Affective Computing

感情コンピューティングとは、人間の感情やストレス、集中度、疲労などの関連状態を認識、解釈、応答、またはシミュレートするコンピューティング分野です。MITメディアラボのRosalind Picardは、1995年の技術報告書と1997年の著書『Affective Computing』でこの分野を名付け、人間と密接に関わるコンピューターには感情を認識し表現する能力が必要だと論じました。Picardの感情コンピューティンググループは現在もこの分野で研究成果を発表しています。顔や声から感情を推定する商用システムは、感情AIとして販売されることがよくあります。

シグナルと感情モデル#

感情システムは、顔の表情、声の調子やリズム、言葉の選び方、姿勢やジェスチャー、ウェアラブルセンサーによる心拍数や皮膚電気反応などの生理的指標といった、観察可能なシグナルを読み取ります。各シグナル単独では曖昧なため、複数のチャネルを組み合わせるマルチモーダルAIモデルは、通常、どれか1つだけを使うモデルより信頼性が高くなります。

感情の表現方法は、主に2種類あります。カテゴリモデルは、心理学者Paul Ekmanの基本感情に基づくことが多い離散ラベルを割り当てます。基本感情には、喜び、悲しみ、怒り、恐怖、驚き、嫌悪があります。EkmanとWallace Friesenが1978年に発表した顔面動作符号化システムは、笑顔の口角の引き上げなど、個々の筋肉の動きを番号付きの動作単位に分解します。多くの顔分析システムは、まずこれらの単位を検出します。一方、次元モデルは、状態を連続軸上に配置します。一般的な軸は、快から不快までの感情価と、穏やかから興奮までの覚醒度です。

公開データセットも同じ区分を採用しています。2013年の機械学習コンテスト向けに公開されたFER2013には、48 x 48ピクセルのグレースケール顔画像が35,887枚含まれ、7種類の表情ラベルが付与されています。画像分類に利用できます。2017年に公開されたAffectNetは、ウェブから100万枚を超える顔画像を収集しました。その約半数には、表情カテゴリと感情価・覚醒度のスコアが手作業でアノテーションされています。

この分野は、より明確に定義された複数のタスクと重なります。顔認識では人物が誰かを特定しますが、顔表情分析では顔がどのような動きをしているかを説明します。感情分析は、テキスト中の意見を肯定的または否定的に分類します。これは感情システムが推定する気分や生理的状態よりも対象が限定されています。会話型AIはシミュレーションの側面を加えます。チャットボットや音声アシスタントがユーザーの感情的なトーンをまねると、共感をシミュレートします。これにより、モデルがユーザーに同調するAIの迎合がより説得力を持つように感じられ、AI精神病に関連付けられる人間らしい特性の1つになります。

感情コンピューティングの活用例#

ドライバー監視は、最も広く導入されているアプリケーションの1つです。EU一般安全規則により、EUで販売されるすべての新車は、2024年7月以降に眠気・注意力低下の警告が、2026年7月以降に高度なドライバー注意散漫警告が必要となっています。カメラベースのドライバー監視システムは、目を閉じている状態、あくび、頭の向き、携帯電話の使用を監視してこれらの規則に対応します。Ultralytics YOLO26モデルは、これらの兆候を検出するよう学習してドライバー監視に利用でき、姿勢推定では頭部や身体のキーポイントを追加し、前かがみや道路から顔をそむけた状態を検出できます。こうしたシステムは、直接的な安全上の影響がある観察可能な状態として、疲労やドライバーの注意力を推定します。

メディア研究も長年の活用分野です。2009年にPicardの研究室から独立し、2021年にドライバー監視企業Smart Eyeに買収されたAffectivaは、広告や映画に対する視聴者の反応をフレームごとに測定し、多数の視聴者について集計する顔コーディングツールを開発しました。コンタクトセンターでは音声認識と音声ベースの感情分析を使って不満を抱えた電話の発信者を特定し、リアルタイムでエージェントを指導します。また、健康研究者はウェアラブルのシグナルを使ってストレスを追跡し、発作を検出します。

科学的・法的な限界#

表情から内面の感情を推定するのは推論であり、議論のある問題です。Lisa Feldman Barrettが主導した2019年のレビューでは1,000件を超える研究を調査し、顔の動きと特定の感情との対応は、人、文化、状況をまたいで一貫しないと結論付けました。怒っている人がしかめ面をする頻度は一般的なイメージより少なく、怒り以外の多くの理由でしかめ面をすることもあります。ポーズを取った顔やウェブから収集した顔で学習したシステムは、データセットバイアスも引き継ぎ、年齢層、肌の色、文化によって精度にばらつきがあります。また、神経多様性のある人々は、学習データでカバーされていない形で感情を表すことがあります。Microsoftは、感情の定義に科学的な合意がなく、こうした機能にはプライバシー上の懸念があるとして、2022年にAzure Faceサービスの感情推定機能を廃止しました。

法律では明確な境界が定められています。EU AI Act第5条1項(f)は、医療または安全上の理由を除き、職場や教育機関にいる人の感情を推定するAIシステムを2025年2月2日から禁止しています。それ以外の場所での感情認識は高リスクに分類されますが、EUの2026年デジタル・オムニバスによる延期を受け、関連義務の適用は2027年12月からとなりました。また、2026年8月以降、そのようなシステムを導入する者は、対象となる人々に通知する必要があります。感情システムは顔、声、生理的シグナルを処理するため、生体データに関するデータプライバシー規則も適用されます。そのため、動画をデバイス上で処理し、導出したアラートだけを保持するエッジAI設計が有効です。