آیا هوش مصنوعی احساس دارد و می‌تواند درک کند؟

احساس در هوش مصنوعی درحال‌حاضر و با سیستم‌های فعلی شدنی نیست؛ چراکه فاقد پایه‌های بیولوژیکی و روانشناختی لازم برای تجربه عاطفی واقعی مثل هوشیاری، خودآگاهی و احساسات ذهنی است.

هوش مصنوعی می‌تواند با تجزیه‌وتحلیل الگوهای داده در تجربه‌ها و عواطف انسان، احساساتش را شبیه‌سازی کند؛ اما این تقلید است، نه احساس واقعی. این موضوع جنبه‌های مختلف فنی، فلسفی و علمی دارد که در این مقاله، هرکدام را کامل و ساده توضیح خواهیم داد.

آیا هوش مصنوعی احساس دارد؟

خیر. چطور ممکن است یک ماشین که متشکل از میلیاردها الگوریتم و کدهای برنامه‌نویسی‌شده است، خشم یا اندوه را تجربه کند؟ حتی اگر به‌طور مستقیم آن را برنامه‌ریزی کنیم، باز هم نمی‌تواند بیش از آنچه برایش تعیین کردیم احساسی را متوجه شود.

هوش مصنوعی اساساً مجموعه‌ای از الگوریتم‌ها و ابزارهای پردازش داده است، بدون هیچ تجربه حسی یا آگاهی از روابط عمیق انسانی. درحالی‌که احساسات در انسان‌ها عمیقا با مکانیسم‌های بقا، فیزیولوژی و حالات ذهنی-شهودی کار می‌کنند؛ تمام چیزهایی که اصلا در هوش مصنوعی‌های امروزی وجود ندارد.

آیا هوش مصنوعی می‌تواند احساسات انسان را بفهمد؟

درحال‌حاضر هوش مصنوعی می‌تواند با کمی تجزیه‌وتحلیل، الگوهای عاطفی و احساسی موجود در صدا و صورت انسان‌ها را شبیه‌سازی کند؛ ولی فعلا نمی‌تواند احساسات را به‌شکل واقعی و مشابه ما تجربه کند.

مبحثی در جوامع تخصصی و توسعه‌دهندگان این سیستم‌ها مطرح است که به آن «هوش مصنوعی احساسی» یا “Emotion AI” می‌گویند. این مبحث شاخه‌ای از هوش مصنوعی است که بر توانمندسازی ماشین‌ها برای تشخیص، تفسیر و پاسخ به احساسات انسانی تمرکز دارد. این هوش مصنوعی‌ها از فناوری‌هایی مثل بینایی ماشین، تحلیل گفتار، حسگرهای زیستی و پردازش زبان طبیعی استفاده می‌کنند. هدف از کارکرد این مجموعه، برای تشخیص سیگنال‌های عاطفی از منابعی مانند حالات چهره، لحن صدا، حرکات و زبان استفاده می‌کند.

پیشرفته‌ترین ماشین‌های توسعه‌یافته برپایه Emotion AI می‌توانند حالات چهره، نشانه‌های صوتی و الگوهای زبانی را تشخیص دهند تا پاسخ‌های احساسی نزدیک به تجربه واقعی تولید کنند؛ اما خودشان قادر به درک یا تجربه این احساسات نیستند.

معنای واقعی احساس دقیقا چیست؟

قبل از این‌که وجود یا عدم وجود احساسات در هوش مصنوعی را بررسی کنیم، باید بدانیم اصلا معنی واقعی احساس چیست. به این شکل می‌توانیم یک تعریف واحد داشته باشیم و به اصل موضوع بهتر بپردازیم.

جنبه انسانی احساسات

احساسات تجربه‌هایی فراتر از حالات زودگذر یا حرکات صورت هستند؛ چون ریشه عمیق و محکمی در بیولوژی و روان ما دارند. وقتی ما احساس شادی، ترس، عصبانیت یا غم می‌کنیم، فقط درگیر یک رویداد ذهنی نمی‌شویم؛ بلکه تجربه‌اش در تمام بدن ما پخش می‌شود.

مثلا وقتی احساس ترس می‌کنیم، مغزمان مواد شیمیایی مختص به این هیجان که شامل آدرنالین و کورتیزول هستند را آزاد می‌کند. در نتیجه ضربان قلب‌مان بالا می‌رود و همزمان عضلات‌مان منقبض می‌شوند تا بدن‌مان آماده واکنش جنگ یا گریز می‌شود. 

