1. Corso interdipartimentale di Comunicazione, Innovazione, Multimedialit
a.a. 2012/2013 Giustina Sacco Matricola n属 389545
3. Affective Computing | Rosalind Picard 1/19
Fondatrice
dellAffective Computing Research
Group
allinterno del MIT
Entr嘆 nel 1991 nel MIT Media Lab, grazie
al quale ebbe un importante
riconoscimento internazionale.
Ha pubblicato il pluripremiato libro
束Affective computing損, con cui ha
inaugurato il nuovo campo di ricerca.
leader della tecnologia innovativa, in
grado di progettare calcolatori che
possono generare o influenzare le
emozioni umane.
5. Affective Computing | Terminologia ed evoluzione 3/19
1988, Picard
I metodi di riconoscimento delle emozioni dei calcolatori sono
simili a quelli umani.
Essi capiscono le emozioni attraverso la voce e i gesti
esattamente come luomo, oppure tramite sensori indossabili.
Imparano a capire le preferenze delluomo, per poterle
soddisfare.
I computer migliorano le condizioni di vita delluomo.
Problema autismo: i computer emotivamente competenti
diventano un grande sostegno nellesternazione
dellemotivit da parte del soggetto.
Con lo sviluppo della ricerca, si 竪 arrivati
alla creazione di prototipi come Charlie,
emotivamente competente e basato sul
sistema di navigazione satellitare
6. Affective Computing | Riconoscimento informatico
dellemozione
4/19
Scopo Ottenere uninterazione con la macchina
quanto pi湛 naturale possibile
1. Riconoscimento basato sullelaborazione vocale
2. Riconoscimento basato sulle espressioni facciali
3. Riconoscimento basato sul movimento del corpo
3 tipologie
7. Affective Computing | Riconoscimento informatico
dellemozione
5/19
Riconoscimento vocale
Attenzione sulle propriet fonetiche del linguaggio: intensit,
intonazione, velocit di lettura e qualit della voce.
importante non cosa si dice, ma come viene detto.
Il riconoscimento si compone di tre parti:
Elaborazione del segnale digitalizzazione e pre-elaborazione del
potenziale acustico;
Funzione di calcolo rileva le caratteristiche essenziali del segnale
acustico rispetto alle emozioni;
Funzione di classificazione si riportano su carta le caratteristiche dei
vettori sulle classi di emozioni.
8. Affective Computing | Riconoscimento informatico
dellemozione
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 e
monitorate, misurando le distanze tra queste;
Appearence- based approaches alcune regioni sono trattate come un
tutto e vengono registrati il
movimento e il cambiamento nella
struttura.
9. Affective Computing | Riconoscimento informatico
dellemozione
7/19
Riconoscimento corporale
Postura del corpo, gesti, movimenti
3 approcci:
Motion-based utilizzano direttamente le informazioni del
movimento senza alcuna informazione
strutturale sul corpo fisico;
Appearence- based basato su due dati dimensionali come
colore/scala grigi;
Model-based modellazione delle parti del corpo.
10. Affective Computing | Applicazioni dellaffettivit 8/19
Applicazioni tramite :
sistemi robotici
Robot da intrattenimento
pensati come giocattoli, controllabili a
distanza e programmati per eseguire una
serie di azioni. Sono creati sotto forma di
animali. Affinch辿 risultino interessanti dal
punto di vista dellutente sono stati dotati di
riconoscimento emotivo.
Un prototipo 竪 il Sony AIBO.
11. Affective Computing | Applicazioni dellaffettivit 9/19
computer games
giochi emotivamente reattivi
gli ostacoli presenti nei giochi si superano
attraverso le emozioni positive o negative.
Vengono esaminati gli elementi emotivi
del discorso del giocatore attraverso
sistemi di riconoscimento delle emozioni,
influenzando il comportamento del
personaggio nel gioco.
12. Emotion ML| Evoluzione del linguaggio 10/19
Emotion Markup Language
Progettato dallEmotion Incubator Group con lo scopo di essere
utilizzato in contesti e applicazioni diversi, adattabile alle diverse
teorie dellemozione.
I concetti e le descrizioni delle scienze affettive vengono rese
disponibili per luso in contesti tecnologici.
possibile trattare con una vasta gamma di stati emotivi
13. Emotion ML| Campi di applicazione 11/19
Differenti campi di applicazione:
Opinion mining and sentiment analysis in Web
2.0, monitoraggio del comportamento dellutente
nelle tecnologie del web come i blog;
Affective monitoring, monitoraggio affettivo in
applicazioni;
Character design, controllo per i giochi e i mondi
virtuali;
Social robot, come robot di guida che coinvolgono
i visitatori;
Supporto per le persone portatrici di disabilit;
Realizzazione del contesto emotivo.
