Den affektive computing (på engelsk affective computing ) er undersøgelse og udvikling af systemer og enheder, der genkender mulighederne for at udtrykke, syntetisere og modellere menneskelige følelser . Det er et tværfagligt forskningsområde, der spænder over områderne datalogi, psykologi og kognitiv videnskab, der involverer at studere samspillet mellem teknologi og følelser.
Det grundlæggende i området synes at have været rejst af de første Spørgsmaal om følelser i XIX th århundrede med fremkomsten af teorier ligesom James-Lange teorien . Den moderne gren af computing finder sin oprindelse i Rosalind Picards arbejde og hendes skelsættende artikel fra 1995 om Affective Computing.
Hvis følelser er grundlæggende for den menneskelige oplevelse, skal det også være sådan i designet af morgendagens teknologier, ifølge den affektive Computing Group fra MIT Media Lab, der både arbejder på at designe nye sensorer, så maskiner forstår vores følelser, skabe nye teknikker, så maskiner kan evaluere dem, og også (men det er mere kompliceret) at skabe maskiner, der lærer at udtrykke følelser som reaktion på de følelser, de modtager fra et menneske. Affektiv computing har udviklet sig meget, og IEEE udgiver en bestemt tidsskrift.
Den enkeltes fysiologiske aktivitet er tæt knyttet til hans følelsesmæssige tilstande. Det autonome nervesystem (især de sympatiske og parasympatiske grene) styrer forskellige fysiologiske reaktioner, som kan måles ved enkle teknikker. For eksempel kan ændringer i hjerterytme , blodtryk , kropstemperatur , elektroencefalograiske rytmer , hudledningsevne forekomme som et resultat af følelsesladede begivenheder. De tilknyttede måleinstrumenter kommer fra eller stammer fra den medicinske verden og er for det meste let tilgængelige uden for dette felt med et mulig tab af præcision og / eller robusthed. Deres fremstilling af en privatperson er endog i dag mulig. Disse er henholdsvis elektrokardiograf (EKG) eller pulsen monitor , den blodtryksmåler eller blodtryksmåleren, det termometer , den galvanometer og elektroencefalografen (EEG).
Stemmen er et kommunikationsværktøj, det gør det muligt at forholde sig til den anden og modtage den anden gennem sin stemme. Stemmen er også en form for følelsesmæssig udtryk, den giver mulighed for at overføre og dele information og følelser med andre.
Undersøgelsen af stemmen er derfor af særlig interesse for affektiv computing: den vokale adfærd og den anvendte tone spiller faktisk en vigtig rolle i fortolkningen af andre i en given kontekst (en forhandling, en konflikt, beslutningstagning, konkurrence osv. .). At vide, hvordan man lytter til den anden og dialog i den samme vokaltone eller dens modsatte er derfor vigtigt for maskinen at forstå og skelne dens samtalers induenter.
Talegenkendelse er en computerteknik, der analyserer den menneskelige stemme fanget af en mikrofon og transskriberer den til maskinlæsbar tekst.
Der er 3 karakteristiske parametre i stemmen:
I dag bruges stemmegenkendelse til at transkribe mundtligt til skriftligt eller til dialog i form af spørgsmål og svar. Den dybe strukturerede læring gør det i dag muligt for stemmegenkendelse at opnå relativt lave fejlrater (5,5% for talegenkendelse IBM, mens mennesket har en fejlrate på 5,1%).
Stemmegenkendelse har dog sine grænser. For at være i stand til let at blive spoofed kan den faktisk ikke bruges som f.eks. Godkendelsesmiddel. Der er også problemet med de forskellige accenter inden for et sprog (f.eks. Fransk og quebecois), som kan udgøre et problem for forståelsen.
Ansigtsgenkendelse synes at være den mest naturlige biometriske teknologi og den nemmeste at omsætte i praksis. Faktisk bruges ansigtsudtryk naturligt til at sende følelsesmæssige meddelelser mellem individer. Derfor er det interessant for kommunikation mellem mennesker og maskiner, at maskiner let kan genkende og forstå ansigtsudtryk og reagere i overensstemmelse hermed.
Ansigtsgenkendelsessoftware er i stand til at identificere enkeltpersoner i henhold til morfologien i deres ansigt fra et billede eller en fotosensor. Effektiviteten af ansigtsgenkendelse afhænger af tre nøglefaktorer:
I dag er ansigtsgenkendelse et mestret felt og kan bruges til en række formål. F.eks. Giver ansigtsgenkendelsessoftware installeret på en mobilenhed (såsom en smartphone, tablet eller computer) udstyret med et kamera en bruger adgang til en konto og erstatter således brugen af en adgangskode. Pas til godkendelse. I kampen mod kriminalitet gør denne teknologi det muligt at identificere mistænkte.
Imidlertid er anerkendelsen af følelser og stemninger hos mennesker ved maskiner gennem ansigtsudtryk stadig i et fosterstadium. Selvom der nu findes software, der er i stand til at genkende udtryk som for eksempel et smil, bruges genkendelse og behandling af følelser meget lidt i dag og forbliver i projektets status.
Ikke-verbal kommunikation (eller kropssprog) refererer i en samtale til enhver udveksling, der ikke bruger tale. Det er ikke baseret på ord, men på bevægelser (handlinger og reaktioner), holdninger, ansigtsudtryk (inklusive mikroudtryk) samt andre signaler, bevidst eller ubevidst. Hele kroppen sender en besked lige så effektiv som de ord, du taler. Derudover reagerer samtalepartnere ubevidst på gensidige ikke-verbale meddelelser. Ikke-verbal kommunikation tilføjer derfor en yderligere dimension til meddelelsen, undertiden i strid med den. Derfor er det interessant for kommunikation mellem mennesker og maskiner, at maskiner let kan identificere kropslige udtryk og reagere i overensstemmelse hermed.
Men anerkendelsen af kropslige udtryk har sine grænser. Selvom der er ligheder, har kropsudtryk ikke altid den samme betydning i forskellige kulturer. Derudover er kropssprog ikke sprog, der læres eksplicit, men snarere implicit gennem internalisering og efterligning. Så der er ingen klart defineret fortolkning af kropssprog. Edward Sapir, den berømte sprogforsker og antropolog, der døde i 1939, skrev: ”Vi reagerer på kropslige signaler (...) i overensstemmelse med en hemmelig og sofistikeret kode, der ikke er skrevet nogen steder, ikke er kendt af nogen, men forstås af alle.”