Científicos de diversas instituciones internacionales, como la Universidad de Toronto y el FPT Software AI Center en Vietnam, han desarrollado un nuevo modelo de análisis de sentimientos, denominado Razonamiento Sentimental, que busca mejorar la transparencia y precisión en el campo de salud. Este enfoque multimodal combina tanto el discurso textual como el hablado, abordando las limitaciones de los análisis basados solo en texto, como los propuestos por Murugaiyan y Uyyala en 2023.

El mercado global del análisis de sentimientos se estima crecerá desde un valor de 4 mil millones de dólares en 2023 a 10.1 mil millones en 2030, con una tasa de crecimiento anual compuesta del 14.2%. Se espera que la capacidad de los Modelos de Gran Lenguaje (LLMs) para comprender emociones en contexto e inferir sentimientos implícitos aumente la confianza entre los sistemas de inteligencia artificial (IA) y los usuarios.

La novedad de este enfoque radica en su capacidad para predecir etiquetas de sentimientos tanto en transcripciones humanas como en aquellas generadas por reconocimiento automático del habla (ASR), consiguiendo un aumento del 1% en la precisión y macro-F1 a través de un afinamiento potenciado por la generación de razones explicadas.

El estudio revela que el razonamiento sentimental no solo mejora el rendimiento del modelo, sino que lo hace semánticamente comparable a entidades humanas. Este proyecto, además, publica todos sus datos y códigos de modelo traducidos al inglés y vietnamita en línea, fomentando la transparencia y accesibilidad dentro de la comunidad científica.

Aunque la calidad semántica de las razones generadas no difiere significativamente entre las transcripciones humanas y las del ASR, los desafíos técnicos persisten debido a la variabilidad inherente en las señales de voz, los acentos y las condiciones de grabación, complicando la extracción de características acústicas fiables.

Sin embargo, el potencial de este análisis de sentimientos es innegable, ya que desempeña un papel esencial en dominios críticos como la atención médica, facilitando la evaluación en tiempo real de la satisfacción del cliente y potenciando interacciones más empáticas y receptivas.

En conclusión, avanzar hacia un análisis de sentimientos más transparente y robusto, como el propuesto por este marco innovador, no solo refuerza la confianza en las decisiones automatizadas en la salud, sino que también prepara el camino para una adopción más amplia en otros campos de la tecnología y la ciencia.