Clasificación de las emociones: en el corazón de la computación emocional.

La inteligencia artificial emocional, además de la conexión obvia con el aprendizaje automático y las redes neuronales, está directamente relacionada con la psicología y, en particular, con la ciencia de las emociones. Hay varios desafíos en esta área hoy. Una de ellas es la formación de una clasificación precisa y completa de los estados emocionales, de la que depende directamente el proceso de anotación, incluida la comparación de las expresiones faciales observadas y otras señales no verbales con ciertas emociones y estados afectivos.

Clasificación de las emociones.

Hoy en día, se utilizan ampliamente tres enfoques para la categorización de datos emocionales: modelos discretos y multidimensionales, así como híbridos, que combinan los dos primeros tipos.

El enfoque discreto se basa en la categorización de las emociones que encontramos en el lenguaje natural. Cada emoción está asociada con un campo semántico: un significado específico o un conjunto de significados que atribuimos a un determinado estado emocional. La teoría de las emociones básicas es uno de los ejemplos más famosos del enfoque discreto.

La primera mención de algo similar a lo que se entiende por emociones básicas o primarias se puede encontrar en textos filosóficos tempranos, por ejemplo, herencia griega o china. Platón en la famosa obra "República" atribuyó las emociones a los componentes principales de la mente humana. En la teoría funcional de las emociones de Aristóteles, la razón, las emociones y las virtudes están interconectadas, y la vida emocional de cada persona sana está siempre (o casi siempre) alineada con la razón y las virtudes, tanto si es consciente de ello como si no. En el confucianismo chino, encontramos de cuatro a siete "Qing", emociones que son naturales para cualquier persona.

En el siglo XX, el tema estaba en el centro del interés científico, y varios autores, incluido Paul Ekman, el autor de la teoría más común de las emociones básicas, propusieron su propia visión de la cantidad de tales emociones. Ekman sugirió que las emociones básicas deberían ser universales, en el sentido de que su manifestación es la misma para todas las culturas. En diferentes teorías, podemos encontrar de 6 a 22 emociones (Ekman, Parrot, Frijda, Plutchik, Tomkins, Matsumoto - ver Cambria et al., 2012 para más detalles).

La existencia de emociones básicas hoy en día sigue siendo un tema polémico (ver, por ejemplo, Barret y Wager, 2006; o Crivelli y Fridlund, 2018). Varios estudios han demostrado una relación entre las emociones básicas y la actividad de las estructuras cerebrales individuales (por ejemplo, Murphy et al., 2003, y Phan et al., 2002), aunque otros estudios no han confirmado esta correlación (ver Barrett & Wage, 2006). Curiosamente, algunos estudios sobre la percepción de las emociones en grupos étnicos aislados no respaldan la hipótesis de la universalidad transcultural de las emociones. Un ejemplo son los trobrianos de Papua Nueva Guinea (ver Crivelli y Fridlund, 2018, y Gendron et al., En prensa). En un experimento, a los representantes de la tribu se les mostró una fotografía de una persona que expresaba miedo, pero los trobrianos percibieron esta expresión como una señal de amenaza.


Atlas de la emoción propuesto por Paul Ekman: atlasofemotions.org . La versión original de 1999 también incluía "sorpresa".

Hoy, muchas decisiones en el campo de la computación emocional se basan en modelos discretos e incluyen solo emociones básicas, con mayor frecuencia de acuerdo con la teoría de Ekman (por ejemplo, soluciones de Affectiva, un pionero de la IA emocional). Esto significa que los sistemas automáticos están entrenados para reconocer un número bastante limitado de estados afectivos, aunque en la vida experimentamos constantemente una gran cantidad de emociones, incluidas las emociones mixtas complejas, y en la comunicación interpersonal utilizamos numerosas señales sociales (por ejemplo, gestos).

