Roberta Maria Randazzo – Interessata alle neuroscienze, alle emozioni e al pensiero sistemico. Grazie allo studio di psicologia, informatica, comunicazione visiva e linguaggio umano, ha sviluppato competenze trasversali preziose.
Cos’è l’affective computing e com’è possibile considerare le emozioni nella progettazione di tecnologie digitali? Perché per un responsabile marketing, o in generale in ambito aziendale, è necessario conoscere le fondamenta e le potenzialità di questa disciplina?
I campi di applicazione dell’affective computing sono in realtà svariati: dall’ambito aziendale a quello dell’istruzione, dalla salute mentale al supporto in caso di disabilità fisica o intellettiva, dallo sport al mondo dell’intrattenimento. Nelle imprese, in particolar modo, può essere applicato per ricerche di mercato, per migliorare il servizio clienti o per la creazione di esperienze personalizzate. Ad ogni modo, la pratica del marketing sarà completamente rivoluzionata.
Punti chiave del contenuto:
Come nasce l’affective computing e cosa tratta
In cosa consiste l’interazione uomo-computer
Aree di sviluppo: cosa è possibile migliorare attraverso l’affective computing
Affective computing: la rivoluzione del marketing
Potenziali limiti e sviluppi futuri
Negli ultimi decenni i ricercatori hanno effettuato una molteplicità di scoperte nel campo delle neuroscienze che assegnano ruoli significativi dell’emozione nel funzionamento umano intelligente. Già dagli anni ‘90 il neuroscienziato Antonio Damasio afferma come il processo emotivo giochi un ruolo essenziale nel giudizio, nella percezione, nella memorizzazione di informazione e nel processo decisionale umano.
Questi risultati, nel tempo, hanno ridisegnato la comprensione scientifica delle emozioni, ispirando molti studiosi a considerare che i meccanismi emotivi potrebbero essere più preziosi di quanto si credesse in precedenza.
Nel dettaglio parleremo di:
Neuromarketing e neuroscienze
Chi ha inventato l’affective computing?
La professoressa Rosalind Wright Picard, fondatrice e direttrice dell’Affective Computing Research Group presso il MIT Media Lab, coniò il termine affective computing a metà degli anni ‘90 del secolo scorso, indicando con esso la capacità delle macchine di riconoscere e interagire in funzione delle emozioni dell’utente.
Ampiamente trascurate nei primi tentativi di sviluppo dell’intelligenza artificiale (AI) l’affective computing mira a consentire ai sistemi AI (attraverso l’utilizzo di sensori) di riconoscere, percepire, dedurre e spiegare le emozioni umane.
Secondo Picard, affinché i computer siano davvero intelligenti hanno bisogno della capacità di riconoscere ed esprimere le emozioni in modo da poter interagire efficientemente con gli umani in circostanze reali.
Il MIT Media Lab, fondato per trovare soluzioni nel campo dell’apprendimento, dell’intrattenimento e dell’espressione personale, ha proseguito la sua ricerca sull’esplorazione di strumenti e tecnologie utili per la salute e il benessere dell’uomo.
Ad oggi il team multidisciplinare si concentra sulla risoluzione delle sfide tecnologiche, sociali e globali (mai incontrate nella storia) attraverso un approccio sistemico consapevole del rapporto tra le reti umane, le città, l’arte, la mente e il corpo.
Cosa si intende con affective computing?
Questa disciplina si concentra su tecnologie e teorie che promuovono la comprensione degli stati emotivi a partire dalla relazione tra emozioni e corporeità (ovvero la manifestazione esterna del nostro mondo interiore) nella progettazione di nuovi sistemi.
Per fare questo è necessario adottare un approccio multidisciplinare e interdisciplinare : la psicologia, le neuroscienze, l’ingegneria, la sociologia, la matematica e l’informatica sono le discipline chiave di questo campo di studi. L’ampia varietà di materie rilevanti per l’affective computing è un riflesso della complessità di descrivere, comprendere e, in ultima analisi, emulare l’esperienza dinamica del sentimento e delle emozioni.
