تحلیل تطبیقی بار شناختی در تعامل مستمر انسان و هوش مصنوعی: رویکردی مبتنی بر علوم اعصاب محاسباتی

گسترش تعاملات مستمر میان انسان و سیستم های هوش مصنوعی، ضرورت ارزیابی دقیق حالات شناختی و هیجانی کاربران را بیش از پیش آشکار کرده است. هدف این پژوهش، تحلیل تطبیقی بار شناختی در تعامل مستمر انسان و هوش مصنوعی با استفاده از رویکردهای علوم اعصاب محاسباتی و داده های الکتروانسفالوگرافی است. در این راستا، تاثیر همسویی عاطفی درک شده بر کاهش بار شناختی و خطای کاربر مورد بررسی قرار گرفت. داده های سیگنال های مغزی در باندهای فرکانسی تتا و آلفا از شرکت کنندگان در حین انجام وظایف پیچیده و در تعامل با دو نوع رابط هوش مصنوعی، یعنی استاندارد و تطبیق پذیر، ثبت گردید. نتایج مشخص کرد که استفاده از سیستم های مبتنی بر بازخورد حلقه بسته و همسویی عاطفی، به کاهش قابل توجه نسبت توان تتا به آلفا، به عنوان شاخص بار شناختی، منجر می شود. همچنین، مدل های شبکه عصبی گراف با دقت بالا توانستند حالت اضافه بار شناختی را تشخیص دهند و سیستم تطبیق پذیر نیز توانست نرخ خطا کاربر را کاهش دهد. این یافته ها نشان می دهد که یکپارچه سازی مدل های محاسباتی با سیگنال های عصبی می تواند به بهینه سازی رابط های کاربری و جلوگیری از فرسایش شناختی در تعاملات طولانی مدت کمک کند.

کلیدواژه ها:

بار شناختی ، تعامل انسان و هوش مصنوعی ، الکتروانسفالوگرافی ، اعصاب محاسباتی