Affective computing quando il computer esprime

e riconosce le emozioni

Corso interdipartimentale in Comunicazione, Innovazione, Multimedialità

a.a. 2012/2013 Giustina Sacco Matricola n° 389545

1. Affective Computing

2. Emotion Markup Language

3. Esempi applicativi Emotion ML

Affective Computing | Rosalind Picard 1/19

Fondatrice dell’Affective Computing Research

Groupall’interno del MIT

Entrò nel 1991 nel MIT Media Lab, grazie al quale ebbe un importante riconoscimento internazionale

Ha pubblicato il pluripremiato libro «Affective computing», con cui ha inaugurato il nuovo campo di ricerca

Affective Computing | Terminologia ed evoluzione 2/19

Affective computing

Scienze sociali Scienze informatiche

«Informatica dell’affettività»

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 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.

Affective Computing | Riconoscimento informatico dell’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 informatico dell’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 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.

Affective Computing | Riconoscimento informatico dell’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 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.

Affective Computing | Riconoscimento informatico dell’emozione

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.

Affective Computing | Applicazioni dell’affettività 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. Affinché risultino interessanti dal punto di vista dell’utente sono stati dotati di riconoscimento 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 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

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 Web 2.0, monitoraggio del comportamento dell’utente 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 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 appunto la categoria. È necessario e obbligatorio, poiché deve esplicitare il nome della categoria.

<dimension> È adoperato per descrivere uno stato affettivo secondo il vocabolario delle dimensioni di un’emozione.

<appraisal> Descrive l’emozione in termini di valutazione

<action-tendency> Descrive degli stati affettivi secondo il vocabolario delle tendenze d’azione

Emotion ML| Elementi 14/19

Meta-information

Confidence indica il grado di affidabilità che ci si aspetta dalla parte di annotazione a cui è legato.

Expressed-through definisce la modalità attraverso cui un’emozione viene espressa.

Info può 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, devono essere riferiti a uno o più vocabolari per rappresentare le emozioni e gli stati collegati 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 comportamento

di un sistema di emozioni correlateGenerazione del comportamento di un robot (W3C)

Tag di apertura1° 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 modo socialmente responsabile, nei casi di effettiva utilità: soggetti autistici e soggetti con disturbi di manifestazione dell’emotività.

Possibile soluzione