L’affective computing è un campo di ricerca emergente che abbraccia informatica, psicologia, scienze sociali e cognitive e che mira a consentire ai sistemi di intelligenza artificiale di riconoscere, percepire, dedurre e comprendere le emozioni umane. L’obiettivo dell’affective computing è riconoscere i segnali emotivi durante l’interazione uomo-computer e fornire risposte adeguate al contesto.
In altre parole, l’affective computing fa avanzare l’AI riconoscendo e incorporando le emozioni come informazioni.
“Nelle imprese, in particolar modo, può essere applicato per ricerche di mercato, per migliorare il servizio clienti o per la creazione di esperienze personalizzate.”
Come fare digital branding nell’era IA
Teorie rilevanti per l’interazione uomo-computer
In psicologia, il termine affective si riferisce ad un ampio raggio dei costrutti psicologici associati ad un contorno di personali reazioni e sensazioni. Questo include emozioni momentanee e stati a lungo termine così come l’umore o tratti della personalità.
Le nostre emozioni sono costantemente influenzate e perturbate attraverso l’interazione con il mondo esterno. L’obiettivo dell’affective computing è quello di utilizzare l’intelligenza emotiva che si trova nell’interazione uomo-uomo e applicarla all’interazione uomo-computer.
Una teoria rilevante a proposito è quella di Reeves e Nass del 1996: l’interazione uomo-computer segue le basi dell’interazione uomo-uomo ed è pertanto intrinsecamente naturale e sociale. Come afferma Picard, analogamente alla situazione in cui un essere umano ti parla ma non ti ascolta, se una qualunque tecnologia ti parla ma non ti ascolta, è probabile che ti infastidisca.
Perché l’affective computing è importante?
La maggior parte dei sistemi contemporanei di interazione uomo-computer è carente di interpretare e comprendere le informazioni emotive. Sarebbero svariati gli esempi che potremmo fare a riguardo. Sono certa che sia capitato ad ognuno di noi di trovarsi spaesato di fronte ad una risposta poco chiara o incompleta da parte di un’applicazione o sito web, causando conseguentemente un pizzico di frustrazione che non ha aiutato affatto a risolvere il problema.
Questo succede perché la comunicazione emotiva per essere efficace richiede che un messaggio sia inviato e ricevuto, e non solo inviato: le persone esprimono naturalmente emozioni verso le macchine, ma le macchine non le riconoscono naturalmente.
Il principio della maggior parte dei sistemi di affective computing è quello di riconoscere lo stato emotivo dell’utente al fine di migliorare la qualità dell’interazione uomo-computer , così da rendere la comunicazione con i dispositivi più piacevole, efficiente ed efficace.
L’affective computing sta cercando di assegnare ai computer capacità simili a quelle umane di osservazione, interpretazione e generazione di caratteristiche emotive. È un argomento importante per l’interazione armoniosa uomo-computer, che mira a migliorare la qualità della comunicazione tra l’essere umano e le macchine.
Aree di sviluppo: a cosa serve l’affective computing
L’affective computing può essere utilizzato sia per l’identificazione in fase di progettazione e in fase di esecuzione di compiti “frustranti”, sia per aiutare a ridurre tale frustrazione dell’utente durante un’interazione. Ad esempio, se i dati suggeriscono che l’utente è stressato, il computer potrebbe fornire un feedback in quel momento attraverso una risposta specifica che è adeguata alla persona.
In generale gli studiosi definiscono tre aree di sviluppo:
Comprensione emotiva : è la capacità di un computer di comprendere lo stato emotivo del suo utenteGenerazione emotiva : è la capacità di un computer di dare una risposta emotiva che appaia genuina e abbia un impatto positivo sull’utenteApplicazione : implica la ricerca. In quali aree è possibile utilizzare questa disciplina e quali aspetti del compito potrebbero essere migliorati?
