Affective Computing

情動コンピューティングは、コンピュータシステムに人間の情動の検出、表現、応答、またはシミュレーションを行わせる人工知能の分野です。情動とは、感情、気分、ストレス、覚醒、および関連する状態を網羅する広範な用語です。機械に本物の感情を持たせるのではなく、情動コンピューティングは人間の経験に関連する信号を認識し、それに応じて動作を適応させるのに役立ちます。

感情AIまたは情動AIとも呼ばれるこの分野は、機械学習、心理学、センシング、およびヒューマンコンピュータインタラクションを組み合わせたものです。MIT Affective Computing groupは、そのより広い目的を、人間のウェルビーイングを支援しながら感情をよりよく理解して応答するテクノロジーの開発として説明しています。

情動コンピューティングの仕組み#

情動システムは通常、知覚と応答のパイプラインに従います。

1. **信号のキャプチャ：**カメラ、マイク、ウェアラブルセンサー、インタラクションログ、またはテキストインターフェイスが観測可能なデータを収集します。例には、顔の動き、声の強弱、姿勢、心拍数、言葉の選択が含まれます。
2. 特徴の抽出：コンピュータビジョンモデルが顔や身体のキーポイントを特定する一方で、音声および自然言語処理モデルが音声やテキストを分析します。
3. **情動の推定：**分類器または回帰モデルが、抽出された特徴を「フラストレーションを感じている」や「穏やか」などのラベル、あるいは低から高への覚醒などの連続値にマッピングします。
4. **コンテキストの使用：**システムは信号と状況情報を組み合わせます。スポーツイベント中の大きな声は興奮を意味する可能性がありますが、カスタマーサポート中の同じ信号はフラストレーションを示している可能性があります。
5. **応答の選択：**アプリケーションは、表現の変更、支援の提供、割り込みの削減、または人間のレビューの要求を行う場合があります。

単一のチャネルでは感情を確実に伝達できないため、多くのシステムがマルチモーダルAIを使用しています。ビデオ、音声、テキスト、および生理学的信号を組み合わせることでより多くのコンテキストを提供できますが、プライバシーとデータガバナンスの要件も増加します。

関連概念と主な違い#

情動コンピューティングはいくつかのAI分野と重複していますが、明確な目標を持っています。

• **感情分析：**通常、テキストで表現された意見をポジティブ、ネガティブ、またはニュートラルに分類します。情動コンピューティングはより広範であり、複数の信号から気分、ストレス、エンゲージメント、または覚醒を推定する場合があります。
• **顔認識：**身元を確立しようと試みます。一方、顔情動分析は、表情に関連する目に見える特徴を検査します。どちらのタスクも、個人が内面で何を感じているかを証明するものではありません。
• **行動認識：**歩行、手を振る、転倒などのアクティビティを識別します。情動コンピューティングは、それらの行動をコンテキストの証拠として使用する場合がありますが、情動状態をモデル化するか、情動対応の応答を選択しようと試みます。
• **認知コンピューティング：**人間のような推論と意思決定をサポートするように設計されたシステムをカバーします。情動コンピューティングは、特に感情および関連する人間の状態に焦点を当てています。

「情動ソフトウェア」はこれらの機能を含むアプリケーションを指し、「フィーリングテクノロジー」は非公式でより曖昧な説明です。システムは測定可能な信号と統計的パターンを処理し、思考や感情を直接観測することはありません。

実世界での利用例#

2つの具体的なアプリケーションは、情動コンピューティングがAIの動作にどのように影響を与えるかを示しています。

• **適応型ゲーム：**ゲームは、プレイヤーの姿勢、コントローラーの活動、繰り返しの失敗、およびインタラクション速度を組み合わせて、フラストレーションやエンゲージメントを推定できます。ヒントの提示、難易度の調整、または割り込みの遅延を行う場合があります。有用な出物は、プレイヤーが1つの決定的な感情を持っているという主張ではなく、不確実な証拠に基づく適応型の応答です。

• 車内支援：ドライバー監視システムは、頭の位置、身体の姿勢、目の閉じ方、および運転行動を分析して、疲労や注意力の低下に関連する兆候を検出できます。その後、アラートを発行するか、休憩を勧める場合があります。「怒っているドライバー」などの推測的なラベルよりも、観測可能な安全性指標が優先される必要があります。

健康関連のアプリケーションには、さらなる配慮が必要です。世界保健機関の健康のための倫理的AIに関するガイダンスは、AIが健康やウェルビーイングに影響を与える場合の自律性、安全性、透明性、説明責任、および公平性を強調しています。

実践的なコンピュータビジョンのコンテキスト#

姿勢推定は、情動パイプラインへの1つの入力として身体のキーポイントを提供できます。このUltralytics YOLO26の例は、人間の姿勢を識別します。

from ultralytics import YOLO

# Load a pretrained pose estimation model
model = YOLO("yolo26n-pose.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Select and save the visualized result
result = results[0]
result.save(filename="pose_result.jpg")

出力には検出された身体のキーポイントが表示されますが、感情の推論は行われません。完全な情動アプリケーションには、目的固有のラベル、コンテキスト入力、較正された不確実性、および個別に検証された決定レイヤーが必要です。チームは、そのようなシステムの視覚的コンポーネントを開発する際に、クラウドデータセットのアノテーション、トレーニング、デプロイ、およびモニタリングにUltralytics Platformを使用できます。

リスクと責任ある設計#

感情関連のラベルは主観的であり、個人、文化、環境、およびアノテーター間で異なる場合があります。不十分に設計されたシステムは、障害、神経多様性、照明、アクセント、または通常の行動を感情状態と誤認する可能性があります。開発者は、データセットバイアスの監査、関連グループ全体でのパフォーマンスの評価、不確実な出力や「判断不能」な出力のサポートを行い、予測を疑う余地のない事実として使用することを避ける必要があります。

情動データには、機密性の高い顔、音声、行動、または生理学的情報も含まれる場合があります。NIST AIリスク管理フレームワークとNISTプライバシーフレームワークはリスクとプライバシーの制御のための実用的な基盤を提供し、FTCバイオメトリック情報ポリシーは裏付けのない精度に関する主張、秘密裏の収集、バイアス、および不十分なモニタリングに関わる懸念を浮き彫りにしています。

要件は管轄区域とコンテキストによって異なります。たとえば、感情認識に関するEU AI法規則は、厳格な医療および安全性の例外を除き、職場や教育機関でのその使用を制限しています。責任あるシステムは、有意義な同意の取得、保持データの最小化、制限の文書化、人間の監視の維持、およびデプロイ後の障害を特定するための継続的なモデルモニタリングの使用を行う必要があります。