La ricerca nel campo dell’interazione uomo-computer (HCI) ha compiuto un passo avanti significativo grazie allo sviluppo della tecnologia PREFAB, presentata dal team del professor Kim Kyung-joong del Gwangju Institute of Science and Technology (GIST). Questo studio, insignito della menzione d’onore alla conferenza globale CHI 2026, introduce un nuovo paradigma per il riconoscimento e la modellazione degli stati emotivi, sfidando il presupposto tradizionale secondo cui l’accuratezza di un sistema di intelligenza artificiale dipenda necessariamente dalla densità dei dati raccolti. Invece di richiedere una registrazione continua e frammentata di ogni singolo istante di un’esperienza, il framework PREFAB propone la ricostruzione dell’intero flusso affettivo a partire esclusivamente dai momenti critici, definiti punti di flesso, in cui si verificano variazioni rapide e significative.
L’innovazione tecnica alla base di PREFAB risiede nel suo metodo di apprendimento delle preferenze orientato al flusso, che si ispira direttamente alla psicologia comportamentale umana. La ricerca ha osservato che gli esseri umani hanno difficoltà a quantificare le proprie emozioni attraverso valori numerici assoluti, trovando invece molto più naturale ed efficace esprimere giudizi comparativi rispetto al tempo. Piuttosto che assegnare un punteggio fisso a uno stato d’animo, un utente tende a percepire la direzione del cambiamento, valutando se il proprio stato di benessere stia migliorando o peggiorando rispetto a un momento precedente. Il sistema utilizza questa caratteristica intrinseca per identificare automaticamente i punti di fluttuazione emotiva e porre domande mirate all’utente solo quando necessario, ottimizzando così il processo di acquisizione delle informazioni.
Sotto il profilo computazionale, PREFAB è in grado di prevedere le variazioni emotive in anticipo analizzando i dati comportamentali, consentendo di ricostruire fino al 70% del flusso emotivo complessivo pur riducendo drasticamente il carico cognitivo richiesto al soggetto. Questo approccio risolve un limite cronico dei metodi di monitoraggio esistenti, nei quali l’obbligo di registrare costantemente i propri stati d’animo finiva per distorcere l’esperienza stessa dell’utente, introducendo un elemento di stress o distrazione. Focalizzandosi esclusivamente sui momenti intensamente percepiti e sui punti di svolta, l’IA riesce a mantenere un’elevata fedeltà dei dati pur operando su un set di input estremamente ridotto, dimostrando che l’efficienza algoritmica può derivare dalla selezione strategica della qualità dei dati piuttosto che dalla loro semplice quantità.