Il rilevamento delle emozioni incide in particolar modo sull’efficacia dell’interazione tra l’essere umano e il dispositivo al fine di raggiungere un determinato obiettivo. In altre parole, risulta necessario che, affinché il calcolo affettivo sia implementato con successo nelle applicazioni pratiche, il sistema artificiale dovrebbe adattarsi emotivamente all’individuo e i computer dovrebbero avere la capacità di interpretare lo stato emotivo dei loro utenti: senza queste informazioni, un computer non sarebbe in grado di fornire una risposta appropriata.
Questo viene fatto utilizzando algoritmi di apprendimento automatico che elaborano bio-segnali da diverse modalità. Attraverso l’elaborazione degli algoritmi di apprendimento automatico le informazioni emotive possono essere trasformate in informazioni emotive intuitive , che possono essere ulteriormente utilizzate in ricerche approfondite o per altre applicazioni.
Affective computing e marketing
Come ampiamente descritto nel precedente articolo dalla Dott.ssa Silvia Salese “Le 7 lezioni della psicologia dei consumi e del neuromarketing
L’affective computing offre preziose opportunità per lo studio delle emozioni inconsce, ovvero emozioni di cui non siamo cognitivamente coscienti. Ciò potrebbe essere rilevante per aziende interessate a comprendere le emozioni del loro pubblico.
Attraverso l’utilizzo di strumenti e tecnologie digitali che rilevano indici biometrici, come ad esempio smartwatch, eye tracker
Si prevede che l’affective computing trasformerà le pratiche di marketing in quanto offrirà alle aziende la possibilità di raccogliere nuovi tipi di informazioni sulle emozioni dei consumatori. Ciò permetterà di personalizzare o migliorare l’esperienza d’acquisto e non solo:
User Experience e User Interface ne trarrebbero enormi benefici in quanto, ad esempio, sarà possibile comprendere attraverso dati emotivi cosa risulta superfluo o poco chiaro nell’interfacciaLo studio dell’impatto delle ADV nelle scelte di acquisto potrebbe trovare soluzioni nel campo della sostenibilità ambientale
I dipendenti umani potrebbero essere affiancati da dispositivi che li supportano nella comprensione delle emozioni del cliente
Bot, robot, chatbot e assistenti vocali potrebbero essere potenziati attraverso l’intelligenza emotiva
Esistono già applicazioni di affective computing realizzate nell’ultimo decennio. Nel 2013 Neurowear, un’azienda giapponese, ha presentato le cuffie Mico . Queste, attraverso dei sensori che misurano l’attività cerebrale e il battito cardiaco, hanno la capacità di riprodurre brani adeguati allo stato emotivo dell’utente.
Allo stesso modo, Spotify, che offre l’accesso con controllo vocale alla sua piattaforma di streaming, sta lavorando a un sistema di riconoscimento vocale in grado di identificare le emozioni degli utenti.
Nel 2016, le tecnologie dell’azienda Affectiva (spin-off del MIT Media Lab) sono state integrate con il videogioco Nevermind , creando per i giocatori una fruizione e un’esperienza dinamica sulla base delle loro stesse emozioni.
Nel 2017, France Loisirs, una libreria francese, ha utilizzato la tecnologia dell’azienda Angus per rilevare le emozioni dei clienti durante il processo di acquisto e avvisando i dipendenti in tempo reale in modo da offrire loro assistenza quando necessario.
Sempre nello stesso anno, Humana, una compagnia di assicurazioni, ha sperimentato l’affective computing per i loro call center: i dipendenti venivano avvisati quando una particolare emozione veniva rilevata nella voce di un cliente, potendo così intervenire di conseguenza. Ciò ha visto aumentare il punteggio netto del promotore e la risoluzione dei problemi rispettivamente del 28 % e 6%.
I metodi di affective computing continuano a migliorare in termini di precisione e, come suggeriscono alcune prove, hanno la capacità di superare i metodi di indagine tradizionali.
