Crédito: dominio público Unsplash/CC0
Los investigadores de la Universidad Edith Cowan (ECU) están ayudando a las máquinas a ser más conscientes emocionalmente utilizando un nuevo método que les permite reconocer mejor las expresiones faciales humanas.
“A medida que más sistemas digitales, desde asistentes virtuales hasta aplicaciones de bienestar, interactúan con las personas, se está volviendo cada vez más importante que entiendan cómo nos sentimos”, dijo ECU Ph.D. Estudiante Sr. Sharjeel Tahir.
En lugar de capacitar sistemas para interpretar las emociones utilizando imágenes individuales, el equipo dirigido por el profesor titular de la ECU y el experto en inteligencia artificial (AI), el Dr. Syed Afaq Shah, exploró un enfoque más humano: mostrar un grupo de expresiones faciales relacionadas juntas, permitiendo que la máquina “vea” un contexto emocional más amplio.
“Al igual que no juzgamos cómo se siente alguien de una mirada, nuestro método usa múltiples expresiones para hacer predicciones más informadas”, explicó Tahir. “Es una forma más confiable de ayudar a las máquinas a comprender las emociones, incluso cuando las caras se ven desde diferentes ángulos o bajo iluminación diferente”.
Si bien esta investigación no involucra robots físicos, los hallazgos podrían influir en cómo se desarrollan los sistemas futuros emocionalmente conscientes, como los utilizados en el apoyo a la salud mental, el servicio al cliente o la educación interactiva.
“Estamos poniendo las bases para máquinas que no solo ven caras, sino que las entienden”, dijo Tahir.
Doctor en Filosofía. Estudiante Sr. Nima Mirnateghi, coautor del artículo publicado en 2024 Conferencia Internacional sobre Computación de Imagen Digital: Técnicas y Aplicaciones (DICTA), señaló que este método propuesto ofrece señales visuales ricas que mejoran la capacidad del modelo de IA para reconocer las emotiones mientras mantienen la eficiencia computacional y logran una tasa de exigencia significativamente mayor.
“Al exponer el modelo a diversas características dentro de un conjunto estructurado, descubrimos que aprende los patrones existentes de manera mucho más efectiva, refinando sus capacidades de reconocimiento emocional”, agregó.
Bajo la supervisión del Dr. Shah, Tahir ahora está trabajando para generar empatía artificial en agentes artificiales, lo que les permite responder en consecuencia cuando se les presentan emociones humanas.
“Hay una necesidad significativa de apoyo emocional en estos días, y esa brecha podría ser llena por máquinas o robots emocionalmente conscientes o emocionalmente inteligentes”, dijo.
Mirnateghi dijo que la investigación no solo ha superado los límites del reconocimiento de emociones en la IA, sino que también ha provocado una exploración más profunda en los procesos subyacentes de la toma de decisiones de los modelos de IA.
“Nuestro grupo de investigación ahora se centra en la IA explicable en los modelos de idiomas, descubriendo los intrincados mecanismos que dictan cómo los agentes artificiales interpretan los patrones de reconocimiento.
“Al hacer que estos procesos sean más transparentes, nuestro objetivo es crear sistemas de IA que sean inherentemente comprensibles: impulsar la brecha entre el cálculo avanzado y la intuición humana. Por ejemplo, ¿qué hace que una máquina sea emocionalmente inteligente? Esa es una de las preguntas que nuestra investigación actual tiene como objetivo explorar”, dijo.
Más información: Sharjeel Tahir et al, ciervos: sets de emociones profundas para el reconocimiento de emociones de grano fino, 2024 Conferencia internacional sobre computación digital: técnicas y aplicaciones (DICTA) (2025). Doi: 10.1109/dicta63115.2024.00034
Proporcionado por la Universidad de Edith Cowan
Cita: El nuevo sistema permite a las máquinas reconocer mejor las expresiones faciales humanas (2025, 4 de junio) Recuperado el 4 de junio de 2025 de https://techxplore.com/news/2025-06-machines-human-facial.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
