L'interaction homme-machine sera révolutionnée par les systèmes d'intelligence artificielle sensibles aux émotions, mais elle fait face à d'importants défis de déploiement en matière de préservation de la vie privée. Le travail proposé introduit une solution évolutive pour l'identification des émotions par NLP hors ligne avec vérification de l'identité via la blockchain, comblant ainsi un fossé critique entre l'informatique affective de haute précision et la confidentialité des utilisateurs. Le système a été testé sur un ensemble de données diversifié de 21 000 phrases en anglais. En utilisant « j-hartmann/emotion-english-distilroberta-base » comme transformer, nous avons pu atteindre des performances de pointe dans la détection des émotions à sept classes avec une exactitude moyenne de 94. 2\% 1. 8 et une confiance moyenne enregistrée supérieure à 0. 88 pour les classes de joie et de colère avec un faible coût de calcul, le rendant adapté à l'edge. L'évaluation comparative sur l'ensemble de données GoEmotions a permis d'obtenir un macro F1-score compétitif de 65. 9% par rapport aux modèles de pointe existants, tout en maintenant un débit compatible edge de 1200 sentences/second. Dans notre examen, nous avons constaté que le modèle est robuste et capable de gérer des diversités linguistiques réelles dans divers domaines. L'ancrage de profils émotionnels hachés à des identités décentralisées par l'architecture système proposée permet (1) un stockage infalsifiable des contextes émotionnels sur des smart contracts basés sur Ethereum, (2) une résistance aux attaques Sybil par empreinte comportementale et émotionnelle, et (3) la conformité au GDPR grâce à la personnalisation. Sur des systèmes de référence, la version légère « DistilRoBERTa » peut soutenir 1, 200 sentences/second sur des systèmes grand public, ce qui prouve qu'un déploiement à grande échelle est réalisable. À notre connaissance, il s'agit de l'un des premiers cadres intégrés qui associe la reconnaissance des émotions hors ligne à la vérification d'identité décentralisée (DIDs), combinée à une solide couche de préservation de la confidentialité. Nous pensons que l'étude est en mesure de permettre une informatique affective sécurisée exploitant l'architecture blockchain et de la rendre efficace pour de nombreuses applications, notamment le suivi de la santé mentale, l'apprentissage personnalisé et l'IA conversationnelle sans fraude.
Hasan et al. (Thu,) ont étudié cette question.