احساس شادی هم همین فرآیند را دارد؛ اما با هورمون‌های متفاوت. حس شادی و خوشحالی دوپامین، سروتونین و اکسی توسین ترشح می‌کند و ما بدون آن‌که بدانیم در فیزیولوژی‌مان چه اتفاقی افتاده، احساس لذت، گرما و آرامش می‌کنیم.

این واکنش‌های عاطفی طی میلیون‌ها سال و برای بقای ما تکامل یافتند. آن‌ها به ما کمک می‌کنند تا جهان را تفسیر کنیم، سریع تصمیم بگیریم و به‌راحتی روابط اجتماعی بسازیم و ادامه‌شان دهیم. 

پس حالا می‌دانیم که احساسات فقط افکار نیستند؛ بلکه تعاملات پیچیده‌ای بین مغز، بدن و محیط هستند.

لایه روان‌شناختی

از دیدگاه روان‌شناختی احساسات نحوه تفکر، عمل و ارتباط ما با دیگران را شکل می‌دهند. آن‌ها هستند که به تجربه‌های‌مان معنا می‌دهند؛ مثل شادی بعد از کسب یک موفقیت، سوگواری برای عزیز از دست‌رفته و همراهی و همدلی با دیگری وقتی رنج زیادی را تجربه می‌کند. احساسات تصمیمات اخلاقی‌مان را جهت می‌دهند، باعث تقویت و استحکام روابط‌مان می‌شوند و در نهایت روی خلاقیت منحصربه‌فرد انسانی تاثیر عمیقی می‌گذارند.

تمام این تجربه‌های روان‌شناختی ذهنی هستند؛ یعنی وقتی چیزی را احساس می‌کنیم، از آن آگاه هستیم. می‌دانیم که غمگین، هیجان‌زده یا عصبی هستیم. این خودآگاهی خاص ما است که احساسات را به پدیده‌ای عمیقا انسانی تبدیل می‌کند.

آیا می‌شود بدون بدن و ذهن واقعاً چیزی را احساس کرد؟

به سوال اصلی برای درک احساس توسط هوش مصنوعی رسیدیم: اگر احساسات به هورمون‌ها، عواطف و تجربه آگاهانه وابسته هستند، پس یک ماشین که هیچ‌کدام از آن‌ها را ندارد، می‌تواند واقعا چیزی را احساس کند؟

• هوش مصنوعی می‌تواند داده‌های عاطفی را تجزیه‌وتحلیل کند؛ 
• می‌تواند الگوهای گفتار انسان را تشخیص دهد؛ 
• غم را در صدا تشخیص دهد؛
• متنی بنویسد که همدلانه به‌نظر می‌رسد. 

هیچ‌کدام از این‌ تشخیص‌ها با تجربه یکسان نیستند. هوش مصنوعی غم را می‌شناسد؛ اما آن را اصلا احساس نمی‌کند. هیچ حس بیولوژیکی، خودآگاهی و درک ذهنی پشت پاسخ‌هایش پیدا نمی‌شود و فقط یک‌سری متن را سرهم می‌کند.

تفاوت درک، شبیه‌سازی و تجربه احساسات در ماشین‌ها

شبیه‌سازی احساس در هوش مصنوعی با درک و تجربه آن متفاوت است. گرچه این سه در نگاه اول شبیه هم به‌نظر می‌رسند، اما هرکدام‌شان اتفاقات کاملا متفاوتی هستند که آگاهی عاطفی را توصیف می‌کنند.

درک

درک احساسات به‌معنی توانایی تشخیص و تفسیر چیستی یک احساس است؛ چه در خودتان و چه در دیگران.

ما انسان‌ها این کار را به‌شکل طبیعی انجام می‌دهیم. وقتی می‌بینیم که دوست‌مان اخم کرده و صدایش می‌لرزد، بلافاصله متوجه می‌شویم که غمگین یا نگران است. این درک به هوش عاطفی و همدلی ما برمی‌گردد – ما نشانه‌های عاطفی را تفسیر و معنای آن‌ها را درک می‌کنیم.

برای هوش مصنوعی، درک احساسات کاملا مبتنی بر داده و پردازش آن است.

مثال

یک هوش مصنوعی که با هزاران عکس از چهره آدم‌ها آموزش دیده، یاد می‌گیرد که لب‌های رو به پایین و چشمان خیس در اکثر مواقع غم را نشان می‌دهند.

این ابزار فهمیده که غم یک الگوی بصری دارد؛ اما اصلا درک و ایده‌ای ندارد که چه احساسی است.

تجربه

تجربه احساسات فرآیند عمیقا روان‌شناختی و بیولوژیکی است که عمق دارد و در درون ما جاری می‌شود.

