Affective Computing

Аффективные вычисления — это область информатики, в которой разрабатывают системы для распознавания, интерпретации и выражения человеческих эмоций и связанных состояний, таких как стресс, вовлечённость и усталость. Розалинд Пикард из MIT Media Lab ввела этот термин в техническом отчёте 1995 года и своей книге «Аффективные вычисления» 1997 года. Она утверждала, что компьютерам, тесно взаимодействующим с людьми, нужно уметь распознавать и выражать эмоции; её группа по аффективным вычислениям до сих пор публикует работы в этой области. Коммерческие системы, оценивающие эмоции по лицам или голосам, часто продают под названием «эмоциональный ИИ».

Сигналы и модели эмоций#

Аффективные системы анализируют наблюдаемые сигналы: выражение лица, тон и ритм голоса, выбор слов, позу и жесты, а также физиологические показатели, например частоту сердечных сокращений и проводимость кожи, полученные с носимых датчиков. Каждый сигнал сам по себе неоднозначен, поэтому модели мультимодального ИИ, объединяющие несколько каналов, обычно надёжнее каждой из них по отдельности.

Преобладают два способа представления эмоций. Категориальные модели присваивают дискретные метки, часто основанные на базовых эмоциях психолога Пола Экмана: радости, грусти, гневе, страхе, удивлении и отвращении. Система кодирования лицевых движений, разработанная Экманом и Уоллесом Фризеном и опубликованная в 1978 году, разбивает выражения на пронумерованные единицы действий — отдельные движения мышц, например приподнимание уголков губ при улыбке; многие системы анализа лица сначала обнаруживают именно эти единицы. Размерные модели вместо этого помещают состояние на непрерывные шкалы, чаще всего валентности (от приятного к неприятному) и возбуждения (от спокойного к возбуждённому).

Публичные наборы данных устроены аналогично. FER2013, выпущенный для конкурса по машинному обучению в 2013 году, содержит 35 887 чёрно-белых изображений лиц размером 48 x 48 пикселей с семью метками выражений для классификации изображений. Опубликованный в 2017 году AffectNet содержит более миллиона изображений лиц из интернета; около половины из них вручную размечены категориями выражений и оценками валентности и возбуждения.

Эта область пересекается с несколькими более чётко определёнными задачами. Распознавание лиц устанавливает, кто перед нами, а анализ мимики описывает, что делает лицо человека. Анализ тональности классифицирует мнения в тексте как положительные или отрицательные — это более узкая задача, чем определение настроений и физиологических состояний, оцениваемых аффективными системами. Разговорный ИИ дополняет это имитацией: чат-бот или голосовой помощник, копирующий эмоциональный тон пользователя, имитирует сопереживание. Из-за этого согласие модели может казаться убедительнее — так проявляется угодливость ИИ и одна из человекоподобных черт, связанных с психозом ИИ.

Где применяют аффективные вычисления#

Мониторинг водителя — одно из самых широко внедряемых приложений. Согласно регламенту ЕС по общей безопасности, с июля 2024 года каждый новый автомобиль, продаваемый в ЕС, должен иметь систему предупреждения об усталости и снижении внимания водителя, а с июля 2026 года — усовершенствованную систему предупреждения об отвлечении. Системы мониторинга водителя на основе камер выполняют эти требования, отслеживая закрытые глаза, зевание, положение головы и использование телефона. Модели Ultralytics YOLO26 можно обучить обнаруживать такие признаки для мониторинга водителя, а оценка позы добавляет ключевые точки головы и тела, показывающие, сутулится ли водитель или отвернул ли голову от дороги. Такие системы оценивают усталость и внимание водителя — наблюдаемые состояния, напрямую влияющие на безопасность.

Исследования в области медиа — ещё одно давнее направление применения. Affectiva, выделившаяся в отдельную компанию из лаборатории Пикард в 2009 году и приобретённая компанией Smart Eye, занимающейся мониторингом водителей, в 2021 году, создала инструменты анализа мимики, которые покадрово измеряют реакцию зрителей на рекламу и фильмы, агрегируя данные многих зрителей. Контакт-центры используют распознавание речи и анализ эмоций по голосу, чтобы выявлять раздражённых звонящих и давать операторам подсказки в реальном времени; исследователи в области здравоохранения используют сигналы носимых устройств для отслеживания стресса и обнаружения приступов.

Научные и правовые ограничения#

Переход от выражения лица к внутренним переживаниям — это вывод, который вызывает споры. В обзоре 2019 года под руководством Лизы Фельдман Барретт были рассмотрены более 1 000 исследований; авторы пришли к выводу, что движения лица не всегда надёжно соответствуют конкретным эмоциям у разных людей, культур и в разных ситуациях: люди хмурятся от гнева реже, чем предполагает стереотип, и хмурятся по множеству других причин. Системы, обученные на постановочных фотографиях или изображениях из интернета, также наследуют смещение набора данных, поэтому их точность различается для разных возрастных групп, оттенков кожи и культур; кроме того, проявления эмоций у нейроотличных людей могут отсутствовать в обучающих данных. В 2022 году Microsoft отключила функции вывода об эмоциях в сервисе Azure Face, сославшись на отсутствие научного консенсуса относительно определения эмоций и на вопросы конфиденциальности, связанные с такими возможностями.

Законодательство теперь устанавливает чёткие ограничения. Статья 5(1)(f) Закона ЕС об ИИ запрещает системы ИИ, выводящие эмоции людей на рабочих местах и в образовательных учреждениях, с 2 февраля 2025 года, кроме случаев медицинской необходимости или обеспечения безопасности. В остальных сферах распознавание эмоций классифицируется как высокорисковое; соответствующие требования теперь вступят в силу в декабре 2027 года после того, как цифровой омнибус ЕС 2026 года перенёс сроки. С августа 2026 года все, кто внедряет такие системы, обязаны уведомлять людей, на которых они воздействуют. Поскольку аффективные системы обрабатывают лица, голоса и физиологические сигналы, к ним также применяются правила защиты конфиденциальности данных биометрических данных, что делает предпочтительными решения периферийного ИИ, обрабатывающие видео на устройстве и сохраняющие только полученное предупреждение.