14. Emotion ML| Elementi 12/19
2 categorie
束Must have損 束Should have損
Elementi principali:
<category>
<dimension>
<appraisal>
<action tendency>
Meta-information:
Confidence
Expressed-through
Info
15. Emotion ML| Elementi 13/19
Elementi principali
<category>
Descrive uno stato emotivo utilizzando appunto
la categoria. necessario e obbligatorio, poich辿
deve esplicitare il nome della categoria.
<dimension> adoperato per descrivere uno stato affettivo
secondo il vocabolario delle dimensioni di
unemozione.
<appraisal> Descrive lemozione in termini di valutazione
<action-tendency> Descrive degli stati affettivi secondo il
vocabolario delle tendenze dazione
16. Emotion ML| Elementi 14/19
Meta-information
Confidence indica il grado di affidabilit che ci si aspetta
dalla parte di annotazione a cui 竪 legato.
Expressed-through definisce la modalit attraverso cui
unemozione viene espressa.
Info
pu嘆 essere utilizzato per annotare metadati arbitrari
e pu嘆 contenere strutture XML.
17. Emotion ML| Vocabolario delle emozioni 15/19
Gli elementi principali, per poter rispondere correttamente ai comandi, devono
essere riferiti a uno o pi湛 vocabolari per rappresentare le emozioni e gli stati
collegati ad esse.
Il vocabolario viene allegato nelle singole annotazioni.
<category>
束Big six損 di Ekman;
束Everyday emotion
vocabulary損 di Cowie;
束OCC損, di Ortony, Clore,
Collins;
束FSRE損, di Fontaine, Scherer,
Roesch, Ellsworth;
束Frijda損, di Frijda.
<dimension>
束Mehrabian's PAD損;
束FSRE損;
束Intensity損.
<appraisal>
束OCC損;
束Scherer損 di Scherer;
束EMA損 di Gratch e
Marsella.
18. Esempi applicativi
Emotion ML
16/19
Generazione di comportamento
di un sistema di emozioni correlate
Generazione del comportamento di un robot (W3C)
Tag di apertura
1属 elemento
2属 elemento
3属 elemento
4属 elemento
5属 elemento
Tag di chiusura
Configurazione
dello stato
globale: forte
eccitazione con un
potere limitato di
influenzare la
situazione
Tendenze di
azione del robot:
predomina la
volont di
ricaricare la
batteria
Individuazione e
valutazione di un
ostacolo
indesiderato:
imprevedibilit 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>
19. Esempi applicativi
Emotion ML
17/19Generazione di comportamento
di un sistema di emozioni correlate
Tag di apertura
2属 elemento
3属 elemento
Tag di chiusura
Generazione del comportamento di un robot Elaborazione personale
4属 elemento
5属 elemento
0
1属 elemento
Stato attuale del
robot: senso di
tristezza e di rabbia
molto elevati.
Tendenze di azione:
prevale la volont di
superare lostacolo
incontrato , piuttosto
che le altre due
azioni
<emotionml xmlns="http://www.w3.org/2009/10/emotionml"
<info>
<meta:name> Robbie, esempio n属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 lostacolo -->
<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 lostacolo!
</emotion>
</emotionml>
Valutazione della
strategia: Robbie
stima la difficolt, il
comfort e la praticit
della strategia da
mettere in atto.
Comportamento
finale: 竪 generata
lemozione di felicit
espressa attraverso
voce.
20. Affective Computing| Conclusione 18/19
Il computer riconosce ed esprime
effettivamente le emozioni umane.
Realizzazione di calcolatori
emotivamente competenti.
LEmotion ML come valida
tecnologia
per concretizzare e mettere in
pratica i
concetti sviluppati dallAffective
Computing.
Vantaggi Svantaggi
I calcolatori emotivamente
competenti potrebbero essere un
peso nella vita quotidiana delluomo.
Indagherebbero costantemente sulla sfera
emotiva delluomo, anche nei casi in cui questi
non voglia manifestare il proprio stato emotivo.
Invasione dellinteriorit umana.
21. Affective Computing| Conclusione 19/19
Sfruttare le opportunit dellAffective Computing in modo
socialmente responsabile, nei casi di effettiva utilit:
soggetti autistici e soggetti con disturbi di manifestazione
dellemotivit.
Possibile soluzione