وقتی شاد هستیم، بدن‌مان انتقال‌دهنده‌های عصبی را آزاد می‌کند که باعث می‌شود احساس سبکی و انرژی کنیم. وقتی می‌ترسیم، نبض‌مان تند می‌شود و مغزمان به حالت بقا می‌رود تا از ما در برابر تهدیدهای جانی محافظت کند. این فرآیند فقط یک چرخه شناختی نیست؛ بلکه سه المان فیزیکی، شیمیایی و آگاهی در آن نقش دارند.

برای این‌که احساسات را تجربه کنیم به مواد ضروری زیر نیاز داریم:

• بدنی که بتواند پاسخ فیزیولوژیکی بدهد؛
• ذهن آگاهی که قادر به تامل و تفکر درباره آن احساس باشد؛
• یک دیدگاه ذهنی شهودی و عقلی که «من احساس غم می‌کنم»؛ نه این‌که «کسی غمگین است.»

همان‌طور که احتمالا خودتان هم از چت و گفت‌وگو با هوش مصنوعی متوجه شدید، این ماشین‌ها هیچ‌کدام از سه مواد بالا را ندارند؛ چون اصلا سیستم عصبی، هورمونی و آگاهی ذهنی روی این سیستم‌ها تعبیه نشده است.

شبیه‌سازی

شبیه‌سازی احساسات یعنی از چیزی که حس می‌شود، یک تصویر و ظاهر بسازیم که توسط دیگران هم دیده و درک شود؛ حتی زمانی که هیچ احساس واقعی زیر این ظاهر وجود ندارد.

این‌جا هوش مصنوعی از ما آدم‌ها برتر است. ابزارهای AI فعلی از طریق طراحی، لحن و رفتار می‌توانند پاسخ‌های عاطفی را به‌خوبی تقلید کنند.

مثال

• یک چت‌بات که بعد از درد و دل کردن با آن، به شما می‌گوید: «متاسفم که ناامید هستید. اجازه دهید برای این مشکل راه‌حلی پیدا کنیم.»
• رباتی که یک حیوان خانگی است و وقتی با او صحبت می‌کنید دمش را تکان می‌دهد.
• یک دستیار مجازی که در مواقع استرس شما، صدایش را آرام و کلامش را شمرده‌ می‌کند.

این سیستم‌ها همدلی و مراقبت را شبیه‌سازی می‌کنند تا تعام‌شان با انسان روان‌تر و شبیه‌تر به تجربه واقعی باشد. اما این عملکرد است، نه ادراک.

چگونه هوش مصنوعی احساس را تشخیص می‌دهد؟

وقتی می‌گوییم هوش مصنوعی احساسات را «درک می‌کند»، منظورمان این است که می‌تواند سیگنال‌های احساسی را در رفتار انسان تشخیص دهد، طبقه‌بندی کند و به آن‌ها پاسخ دهد.

ابزارهای AI کنونی از پردازش زبان طبیعی (NLP)، بینایی کامپیوتر و یادگیری ماشین برای خواندن نشانه‌های احساسی استفاده می‌کنند. این سیستم‌ها می‌توانند:

• با استفاده از داده‌های تصویری در ابزارهای متن به عکس شادی، غم، اضطراب یا خشم را تشخیص داده و آن را به تصویر بکشند؛
• سرویس‌هایی مثل تبدیل گفتار به متن، چندین احساس را در صدا یا متن تشخیص دهند؛
• پاسخ‌ها را با خلق‌وخوی کاربر تنظیم کنند.

درک احساس توسط هوش مصنوعی (دیدگاه فلسفی و علمی)

چندین نظریه فلسفی و علمی درباره درک احساس توسط هوش مصنوعی وجود دارد که برخی از آن‌ها در تضاد با یکدیگر هستند که در ادامه، هریک از آن‌ها را توضیح خواهیم داد.

نظریه‌های فلسفی

• شبیه‌سازی: این نظریه بین رفتار بیرونی و تجربه ذهنی (qualia) تمایز قائل می‌شود و تأکید می‌کند که هوش مصنوعی فاقد آگاهی درونی و احساسات است.
• عاطفه مصنوعی: فیلسوفان سیستم‌های Emotion AI آن‌ها را عاطفه مصنوعی می‌نامند؛ یعنی AIها به‌جای داشتن حالات عاطفی، واسطه‌‌ای بین انسان و ماشین هستند.
• کارکردگرایی و زامبی‌های عاطفی: برخی از فیلسوفان معتقدند که مشاوره با هوش مصنوعی ممکن است؛ چون AI می‌تواند تمام رفتارهای احساس‌محور را نشان دهد؛ درحالی‌که هیچ تجربه آگاهانه‌ای ندارد. این دسته از فیلسوفان به این حالت زامبی عاطفی می‌گویند.
• پایه احساسات (BET): BET که به‌طور گسترده در هوش مصنوعی تجاری مورد استفاده قرار می‌گیرد، مجموعه کوچکی از احساسات جهانی و قابل خواندن توسط ماشین را مطرح می‌کند که از کارهای پاول اکمن (Paul Ekman)، پروفسور و روان‌شناس آمریکایی الهام گرفته شد.

