Вербальные и невербальные маркеры эмоциональной речи искусственного интеллекта

Работа посвящена изучению эмоционального искусственного интеллекта, его способности имитировать человеческие эмоции и использовать эмоционально-окрашенную лексику. Актуальность исследования: обусловлена необходимостью создания баз данных для обучения нейронных сетей, а также оценки способности ИИ к адекватному выражению эмоций в контексте общения. Научная новизна исследования заключается в анализе способности нейронных сетей к имитации эмоциональной речи человека и выявлении особенностей их применения в интернет-дискурсе. Исследование акцентирует внимание на сравнении вербальных и невербальных средств выражения эмоций, используемых чат-ботами и реальными людьми. Цель исследования: Выявление степени эмоциональности ИИ на основе сравнительно-сопоставительного анализа эмоциональных маркеров в текстах, сгенерированных чат-ботами, и текстах реальных людей. Материалы и методы: Материалом исследования стали текстовые сообщения англоязычных пользователей мессенджера Telegram и чат-ботов платформы Character.ai. Объектом исследования выступил интернет-дискурс, а предметом - эмотивные маркеры в текстах. Эмпирическая база включала ответы пяти испытуемых и пяти чат-ботов на однотипные вопросы, направленные на вызов эмоциональных реакций. Результаты исследования показали, что ИИ способен адекватно применять эмоционально окрашенную лексику в соответствии с контекстом. Лексика, используемая чат-ботами, менее разнообразна и редко включает устойчивые выражения и неологизмы. Сообщения чат-ботов, как правило, короче, чем у реальных людей, а их эмоциональность ограничивается цензурой и платформенными настройками. Чат-боты используют больше восклицательных знаков, что иногда выглядит неестественно. ИИ недостаточно точно воспроизводит индивидуальные черты общения, заданные при его настройке. Выводы: Эмоциональный ИИ на текущем этапе способен частично имитировать человеческие эмоции с использованием вербальных и графических средств. Однако существующие нейросети не достигают уровня точности и правдоподобности, свойственного человеческой речи. Дальнейшее развитие технологий глубокого обучения и повышение доступности нейронных сетей могут сделать ИИ более эмоционально убедительным в ближайшем будущем.

Aim: The development of emotional artificial intelligence (AI) represents a critical milestone in integrating AI into human life. This study aims to evaluate the emotional expressiveness of chatbots based on neural networks and their ability to simulate human emotions. Materials and Methods: The material for this study included textual messages generated by chatbots from the Character.ai platform and responses from real users of the Telegram messenger. Five chatbots were modeled after five English-speaking individuals from diverse backgrounds. The research employed comparative analysis of emotive markers, interjections, graphic transformations, and text structure. Results: Analysis revealed that AI effectively applies contextually appropriate emotional vocabulary, though with less diversity than humans. Chatbots tend to avoid negative emotions and use fewer idiomatic expressions. The chatbot responses were generally shorter than those of humans, and the individual characteristics of the modeled personas were not fully realized. Additionally, the use of exclamation marks by chatbots occasionally appeared unnatural. Conclusions: Current neural networks can simulate human emotions to some extent but lack the sophistication needed for authentic emotional mimicry. Advances in deep learning and the availability of neural networks hold promise for significant improvements in emotional AI, suggesting that in the near future, it may become indistinguishable from human communication in terms of emotional expression.