Ad esempio, l’azienda alimentare Mars ha utilizzato la tecnologia Affdex di Affectiva (che identifica le emozioni in base alle espressioni facciali) per determinare la risposta emotiva dei consumatori ai loro annunci: ciò gli ha dato la possibilità di prevedere le vendite a breve termine in modo più accurato rispetto ai metodi tradizionali.
Aziende internazionali, come Apple e Google, hanno già investito nell’affective computing per migliorare l’esperienza del cliente aprendo la strada alle sue applicazioni di marketing su larga scala.
Ricerche di mercato del 2020 prevedono che l’industria delle tecnologie di affective computing dovrebbe valere 123,3 miliardi di dollari entro il 2026, con un tasso di crescita annuale stimato del 36,4%.
Potenziali limiti e sviluppi futuri
Spesso, anche negli studi più recenti, si individua come preoccupazione la difficoltà di trovare una definizione unanime tra gli studiosi del costrutto relativo al termine “emozione”. La conseguenza dovrebbe consistere quindi nella difficoltà ad orientare le scelte di ricerca dell’affective computing.
Secondo Picard, non è tanto importante la definizione del termine, quanto le relazioni che intercorrono tra le qualità misurabili.
Prendendo spunto da Kagan (1984) Picard spiega che per i metereologi non è importante tanto la definizione di tempo meteorologico, piuttosto essi considerano le mutevoli relazioni tra velocità del vento, umidità, temperatura, pressione barometrica e forma di precipitazione. Occasionalmente, infatti, succede che una combinazione unica di queste qualità meteorologiche crei alternativamente una tempesta, un tornado, una bufera di neve o un uragano.
Così gli studiosi del meteo non si chiedono cosa significhi “tempo meteorologico”, ma determinano le relazioni tra le qualità misurabili e poi danno un nome a qualunque coerenza scoprano.
Pertanto, l’affective computing dovrebbe considerare il termine emozione interessandosi alle relazioni tra aspetti esterni o ambientali, e interni, come ad esempio gli indici biometrici, cercando di dare un nome a queste relazioni.
Le differenze individuali, contestuali e l’impatto sull’utente dovrebbero essere presi in considerazione nei modelli e nei progetti di affective computing dall’inizio dello sviluppo in modo che possano essere completamente integrati nei sistemi.
Affective computing e marketing: incoraggiamo la ricerca
Per quanto riguarda il campo aziendale, bisogna specificare che l’affective computing ha ricevuto poca attenzione nella letteratura di riferimento.
Essendo la fiducia un asset fondamentale del marketing, le aziende dovrebbero prima di tutto chiedersi: come la personalizzazione basata sulle emozioni possa avvantaggiare prodotti edonistici rispetto a quelli utilitaristici?
Sarebbe quindi necessario determinare quando e come i clienti potrebbero trarre valore dall’utilizzo di prodotti e servizi che si adattano in tempo reale alle loro emozioni e dovrebbero essere esaminate le capacità predittive dei metodi di affective computing rispetto ai metodi tradizionali in modo da integrare le une alle altre.
Che i dipendenti siano disposti a utilizzare i sistemi di calcolo affettivo è un prerequisito fondamentale per applicare queste tecniche. Di conseguenza, la ricerca è necessaria per identificare i fattori che influenzano l’accettazione e la fiducia in questi sistemi.
A tal proposito, uno studio del 2015 ha dimostrato un fenomeno chiamato avversione agli algoritmi: nelle situazioni decisionali, gli esseri umani non sono disposti a fidarsi delle previsioni fatte dagli algoritmi.
Inoltre, la ricerca dovrebbe esplorare se i consumatori acconsentono al fatto che le loro emozioni vengano tracciate dai sistemi di affective computing durante le interazioni con l’azienda.
Sebbene i clienti possano trarre vantaggio, potrebbero comunque provare disagio durante l’analisi delle proprie emozioni. Come valutano i consumatori questo compromesso?