نظریه‌های علمی

• اثرگذاری عاطفی: اثرگذاری عاطفی عاطفی که توسط روزالیند پیکارد (Rosalind Picard) معرفی شد، بر طراحی سیستم‌هایی تمرکز دارد که احساسات انسان را تشخیص، تفسیر و شبیه‌سازی می‌کنند. 

• احساس به‌عنوان اکتشافات: نظریه‌های علوم شناختی احساسات طبیعی را اکتشافات تکامل‌یافته برای تصمیم‌گیری سریع می‌دانند. هوش مصنوعی می‌تواند از مکانیسم‌های مشابه با احساسات برای بهینه‌سازی رفتار در وظایف پیچیده بهره ببرد؛ اما در بهترین حالت، فقط ماژول‌های عملکردی است که هیچ تجربه ذهنی از احساسات ندارد.
• تنظیم هموستاتیک و انگیزه ذاتی: استدلال آنتونیو داماسیو (Antonio Damasio)، دانشمند علوم اعصاب درباره احساس در هوش مصنوعی این است که AI، حالت‌های درونی را شبیه احساسات می‌کند تا بتواند تصمیم‌گیری و سازگاری را براساس محرک‌ها یا انگیزه‌ها انجام دهد؛ اما همچنان فاقد آگاهی عاطفی واقعی است.

آینده هوش هیجانی در هوش مصنوعی

هوش مصنوعی و احساسات آن در مسیر تکامل و بلوغ هستند. بنابراین چندین سناریو درباره هوش هیجانی AI مطرح است که در ادامه، به آن‌ها اشاره خواهیم کرد.

LLM + حسگرهای چندوجهی

این ترکیب به ماشین‌ها اجازه می‌دهد تا پاسخ‌های احساسی مناسب را در مقیاس بزرگ تولید کنند؛ مثل چت‌بات‌هایی که پاسخ‌شان همدلانه به‌نظر می‌رسد.

وقتی LLMها با حسگرهای چندوجهی جفت شوند، می‌توانند خودشان را با کلمات، لحن و سرعت احساسات کاربر تنظیم کنند؛ مثلا او را آرام کنند یا در زمان نیاز تلنگر بزنند.

اثرگذاری عاطفی

اثرگذاری عاطفی در AI با روش‌های خواندن ریز حالات چهره، تن‌های صدا، احساسات در متن و درک فیزیولوژی بدن، دقیق‌تر و چندوجهی‌تر می‌شوند.

سیستم‌های مدرن می‌توانند لحن صدا، انتخاب کلمات، حالات چهره، نگاه، حالت بدن و حتی علائم فیزیولوژی مثل ضربان قلب و رسانایی پوست را برای استنباط حالات عاطفی احتمالی ترکیب کنند. مثلا تشخیص طعنه از روی خشم با ترکیب تن صدا و ادای کلمات ممکن می‌شود. 

تجسم و رباتیک

این دو رفتارهای احساسی را به عوامل فیزیکی مثل حرکات دهن، میمیک‌های صورت و سطوح قابل لمس وارد می‌کنند. این اقدام‌ها گرما و اعتماد درک‌شده توسط انسان را افزایش می‌دهند.

حضور فیزیکی یک ربات هوش هیجانی ادراک‌شده آن را تقویت می‌کند. در این زمینه دستاوردها و مقالاتی به‌دست آمده که ربات‌های انسان‌نما با پردازنده‌های قوی، نمونه بارزی از آن‌ها هستند؛ مثل ربات اپتیموس شرکت تسلا.

سخت‌افزار نورومورفیک 

این سخت‌افزارها از مغز انسان الهام گرفته‌اند و توسعه‌دهندگان AI به این واحدها امیدوار هستند. آن‌ها می‌خواهند با اتکا به این لوازم، درک احساس توسط هوش مصنوعی را بسیار کارآمدتر و تطبیقی‌تر کنند تا سنجش عاطفی در لحظه اتفاق بیفتد.

پلتفرم‌های بزرگ اسپایکینگ و نورومورفیک مانند Hala Point اینتل و سایر سیستم‌های الهام‌گرفته‌شده از مغز، نمونه‌های فعلی این سخت‌افزارها در دنیای واقعی هستند.