Otro enfoque, multidimensional , representa las emociones en un espacio multidimensional coordinado. Dado que este espacio es inextricable, hay emociones que tienen la misma naturaleza, pero difieren en varios parámetros. En la ciencia afectiva, estos parámetros (o mediciones) se expresan con mayor frecuencia por valencia y activación (excitación), por ejemplo, en el conjunto de datos RECOLA de Ringeval et al. La intensidad de las emociones también se usa a menudo. Por lo tanto, la tristeza puede verse como una versión menos intensa del dolor y una reflexión más pronunciada, al mismo tiempo más como asco que, por ejemplo, la confianza. El número de mediciones puede variar según el modelo. Solo hay 2 dimensiones (similitud e intensidad) en la rueda de emociones de Plutik, mientras que Fontaine postula 4 dimensiones (valencia, potencia, activación, imprevisibilidad). Cualquier emoción en ese espacio tendrá una serie de características, medidas El valor con el que está presente en una dimensión particular.

Los modelos híbridos combinan enfoques discretos y multidimensionales. Un buen ejemplo de un modelo híbrido es el reloj de arena de la emoción propuesto por Cumbria, Livingston, Hussein (Cambria et al., 2012). Cada dimensión afectiva se caracteriza por seis niveles de poder con los que se expresan las emociones. Estos niveles también se conocen como un conjunto de 24 emociones. Por lo tanto, cualquier emoción puede considerarse como un estado fijo y como parte de un continuo asociado con otras emociones en relaciones no lineales.

Emociones en computación emocional

Entonces, ¿por qué la clasificación de las emociones es tan importante para la computación emocional? Al comienzo del artículo, enfatizamos que la clasificación de las emociones y el enfoque al que nos adherimos afectan directamente el proceso de anotación, marcando el contenido audiovisual de color emocional. Para entrenar una red neuronal para reconocer las emociones, se necesita un conjunto de datos. Pero el marcado de este conjunto depende completamente de nosotros, las personas y de qué emociones asociamos, por ejemplo, con una expresión facial específica.

Hoy, varias herramientas de anotación son comunes. Estos son ANNEMO (Ringeval et al.) Utilizados para modelos multidimensionales, ANVIL (Kipp) y ELAN (Instituto Max Planck de Psicolingüística) utilizados para sistemas discretos. En ANNEMO, la anotación está disponible en 2 dimensiones afectivas: activación y valencia, cuyos valores varían de -1 a +1. Por lo tanto, a cualquier estado emocional se le pueden asignar valores que caractericen su intensidad y positividad / negatividad. Las dimensiones sociales también se pueden evaluar en una escala de 7 puntos en 5 dimensiones: acuerdo, dominio, compromiso, rendimiento y relación.

ANVIL y ELAN le permiten usar sus propios filtros para marcar el contenido emocional audiovisual. Los filtros o marcadores pueden representarse con palabras, oraciones, comentarios o cualquier otro texto relacionado con la descripción de un estado afectivo. Estos marcadores son estáticos y no se pueden expresar en magnitud.

La elección del enfoque y el sistema de anotación depende de los objetivos. Los modelos multidimensionales evitan un problema bien conocido cuando existen algunas palabras en algunos idiomas, mientras que otros pueden no tener palabras para describir estas emociones. Esto hace que el proceso de anotación dependa contextual y culturalmente. Sin embargo, los modelos discretos son una herramienta útil para clasificar las emociones, ya que es difícil evaluar objetivamente los cambios en las cantidades como valencia o activación, y diferentes anotadores darán diferentes estimaciones de la gravedad de estas cantidades.

Bonus: Robótica

Por cierto, la clasificación de las emociones se usa ampliamente no solo en el campo del reconocimiento de las emociones, sino también para su síntesis. Por ejemplo, en robótica. El espectro emocional disponible para el robot puede integrarse en un espacio multidimensional de emociones. Sistema de afecto, un sistema de estados emocionales entre los que probablemente el robot más lindo de la industria de la inteligencia artificial, Kismet desarrollado por MIT (MIT), se basa en un enfoque multidimensional. Cada dimensión del espacio emocional (activación, valencia y estado (postura), es decir, disposición para la comunicación) está asociada con un conjunto de expresiones faciales. Tan pronto como se alcanza el valor requerido, el robot cambiará a la siguiente emoción.


Video: Cómo funciona el robot Kismet