نظام ذكي للتعرّف على العواطف قائم على إنترنت الأشياء باستخدام معلمات داخلية للجسم

لماذا قد تصبح عواطفك قريبًا علامة حيوية

تخيل أن ساعتك الذكية تتابع بهدوء ليس فقط خطواتك ومعدل ضربات قلبك، بل أيضًا مدى شعورك بالتوتر أو الهدوء أو الفرح طوال اليوم—وتنبه طبيبك قبل أن يسيطر الإرهاق أو الاكتئاب. تصف هذه الورقة خطوة نحو ذلك المستقبل: نظام ذكي يقرأ إشارات الجسم الداخلية، يرسلها عبر إنترنت الأشياء، ويستخدم تعلم الآلة لتحديد العاطفة التي تعيشها في الزمن الحقيقي.

الاستماع إلى المشاعر عبر الجسد

لا تعيش مشاعرنا فقط على وجوهنا أو في أصواتنا؛ بل تمتد عبر أجسادنا. عندما نغضب قد يرتفع ضغط الدم. الخوف قد يسرّع النبض، بينما الحزن قد يبطئنا. سعى الباحثون في هذه الدراسة إلى بناء نظام يقرأ هذه التموجات الداخلية ويترجمها إلى ست حالات عاطفية شائعة: محايد، سعيد، حزين، خوف، غضب، ومفاجأة. بدلًا من الكاميرات أو الميكروفونات، اعتمدوا على قياسات داخلية للجسم—مثل معدل ضربات القلب، ضغط الدم، درجة حرارة الجسم، سكر الدم، تشبع الأكسجين، ونشاط العضلات—تُلتقط بواسطة حساسات قابلة للارتداء وتُغذى إلى نظام حاسوبي للتحليل.

تحويل جهاز قابل للارتداء إلى رادار للعاطفة

صمّم الفريق سوارًا متعدد الحساسات مقترنًا بوحدة صغيرة مزودة باتصال واي‑فاي. يجمع هذا الجهاز عدة تدفقات من البيانات في آن واحد: مدى سرعة نبض القلب، درجة حرارة الجلد، كمية الأكسجين في الدم، توتر العضلات، مستوى ضغط الدم، وتقلبات سكر الدم. تنتقل هذه الإشارات لاسلكيًا إلى هاتف قريب أو بوابة ثم إلى خوادم سحابية. هناك تُنقّح البيانات—إزالة الضوضاء، تصحيح الأخطاء الواضحة، وتوحيد الوحدات—قبل تخزينها في قواعد بيانات محلية وسحابية. ساعد الخبراء الطبيون في تحديد نطاقات واقعية لكل معلمة وصياغة قواعد تربط أنماطًا محددة من التغيرات الجسمانية بالعواطف المرجحة، مما خلق مجموعة بيانات معنونة لتدريب نماذج تعلم الآلة.

تعليم الآلات قراءة المزاج

مع توفر مجموعة كبيرة من الأمثلة المعنونة، اختبر الباحثون إحدى عشرة طريقة مختلفة لتعلم الآلة لمعرفة أيها يمكنه أفضل تخمين عاطفة الشخص من قراءاته الداخلية. شملت هذه تقنيات معروفة مثل الانحدار اللوجستي، آلات المتجه الداعم، الجيران الأقرب k، الشبكات العصبية، والعديد من أساليب "التحالف" التي تجمع شجرات قرار بسيطة كثيرة. تفوّق نهج الغابة العشوائية—والذي يصوّت عبر العديد من أشجار القرار. في مجموعة البيانات الرئيسية، حدّد هذا النموذج الست عواطف بدقة تقارب 91% في الاختبارات القياسية، وحوالي 93% عند التحقق بصرامة أكبر باستخدام إجراء التحقق المتقاطع k‑fold الذي يساعد على الحماية من الإفراط في الملاءمة.

اختبار النظام خارج المختبر

للتأكد مما إذا كان النموذج سيعمل على أشخاص وحالات خارج بيانات تدريبه، أجرى الفريق اختبارًا خارجيًا باستخدام معيار عاطفي واسع الانتشار يسمى DEAP. في هذا الإعداد، شاهد المتطوعون مقاطع فيديو مختارة بعناية تهدف إلى استحضار مشاعر مختلفة، بينما قست إشاراتهم الداخلية بنفس تكوين الحساسات. طُلب من نموذج الغابة العشوائية المدرب، دون إعادة تدريب، تصنيف هذه التسجيلات الجديدة. حقق دقة تقارب 94%، مع درجات قوية عبر جميع العواطف—دليل على قدرة النظام على التعميم خارج العينة الأصلية. يجادل المؤلفون بأن هذا يبرهن على اختيارهم لإشارات الجسم وتصميمهم العام، الذي يشمل مكونات الأجهزة الحسية، اتصال إنترنت الأشياء، التخزين السحابي، والبرمجيات الذكية.

من نموذج بحثي إلى رفيق يومي

بالنسبة لغير المتخصصين، الخلاصة بسيطة: إشارات جسدك الخفية يمكن أن تكشف بثقة عن شعورك، والحواسيب تستطيع تعلم قراءتها. تُظهر هذه العملة أن شبكة من الحساسات القابلة للارتداء، متصلة عبر الإنترنت ومحللة بخوارزميات متقدمة، قادرة على تتبع العواطف بطريقة غير غازية وبزمن يقارب الزمن الحقيقي. وعلى الرغم من أن النظام الحالي له حدود—مثل حجم عينة متواضع وتركيز على ست عواطف أساسية فقط—إلا أنه يشير إلى أدوات مستقبلية قد تدعم الصحة العقلية، تخصيص التجارب الرقمية، مراقبة الأشخاص المعزولين أو المعرضين للخطر في المنازل، وجعل البيئات الذكية أكثر استجابة لحياتنا الداخلية.

الاستشهاد: Rashid, T., Bajwa, I.S. & Kim, J. An IoT-based smart emotion recognition system by using internal body parameters. Sci Rep 16, 7210 (2026). https://doi.org/10.1038/s41598-026-35982-9

الكلمات المفتاحية: التعرّف على العاطفة, أجهزة استشعار قابلة للارتداء, الإشارات الفسيولوجية, إنترنت الأشياء, تعلم الآلة