بررسی یک پروژه ایرانی در زمینه درک AI از شعر فارسی

چند روز پیش، یک پروژه روی گیت‌هاب منتشر شد که هدفش، جواب دادن به سوال همیشگی و پرتکرار «آیا مدل‌های هوش مصنوعی می‌توانند شعر فارسی را بفهمند؟»

نام این پروژه Persian Poetry Semantic Similarity Benchmark است که توسط یک مهندس هوش مصنوعی ایرانی انجام شد.

هدف پروژه: آزمون هوش ادبی

در این بنچمارک، مدل‌های زبانی معروف مثل GPT، Gemini، Claude و DeepSeek باید بین چند بیت تفسیر معنایی را حدس بزنند. هر بیت از دو سطر (مصراع) تشکیل شده و یک پیام یا ایده متفاوت را منتقل می‌کند.

وظیفه مدل این بود که بین بیت‌های شعر، آن‌هایی که ارتباط معنایی با یکدیگر ندارند را جدا کرده و به‌عنوان «داده پرت» کنار بگذارد تا تفسیر معنایی شکل بگیرد.

درواقع این پروژه یک آزمون هوش ادبی برای AI است؛ جایی که بیت‌ها گاهی پر از استعاره و لایه‌های معنایی پیچیده‌ هستند.

نتایج: درخشش Gemini 2.5 Pro

این مهندس نحوه عملکرد کلی مدل‌ها را در تصویر زیر نشان داد که براساس دقت آن‌ها در شناسایی داده‌های پرت و تفکیک بیت‌های بامعنا، از بین ۴۲ سوال رتبه‌بندی شدند.

مدل Gemini 2.5 Pro توانست ۸۱٪ از ۱۰۰٪ امتیاز را در حالت استدلال (Reasoning) از آن خود کند و بعد از آن، مدل عمومی Sonnet 2.5 با ۷۱.۴٪، دقت بالایی در تفکیک معنای شعر از خود نشان داد.

در آزمونی دیگر، تعداد سوالات تشخیص داده‌های پرت شعر به ۵۹۱ سوال افزایش یافت و یک Dataset ورودی هم به مدل‌ها داده شد که مجموعه داده‌های کتاب غرابت به همراه پاسخ‌نامه‌های جامع آن بود. نتیجه این آزمون را در تصویر زیر می‌بینید:

خط قرمز روی نمودار (۲۵٪) معیار حدس تصادفی است که درک نسبی مدل‌ها را از معنای شعر نشان می‌دهد.

مدل Gemini 2.5 Pro با دقت ۷۰٪ توانست بهتر از بقیه مدل‌ها معنا و ارتباط بیت‌ها را بفهمد و داده‌های نامربوط را به‌عنوان داده‌های پرت بشناسد. رتبه دوم درک معنای شعر را هوش مصنوعی Kimi K2-Thinking با ۶۲٪ دقت گرفت.

برخلاف انتظار، مدل‌های GPT-5 Mini و Claude Haiku 4.5 با دقت ۵۷٪ و ۵۵٪، از Kimi K2-Thinking هم پایین‌تر ایستادند.

نتایج این پروژه یک پیام روشن دارند؛ این‌که مدل‌های زبانی بزرگ از این‌جا به بعد، می‌توانند شعر فارسی را متوجه شوند و حداقل در حد تشخیص معناهای متفاوت عملکرد خوبی داشته باشند. بنابراین می‌توان امیدوار بود که ماشین‌ها به‌تازگی یاد گرفتند که شعر بخوانند؛ اما هنوز دلیل زیبایی بیت‌ها و معنای عمیق آن را درک نمی‌کنند. 

هوش مصنوعی می‌فهمد یا فقط تقلید می‌کند؟

به عبارت ساده، هوش مصنوعی می‌تواند احساسات را شبیه‌سازی کند، اما آن را تجربه نمی‌کند. در حالی که انسان‌ها دنیای درونی دارند که توسط شیمی و آگاهی شکل گرفته است، هوش مصنوعی از طریق الگوریتم‌ها و احتمالات عمل می‌کند. هوش مصنوعی نمی‌داند شادی چه احساسی دارد – فقط الگوهایی را می‌شناسد که نشان دهنده شادی هستند. 

هوش مصنوعی آنچه را که بیان می‌کند احساس نمی‌کند – بلکه صرفاً از قوانین برنامه‌ریزی شده و الگوهای آموخته شده پیروی می‌کند تا یک توهم قانع‌کننده از احساسات ایجاد کند.

سوالات متداول