Post on 05-Jul-2015
Corso interdipartimentale di Comunicazione, Innovazione, Multimedialità
a.a. 2012/2013 Giustina Sacco Matricola n° 389545
Affective Computing | Rosalind Picard 1/19
Fondatrice dell’Affective Computing Research
Groupall’interno del MIT
Entrò nel 1991 nel MIT Media Lab, grazieal quale ebbe un importantericonoscimento internazionale.
Ha pubblicato il pluripremiato libro«Affective computing», con cui hainaugurato il nuovo campo di ricerca.
È leader della tecnologia innovativa, ingrado di progettare calcolatori chepossono generare o influenzare leemozioni umane.
Affective Computing | Terminologia ed evoluzione 2/19
Affective computing
Scienze sociali Scienze informatiche
«Informatica dell’affettività»
Affective Computing | Terminologia ed evoluzione 3/19
1988, PicardI metodi di riconoscimento delle emozioni dei calcolatori sono
simili a quelli umani.Essi capiscono le emozioni attraverso la voce e i gesti
esattamente come l’uomo, oppure tramite sensori indossabili.
Imparano a capire le preferenze dell’uomo, per poterle soddisfare.
I computer migliorano le condizioni di vita dell’uomo.
Problema autismo: i computer emotivamente competenti diventano un grande sostegno nell’esternazione
dell’emotività da parte del soggetto.
Con lo sviluppo della ricerca, si è arrivati alla creazione di prototipi come Charlie, emotivamente competente e basato sul
sistema di navigazione satellitare
Affective Computing | Riconoscimento informaticodell’emozione
4/19
Scopo Ottenere un’interazione con la macchina quanto più naturale possibile
1. Riconoscimento basato sull’elaborazione vocale
2. Riconoscimento basato sulle espressioni facciali
3. Riconoscimento basato sul movimento del corpo
3 tipologie
Affective Computing | Riconoscimento informaticodell’emozione
5/19
Riconoscimento vocale
Attenzione sulle proprietà fonetiche del linguaggio: intensità, intonazione, velocità di lettura e qualità della voce.
È importante non cosa si dice, ma come viene detto.
Il riconoscimento si compone di tre parti:
Elaborazione del segnale digitalizzazione e pre-elaborazione delpotenziale acustico;
Funzione di calcolo rileva le caratteristiche essenziali del segnaleacustico rispetto alle emozioni;
Funzione di classificazione si riportano su carta le caratteristiche deivettori sulle classi di emozioni.
Affective Computing | Riconoscimento informaticodell’emozione
6/19
Riconoscimento facciale
Strategie di rilevamento del volto in base al tipo di input immagine. Il processo di estrazione delle espressioni facciali rileva la presenza e la
posizione di caratteristiche come naso, occhi, narici bocca ecc.
2 approcci:
Feature-base approaches le caratteristiche facciali vengono rilevate emonitorate, misurando le distanze tra queste;
Appearence- based approaches alcune regioni sono trattate come untutto e vengono registrati ilmovimento e il cambiamento nellastruttura.
Affective Computing | Riconoscimento informaticodell’emozione
7/19
Riconoscimento corporale
Postura del corpo, gesti, movimenti
3 approcci:
Motion-based utilizzano direttamente le informazioni delmovimento senza alcuna informazionestrutturale sul corpo fisico;
Appearence- based basato su due dati dimensionali come colore/scala grigi;
Model-based modellazione delle parti del corpo.
Affective Computing | Applicazioni dell’affettività 8/19
Applicazioni tramite :
sistemi robotici
Robot da intrattenimento
pensati come giocattoli, controllabili adistanza e programmati per eseguire unaserie di azioni. Sono creati sotto forma dianimali. Affinché risultino interessanti dalpunto di vista dell’utente sono stati dotati diriconoscimento emotivo.Un prototipo è il Sony AIBO.
