في زمن يتسارع فيه تطوير تقنيات الذكاء الاصطناعي، تأتي دراسة جديدة لتلقي الضوء على فعالية نماذج التعلم الذاتي (SSL) في تحليل المشاعر من إشارات فيزيائية مثل الأشعة الضوئية المنبثقة من تدفق الدم (PPG). بينما تتمتع نماذج SSL بقوة استثنائية في استخراج تمثيلات عامة من بيانات فوضوية وغير مغلقة، إلا أن سؤال فاعليتها في المهام ذات الطابع الشخصي يبقى مطروحًا.

تتناول الدراسة تقييم كفاءة نموذج تحليل المشاعر المبني على تقنية PPG في سياقات الحياة الواقعية. حيث تم تدريب نموذج PPG لعالم الحياة (RL-PPG) على بيانات حقيقية وغير مقيدة. ومن خلال تجارب دقيقة، أظهرت النتائج أن هذه النماذج توفر نقلًا رائعًا للتمثيلات، حيث حقق ارتفاعًا بنسبة 500% في الأداء مقارنة بالأساليب التقليدية عند تقييم النشاط البدني.

مع ذلك، عندما تم تطبيق نفس التمثيلات العامة على مهام تحديد المشاعر الحقيقية، فشلت في تجاوز الأساليب التقليدية البسيطة. هذا يؤكد أهمية دمج بيانات الأفراد الشخصية في عملية ضبط النموذج، حيث تعتبر هذه الخطوة أساسية لدقة النتائج.

تشير هذه الدراسة إلى أن النماذج العامة قد تكون غير كافية عند التعامل مع المشاعر البشرية، مما يسلط الضوء على أهمية تخصيص البيانات في تحسين تحديد المشاعر في العالم الحقيقي. لمساعدة الباحثين في هذا المجال، تمت مشاركة الشيفرة البرمجية ووزن النموذج المدرب مسبقًا RL-PPG.