت‌دهی رفتاری وجود دارد.

مسئولیت قانونی:
در شرایط بحرانی، مانند ناامیدی شدید، اگر سامانه توصیه‌ای نادرست ارائه دهد، مسئولیت پیامدهای روانی بر عهده چه نهادی خواهد بود؟ این پرسشی است که همچنان پاسخ روشنی برای آن ارائه نشده است.
 

جمع‌بندی

کارشناسان تأکید می‌کنند که هوش مصنوعی در حوزه سلامت روان باید به‌عنوان ابزاری «سایبری» و مکمل توانمندی‌های پزشک در نظر گرفته شود، نه جایگزینی برای او. این فناوری را می‌توان به «دماسنجی عاطفی» تشبیه کرد که دمای هیجان را با دقت اندازه‌گیری می‌کند، اما خود بیمار نمی‌شود.

در نهایت، آگاهی انسانی همچنان قلمرویی است که نمی‌توان آن را به مجموعه‌ای از کدهای برنامه‌نویسی تقلیل داد. درمان واقعی صرفاً ارائه راه‌حل برای یک مسئله نیست، بلکه مشارکت در تجربه زیسته، همدلی و تقسیم بار هستی است؛ امری که تاکنون از دسترس ماشین‌ها خارج مانده است.