Affective Computing | Applicazioni dell’affettività 9/19
computer games
giochi emotivamente reattivi
gli ostacoli presenti nei giochi si superanoattraverso le emozioni positive o negative.Vengono esaminati gli elementi emotividel discorso del giocatore attraversosistemi di riconoscimento delle emozioni,influenzando il comportamento delpersonaggio nel gioco.
Emotion ML| Evoluzione del linguaggio 10/19
Emotion Markup Language
Progettato dall’Emotion Incubator Group con lo scopo di essere utilizzato in contesti e applicazioni diversi, adattabile alle diverse
teorie dell’emozione.
I concetti e le descrizioni delle scienze affettive vengono rese disponibili per l’uso in contesti tecnologici.
È possibile trattare con una vasta gamma di stati emotivi
Emotion ML| Campi di applicazione 11/19
Differenti campi di applicazione:
Opinion mining and sentiment analysis in Web2.0, monitoraggio del comportamento dell’utentenelle tecnologie del web come i blog;
Affective monitoring, monitoraggio affettivo inapplicazioni;
Character design, controllo per i giochi e i mondivirtuali;
Social robot, come robot di guida che coinvolgonoi visitatori;
Supporto per le persone portatrici di disabilità; Realizzazione del contesto emotivo.
Emotion ML| Elementi 12/19
2 categorie
«Must have» «Should have»
Elementi principali:
<category> <dimension> <appraisal> <action –tendency>
Meta-information:
Confidence Expressed-through Info
Emotion ML| Elementi 13/19
Elementi principali
<category>Descrive uno stato emotivo utilizzando appuntola categoria. È necessario e obbligatorio, poichédeve esplicitare il nome della categoria.
<dimension> È adoperato per descrivere uno stato affettivosecondo il vocabolario delle dimensioni diun’emozione.
<appraisal> Descrive l’emozione in termini di valutazione
<action-tendency> Descrive degli stati affettivi secondo ilvocabolario delle tendenze d’azione
Emotion ML| Elementi 14/19
Meta-information
Confidence indica il grado di affidabilità che ci si aspettadalla parte di annotazione a cui è legato.
Expressed-through definisce la modalità attraverso cuiun’emozione viene espressa.
Infopuò essere utilizzato per annotare metadati arbitrarie può contenere strutture XML.
Emotion ML| Vocabolario delle emozioni 15/19
Gli elementi principali, per poter rispondere correttamente ai comandi, devonoessere riferiti a uno o più vocabolari per rappresentare le emozioni e gli staticollegati ad esse.Il vocabolario viene allegato nelle singole annotazioni.
<category>
«Big six» di Ekman; «Everyday emotion
vocabulary» di Cowie; «OCC», di Ortony, Clore,
Collins; «FSRE», di Fontaine, Scherer,
Roesch, Ellsworth; «Frijda», di Frijda.
<dimension>
«Mehrabian's PAD»; «FSRE»; «Intensity».
<appraisal>
«OCC»; «Scherer» di Scherer; «EMA» di Gratch e
Marsella.
