人工智能 (AI) 已开始渗透到人类体验的许多方面。人工智能不仅仅是一个分析数据的工具，它还改变了我们沟通、工作和生活的方式。从 ChatGP 到人工智能视频生成器，技术与我们生活的各个部分之间的界限变得越来越模糊。
但是这些技术进步是否意味着人工智能可以识别我们在线的感受？
我们的新研究检查了人工智能是否可以检测 X（以前称为 Twitter）上的帖子中的人类情绪。
我们的研究重点是使用有关某些非营利组织的帖子中表达的情绪如何影响决策等行动稍后向他们捐款。
传统上，研究人员依赖情绪分析，将信息分为积极、消极或中性。虽然这种方法简单直观，但它有局限性。
人类的情感要微妙得多。例如，愤怒和失望都是负面情绪，但它们会引起截然不同的反应。在商业环境中，愤怒的客户可能比失望的客户做出更强烈的反应。
为了解决这些限制，我们应用了一种人工智能模型，该模型可以检测推文中表达的特定情绪，例如喜悦、愤怒、悲伤和厌恶。
我们的研究发现，X 上表达的情绪可以代表公众对特定非营利组织的普遍看法。这些感受对捐赠行为有直接影响。
我们使用 Transformer 迁移学习模型来检测文本中的情绪。Transformer 是由 Google 和 Facebook 等公司对海量数据集进行预训练的高度复杂的人工智能算法，擅长理解自然语言（自然发展的语言，而不是计算机语言或代码）。
我们很好-根据四个自我报告的情感数据集（超过 360 万个句子）和七个其他数据集（超过 60,000 个句子）的组合调整模型。这使我们能够绘制出在线表达的各种情绪。
例如，当阅读 X 帖子时，该模型会将快乐检测为主要情绪，例如，
在学校开始我们的早晨是最好的！所有人都对 # Purpose #kids 微笑。
相反，模型会在推文中发现悲伤，并说：
我觉得我失去了一部分我。我一个多月前失去了妈妈，十三年前失去了爸爸。我迷失了方向，很害怕。
该模型在从文本中检测情绪方面达到了令人印象深刻的 84% 准确率，这是人工智能领域的一项值得注意的成就。
然后我们研究了有关两个新西兰组织 Fred Hollows 基金会和奥克兰大学的推文。我们发现表达悲伤的推文更有可能推动对 Fred Hollows 基金会的捐款，而愤怒则与奥克兰大学捐款的增加有关。
识别特定情绪对营销、教育和医疗保健等行业具有重大影响。
能够识别人们在特定在线环境中的情绪反应可以支持决策者响应其个人客户或更广泛的市场。在线社交媒体帖子中表达的每种特定情绪都需要公司或组织做出不同的反应。
我们的研究表明，在捐赠方面，不同的情绪会导致不同的结果。
了解营销信息中的悲伤情绪可以增加对非营利组织的捐款，从而开展更有效、引起情感共鸣的活动。愤怒可以激励人们采取行动来应对感知到的不公正。
虽然变压器迁移学习模型擅长检测文本中的情绪，但下一个重大突破将来自于将其与其他数据源（例如语音语气）集成或面部表情，以创建更完整的情绪档案。
想象一个人工智能不仅能理解你所写的内容，还能理解你的感受。显然，这些进步伴随着道德挑战。
如果人工智能能够解读我们的情绪，我们如何确保负责任地使用这种能力？我们如何保护隐私？随着技术的不断发展，这些都是必须解决的关键问题。