Pengenalan Emosi Oleh AI

Ahlal Kamal

Abstract


Pengenalan emosi oleh kecerdasan buatan (AI) merupakan bidang penelitian yang berkembang pesat dengan berbagai aplikasi di layanan pelanggan, kesehatan mental, pendidikan, dan keamanan. Teknologi ini memanfaatkan kombinasi visi komputer, pemrosesan bahasa alami (NLP), dan analisis suara untuk mengenali dan merespons emosi manusia secara otomatis. Dengan pendekatan multimodal fusion, AI dapat meningkatkan akurasi dalam mengenali ekspresi wajah, nada suara, dan konteks bahasa yang digunakan. Namun, tantangan utama yang dihadapi meliputi keterbatasan dataset yang kurang beragam, kesulitan dalam mengenali emosi yang kompleks, serta penurunan akurasi dalam kondisi dunia nyata. Selain itu, isu etika dan privasi menjadi perhatian penting dalam pengembangan teknologi ini, terutama terkait dengan perlindungan data pengguna dan potensi bias dalam model AI. Penelitian lebih lanjut diperlukan untuk mengatasi tantangan ini melalui teknik pembelajaran yang lebih adaptif, peningkatan kualitas dataset, serta penerapan regulasi yang jelas untuk memastikan penggunaan AI secara etis dan bertanggung jawab. Dengan pendekatan yang tepat, pengenalan emosi oleh AI berpotensi membawa perubahan signifikan dalam berbagai aspek kehidupan manusia dan menciptakan interaksi digital yang lebih empatik dan realistis.


Keywords


kecerdasan buatan, pengenalan emosi, visi komputer, NLP, analisis suara, etika AI

Full Text:

PDF

References


Picard, R. W. (1997). Affective Computing. MIT Press.

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.

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.

Zeng, Z., Pantic, M., Roisman, G. I., & Huang, T. S. (2009). A survey of affect recognition methods: Audio, visual, and spontaneous expressions. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(1), 39-58.

Schuller, B., Batliner, A., Steidl, S., & Vogt, T. (2011). Recognizing realistic emotions and affect in speech: State of the art and lessons learnt from the first challenge. Speech Communication, 53(9-10), 1062-1087. – Membahas metode evaluasi dalam analisis suara untuk pengenalan emosi.


Refbacks

  • There are currently no refbacks.


Al-Kamal: Journal of Artificial Intelligence & Technology

 

index by:

       

 

Contact us:

Publisher: PT. AHLAL PUBLISHER NUSANTARA
JL. JERMANI HUSIN DESA LOK BANGKAI KEC. BANJANG KAB. HULU SUNGAU UTARA PROV. KALIMANTAN SELATAN Telp (0852) 85123236. Email: Ahlal.pkl@gmail.com


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

View My Stats