Klasifikasi emosi: di jantung komputasi emosional

Kecerdasan buatan emosional, di samping hubungan yang jelas dengan pembelajaran mesin dan jaringan saraf, secara langsung berkaitan dengan psikologi dan, khususnya, dengan ilmu emosi. Ada beberapa tantangan di bidang ini saat ini. Salah satunya adalah pembentukan klasifikasi keadaan emosi yang akurat dan lengkap, di mana proses anotasi secara langsung bergantung, termasuk membandingkan ekspresi wajah yang diamati dan sinyal non-verbal lainnya dengan emosi dan keadaan afektif tertentu.

Klasifikasi emosi

Saat ini, tiga pendekatan untuk kategorisasi data emosional banyak digunakan: model diskrit dan multidimensi, serta hibrid, menggabungkan dua jenis pertama.

Pendekatan diskrit didasarkan pada kategorisasi emosi yang kita temukan dalam bahasa alami. Setiap emosi dikaitkan dengan bidang semantik - makna tertentu atau serangkaian makna yang kita kaitkan dengan keadaan emosi tertentu. Teori emosi dasar adalah salah satu contoh paling terkenal dari pendekatan diskrit.

Penyebutan pertama tentang sesuatu yang mirip dengan apa yang dimaksud dengan emosi dasar , atau primer, dapat ditemukan dalam teks-teks filosofis awal, misalnya, warisan Yunani atau Cina. Plato dalam karya terkenal “Republic” menghubungkan emosi dengan komponen utama pikiran manusia. Dalam teori fungsional Aristoteles tentang emosi, akal, emosi dan kebajikan saling berhubungan, dan kehidupan emosional setiap orang yang sehat selalu (atau hampir selalu) selaras dengan akal dan kebajikan, apakah ia menyadarinya atau tidak. Dalam Konfusianisme Tiongkok, kami menemukan empat hingga tujuh "Qing" - emosi yang alami bagi siapa saja.

Pada abad XX, topik tersebut menjadi fokus minat ilmiah, dan sejumlah penulis, termasuk Paul Ekman, penulis teori paling umum emosi dasar, mengusulkan visi mereka sendiri tentang jumlah emosi semacam itu. Ekman menyarankan bahwa emosi dasar harus bersifat universal, dalam arti bahwa manifestasinya sama untuk semua budaya. Dalam teori yang berbeda, kita dapat menemukan 6 hingga 22 emosi (Ekman, Parrot, Frijda, Plutchik, Tomkins, Matsumoto - lihat Cambria et al., 2012 untuk detailnya).

Keberadaan emosi dasar hari ini tetap menjadi masalah yang diperdebatkan (lihat, misalnya, Barret & Taruhan, 2006; atau Crivelli & Fridlund, 2018). Sejumlah penelitian telah menunjukkan korelasi emosi dasar dengan aktivitas struktur otak individu (mis., Murphy et al., 2003, dan Phan et al., 2002), meskipun penelitian lain belum mengkonfirmasi korelasi ini (lihat Barrett & Wage, 2006). Menariknya, beberapa studi tentang persepsi emosi dalam kelompok etnis terisolasi tidak mendukung hipotesis universalitas lintas-budaya emosi. Salah satu contoh adalah Trobrians dari Papua New Guinea (lihat Crivelli & Fridlund, 2018, dan Gendron et al., In press). Dalam sebuah percobaan, perwakilan suku ditunjukkan foto seseorang yang mengungkapkan rasa takut, tetapi orang-orang Trobria memandang ungkapan ini sebagai sinyal ancaman.


Atlas Emosi diusulkan oleh Paul Ekman: atlasofemotions.org . Versi asli tahun 1999 juga termasuk "kejutan."

Saat ini, banyak keputusan dalam bidang komputasi emosional didasarkan pada model diskrit dan hanya memasukkan emosi dasar, paling sering sesuai dengan teori Ekman (misalnya, solusi Affectiva, pelopor AI emosional). Ini berarti bahwa sistem otomatis dilatih untuk mengenali sejumlah keadaan afektif yang agak terbatas, meskipun dalam kehidupan kita terus-menerus mengalami sejumlah besar emosi, termasuk emosi campuran yang kompleks, dan dalam komunikasi interpersonal kita menggunakan banyak sinyal sosial (misalnya, gerak tubuh).