Per quanto riguarda i dipendenti, l’affective computing solleva interrogativi sui risultati psicologici vissuti dagli stessi. Sebbene il caso di Humana suggerisca che è possibile migliorare le prestazioni delle attività dei propri dipendenti, il suo impatto sul benessere rimane sconosciuto. I lavoratori potrebbero sentirsi disumanizzati poiché in parte privati dell’uso della loro intelligenza emotiva?
Infine, per quanto concerne la privacy, è importante esaminare le circostanze in cui i consumatori sono disposti a scambiare i propri dati emotivi per un’esperienza personalizzata. La quantità e il tipo di dati raccolti dai sistemi sollevano implicazioni che devono essere esaminate.
Diverse figure professionali, come psicologi, neuropsicologi, informatici, ingegneri, esperti in marketing e comunicazione possono influenzare la letteratura della ricerca in questo campo. Tenendo in considerazione che, come afferma Rosalind Picard già dal 1995:
“La sfida nella costruzione di computer che riconoscono, esprimono e usano le emozioni dell’utente nel prendere decisioni, è una sfida non solo di equilibrio, ma di saggezza e spirito. È una direzione in cui dovremmo procedere solo con il massimo rispetto per gli esseri umani, i loro pensieri, sentimenti e libertà.”
Bibliografia
Calvo, R. A., & D’Mello, S. (2010). Affect Detection: An Interdisciplinary Review of Models, Methods, and Their Applications. IEEE Transactions on Affective Computing, 1(1), 18–37.
Cambria, E., Mazzocco, T., Hussain, A., & Eckl, C. (2011). Sentic Medoids: Organizing Affective Common Sense Knowledge in a Multi-Dimensional Vector Space. Advances in Neural Networks – ISNN 2011, 601–610.
Caruelle, D., Shams, P., Gustafsson, A., & Lervik-Olsen, L. (2022). Affective Computing in Marketing: Practical Implications and Research Opportunities Afforded by Emotionally Intelligent Machines. Marketing Letters, 1-7.
Colombetti, G., & Thompson, E. (2008). The Feeling Body: Toward an Enactive Approach to Emotion.Developmental Perspectives on Embodiment and Consciousness.
Damasio, A. R. (1994). Descartes’ Error and the Future of Human Life. Scientific American, 271(4), 144.
Egger, M., Ley, M., & Hanke, S. (2019). Emotion Recognition from Physiological Signal Analysis: A Review. Electronic Notes in Theoretical Computer Science, 343,
Gratch, J. (2021). The field of Affective Computing: An interdisciplinary perspective. Transactions of the Japanese Society for Artificial Intelligence, 30(1).
Guo, F., Li, F., Lv, W., Liu, L., & Duffy, V. G. (2019). Bibliometric Analysis of Affective Computing Researches during 1999~2018. International Journal of Human–Computer Interaction, 36(9), 801–814.
Picard, R. W., & Klein, J. (2002). Computers that recognise and respond to user emotion: theoretical and practical implications. Interacting with Computers, 14(2), 141–169.
Poria, S., Cambria, E., Bajpai, R., & Hussain, A. (2017). A review of affective computing: From unimodal analysis to multimodal fusion. Information Fusion, 37, 98–125.
Richardson, S. (2020). Affective computing in the modern workplace. Business Information Review, 37(2), 78–85.
Schmidt, P., Reiss, A., Dürichen, R., & Laerhoven, K. V. (2019). Wearable-Based Affect Recognition—A Review. Sensors, 19(19), 4079.
Schwark, J. D. (2015). Toward a Taxonomy of Affective Computing. International Journal of Human- Computer Interaction, 31(11), 761–768.
Tao, J., & Tan, T. (2005). Affective Computing: A Review. Affective Computing and Intelligent Interaction, 981–995.
Zhang, J., Yin, Z., Chen, P., & Nichele, S. (2020). Emotion recognition using multi-modal data and machine learning techniques: A tutorial and review. Information Fusion, 59, 103–126.