Esempi applicativi Emotion ML
16/19Generazione di comportamentodi un sistema di emozioni correlate
Generazione del comportamento di un robot (W3C)Tag di apertura
1° elemento
2° elemento
3° elemento
4° elemento
5° elemento
Tag di chiusura
Configurazionedello stato
globale: forte eccitazione con un potere limitato di
influenzare la situazione
Tendenze di azione del robot:
predomina la volontà di
ricaricare la batteria
Individuazione e valutazione di un
ostacolo indesiderato:
imprevedibilità e sgradevolezza
Generazione del comportamento:frustrazione con
espressione facciale
<emotionml xmlns="http://www.w3.org/2009/10/emotionml"xmlns:meta="http://www.example.com/metadata">
<info><meta:name>robbie the robot example</meta:name>
</info>
<!-- Robot's current global state configuration: negative, active, powerless --><emotion dimension-set="http://www.w3.org/TR/emotion-voc/xml#pad-dimensions">
<dimension name="pleasure" value="0.2"/><dimension name="arousal" value="0.8"/><dimension name="dominance" value="0.3"/>
</emotion>
<!-- Robot's action tendencies: want to recharge --><emotion action-tendency-set="http://www.example.com/custom/action/robot.xml">
<action-tendency name="charge-battery" value="0.9"/><action-tendency name="seek-shelter" value="0.7"/><action-tendency name="pickup-boxes" value="0.1"/>
</emotion>
<!-- Appraised value of incoming event: obstacle detected, appraised as novel and unpleasant --><emotion appraisal-set="http://www.w3.org/TR/emotion-voc/xml#scherer-appraisals">
<appraisal name="suddenness" value="0.8" confidence="0.4"/><appraisal name="intrinsic-pleasantness" value="0.2" confidence="0.8"/><reference role="triggeredBy" uri="file:scannerdata.xml#obstacle27"/>
</emotion>
<!-- Robot's planned facial gestures: will frown --><emotion category-set="http://www.example.com/custom/robot-emotions.xml"
expressed-through="face"><category name="frustration"/><reference role="expressedBy" uri="file:behavior-repository.xml#frown"/>
</emotion></emotionml>
Esempi applicativi Emotion ML
17/19Generazione di comportamentodi un sistema di emozioni correlate
Tag di apertura
2° elemento
3° elemento
Tag di chiusura
Generazione del comportamento di un robot – Elaborazione personale
4° elemento
5° elemento0
1° elementoStato attuale delrobot: senso di
tristezza e di rabbia molto elevati.
Tendenze di azione: prevale la volontà di superare l’ostacolo
incontrato , piuttosto che le altre due
azioni
<emotionml xmlns="http://www.w3.org/2009/10/emotionml" <info> <meta:name> Robbie, esempio n°2 </meta:name> </info>
<!—-Stato attuale del robot--> <emotion dimension-set="../emotion-voc/xml#new_dimensions"> <dimension name="tristezza" value="0.9"/> <dimension name="soddisfazione" value="0.1"/> <dimension name="rabbia" value="0.7"/> </emotion>
<!—-Tendenze di azione di Robbie, in relazione allo stato attuale--> <emotion action-tendency-set="../emotion-voc/action-robbie.xml"> <action-tendency name="tornare-indietro" value="0.2"/> <action-tendency name="superare-ostacolo" value="0.9"/> <action-tendency name="esaurire-batteria" value="0.1"/> </emotion>
<!—-Valutazione della strategia per superare l’ostacolo --> <emotion appraisal-set="../emotion-voc/xml#new_appraisals"> <appraisal name="difficolta" value="0.2" confidence="0.3"/> <appraisal name="comfort" value="0.8" confidence="0.8"/> <appraisal name="praticita" value="0.9" confidence="0.7"/> </emotion>
<!—-Generazione del comportamento espresso attraverso voce --> <emotion category-set="../emotion-voc/emozioni-di-robbie.xml" expressed-through="voice"> <category name="felicita" value="0.9"/> “Evviva! Ho superato l’ostacolo!” </emotion> </emotionml>
Valutazione della strategia: Robbie
stima la difficoltà, il comfort e la praticità
della strategia da mettere in atto.
Comportamento finale: è generata
l’emozione di felicità espressa attraverso
voce.
Affective Computing| Conclusione 18/19
Il computer riconosce ed esprime effettivamente le emozioni umane.
Realizzazione di calcolatori emotivamente competenti.
L’Emotion ML come valida tecnologia
per concretizzare e mettere in pratica i
concetti sviluppati dall’Affective Computing.
Vantaggi Svantaggi
I calcolatori emotivamente competenti potrebbero essere un
peso nella vita quotidiana dell’uomo.
Indagherebbero costantemente sulla sfera emotiva dell’uomo, anche nei casi in cui questi non voglia manifestare il proprio stato emotivo.
Invasione dell’interiorità umana.
Affective Computing| Conclusione 19/19
Sfruttare le opportunità dell’Affective Computing in modosocialmente responsabile, nei casi di effettiva utilità:
soggetti autistici e soggetti con disturbi di manifestazione dell’emotività.
Possibile soluzione