Transparente KI Teil 2: Modellierung von Emotionen

,
Soroosh Mashal

In der ersten Folge dieser Serie haben wir die Definition und Rolle von Emotionen, Gefühlen, Stimmungen und Affekten behandelt. In dieser Folge legen wir den Grundstein für die Modellierung von Emotionen im Affective Computing.

Es gibt viele Theorien und Modelle, die versuchen, Gefühle und Emotionen zu erklären. Sie versuchen, Emotionen aus verschiedenen Perspektiven zu erklären: neurobiologisch, kognitiv, psychologisch.

Ein affektiver Ansatz für mehr Effektivität

Der erste Schritt bei der Modellierung besteht darin, zu entscheiden, ob wir diskret oder kontinuierlich modellieren sollen. Die diskrete Modellierung ist leicht zu verstehen. Binär ist zum Beispiel am einfachsten: "Glücklich" vs. "Nicht glücklich", "Traurig vs. "Nicht traurig". Aber wir alle wissen, dass das nicht die Realität ist, oder? Man kann mehr als das sein, man kann fröhlich, glücklich, aufgeregt usw. sein. Versuchen wir es also mit einer kontinuierlichen Modellierung.

Nun müssen wir uns für die Dimension oder die Dimensionen entscheiden. Eine Dimension wird etwas sein, das die Emotionen besser als alles andere differenzieren kann. Was wäre der beste Kandidat für die erste Dimension? Die Frage, wie Emotionen wahrgenommen werden, ist relativ intuitiv.

Valenz und Erregung zur Unterscheidung von Gefühlsausdrücken

Die Valenz unterteilt Emotionen in positive und negative. Zum Beispiel ist Traurigkeit negativ und Glück positiv. Depression ist negativer als Traurigkeit, und Begeisterung ist positiver als Freude.

Um zwischen zwei negativen oder positiven Emotionen zu unterscheiden, ist eine zweite Dimension erforderlich. Wie unterscheiden sie sich, wenn man ihren Ausdruck betrachtet? Wenn jemand aufgeregt ist, ist er/sie mehr erregt und laut. Wenn jemand glücklich ist, ist er/sie weniger erregt. Mit Wut und Traurigkeit ist es dasselbe. Wenn ich wütend bin, schreie ich (es gibt auch kalte Wut, die wir gesondert behandeln) und habe negative Emotionen, und wenn ich traurig bin, weine ich fast lautlos und habe negative Emotionen. Es scheint also, dass wir einen guten Kandidaten für unsere zweite Dimension gefunden haben: Erregung. Je erregter ich bin, desto intensiver ist die Emotion. Wir haben jetzt also einen 2-dimensionalen Raum.

Dominanz als 3. Dimension

Es ist bereits großartig, um viele Emotionen zu unterscheiden, aber gehen wir noch eine Stufe weiter. Nehmen wir ein Beispiel: Wenn Sie Angst haben und in Panik geraten, erleben Sie eine negative Emotion, und Sie schreien auch, was bedeutet, dass Sie auch eine hohe Erregung haben. Wenn Sie wütend sind, erleben Sie ebenfalls eine negative Emotion mit hoher Erregung. Sie sind sich jedoch überhaupt nicht ähnlich. Deshalb sind unsere beiden Dimensionen nicht ausreichend. Was ist also der Unterschied zwischen Panik und Wut? Nun, es ist die Kontrolle über die Situation. Es ist deine Dominanz. Die 3. Dimension ist also Kontrolle oder Dominanz.

Endlich haben wir einen 3D-Raum, den wir zur Modellierung von Emotionen nutzen können.

Alltäglicher Prozess: Zuhören und Erkennen

Jetzt, wo Sie diese Darstellung kennen, können Sie das folgende Experiment durchführen. Schließen Sie die Augen und hören Sie der Stimme einer Person zu. Sie werden sehen, dass Sie mit Hilfe dieser Dimensionen fast jede Emotion identifizieren und einen Raum für sie finden können.

Wir haben unsere Gefühle mathematisch dargestellt. Das ist die Grundlage, um Computern beizubringen, die Welt auf diese Weise zu sehen. In unserer nächsten Folge werden wir uns eingehender mit der technischen Seite befassen und sehen, wie maschinelles Lernen funktioniert. In der Zwischenzeit können Sie sich gerne unsere Produkte für die Industrie ansehen, die auf der Grundlage dieser Wissenschaft entwickelt wurden.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video geladen