Pendekatan lain - multidimensi - mewakili emosi dalam ruang multidimensi yang terkoordinasi. Karena ruang ini tidak dapat dipisahkan, ada emosi yang memiliki sifat yang sama, tetapi berbeda dalam sejumlah parameter. Dalam ilmu afektif, parameter ini (atau pengukuran) paling sering dinyatakan oleh valensi dan aktivasi (gairah), misalnya, dalam dataset RECOLA oleh Ringeval et al. Intensitas emosi juga sering digunakan. Dengan demikian, kesedihan dapat dilihat sebagai versi kesedihan yang kurang intens dan perhatian yang lebih nyata, pada saat yang sama lebih seperti jijik daripada, misalnya, kepercayaan. Jumlah pengukuran dapat bervariasi sesuai model. Hanya ada 2 dimensi (kesamaan dan intensitas) dalam roda emosi Plutchik, sementara Fontaine mendalilkan 4 dimensi (valensi, potensi, aktivasi, tidak dapat diprediksi) .S Emosi apa pun dalam ruang tersebut akan memiliki sejumlah karakteristik yang diukur nilai yang ada dalam dimensi tertentu.

Model hybrid menggabungkan pendekatan diskrit dan multidimensi. Contoh yang baik dari model hibrida adalah Jam Pasir Emosi yang dikemukakan oleh Cumbria, Livingston, Hussein (Cambria et al., 2012). Setiap dimensi afektif ditandai oleh enam tingkat kekuatan yang dengannya emosi diungkapkan. Level-level ini juga disebut sebagai satu set 24 emosi. Dengan demikian, setiap emosi dapat dianggap sebagai kondisi tetap dan sebagai bagian dari kontinum yang terkait dengan emosi lain dalam hubungan non-linear.

Emosi dalam komputasi emosional

Jadi mengapa klasifikasi emosi sangat penting untuk komputasi emosional? Pada awal artikel, kami menekankan bahwa klasifikasi emosi dan pendekatan yang kami patuhi secara langsung mempengaruhi proses anotasi - menandai konten audio-visual yang berwarna emosional. Untuk melatih jaringan saraf untuk mengenali emosi, satu set data diperlukan. Tetapi markup set ini sepenuhnya bergantung pada kita orang, dan pada emosi apa yang kita kaitkan, misalnya, dengan ekspresi wajah tertentu.

Saat ini, beberapa alat anotasi sudah umum. Ini adalah ANNEMO (Ringeval et al.), Digunakan untuk model multi-dimensi, ANVIL (Kipp) dan ELAN (Max Planck Institute of Psycholinguistics), digunakan untuk sistem diskrit. Dalam ANNEMO, anotasi tersedia dalam 2 dimensi afektif: aktivasi dan valensi, yang nilainya berkisar dari -1 hingga +1. Dengan demikian, setiap keadaan emosional dapat diberi nilai yang mencirikan intensitas dan kepositifan / negatifnya. Dimensi sosial juga dapat dievaluasi pada skala 7 poin dalam 5 dimensi: kesepakatan, dominasi, keterlibatan, kinerja, dan hubungan.

ANVIL dan ELAN memungkinkan Anda untuk menggunakan filter Anda sendiri untuk menandai konten emosional audioual. Filter, atau spidol, dapat diwakili oleh kata-kata, kalimat, komentar, atau teks lain yang terkait dengan deskripsi keadaan afektif. Marker ini statis dan tidak dapat diekspresikan dalam magnitude.

Pilihan pendekatan dan sistem anotasi tergantung pada tujuan. Model multidimensi menghindari masalah terkenal ketika beberapa kata ada dalam beberapa bahasa, sementara yang lain mungkin tidak memiliki kata-kata untuk menggambarkan emosi ini. Ini membuat proses anotasi bergantung secara kontekstual dan budaya. Namun demikian, model diskrit adalah alat yang berguna untuk mengkategorikan emosi, karena sulit untuk secara obyektif mengevaluasi perubahan kuantitas sebagai valensi atau aktivasi, dan annotator yang berbeda akan memberikan perkiraan yang berbeda dari tingkat keparahan jumlah ini.

Bonus: Robotika

Ngomong-ngomong, klasifikasi emosi banyak digunakan tidak hanya di bidang pengenalan emosi, tetapi juga untuk sintesisnya. Misalnya, dalam robotika. Spektrum emosional yang tersedia untuk robot dapat diintegrasikan ke dalam ruang emosi multi-dimensi. Mempengaruhi sistem - sistem keadaan emosional di antara yang mungkin merupakan robot paling lucu dalam industri AI - Kismet yang dikembangkan oleh MIT (MIT), didasarkan pada pendekatan multidimensi. Setiap dimensi ruang emosional (aktivasi, valensi, dan keadaan (sikap), yaitu, kesiapan untuk berkomunikasi) dikaitkan dengan serangkaian ekspresi wajah. Begitu nilai yang dibutuhkan tercapai, robot akan beralih ke emosi berikutnya.


Video: Cara Kerja Robot Kismet