Affective Computing
Duygusal bilişim, insan duygularını algılayan ve bunlara yanıt veren sistemler geliştirir. Bu sistemlerin sinyalleri, veri kümeleri, gerçek kullanım alanları ve karşılaştığı bilimsel ve yasal sınırlar.
Duyuşsal bilişim, insan duygularını ve stres, katılım ve yorgunluk gibi ilişkili durumları tanıyan, yorumlayan, bunlara yanıt veren veya simüle eden bilişim alanıdır. MIT Media Lab'den Rosalind Picard, 1995 tarihli teknik raporunda ve 1997 tarihli Affective Computing kitabında bu alanı adlandırdı. İnsanlarla yakın çalışan bilgisayarların duyguları tanıma ve ifade etme becerisine ihtiyaç duyduğunu savundu; Duyuşsal Bilişim grubu da bu alanda yayın yapmayı sürdürüyor. Yüzlerden veya seslerden duygu tahmin eden ticari sistemler çoğu zaman emotion AI adıyla satılır.
Sinyaller ve Duygu Modelleri#
Duyuşsal sistemler gözlemlenebilir sinyalleri okur: yüz ifadeleri; sesin tonu ve ritmi; sözcük seçimi; duruş ve hareketler; ayrıca giyilebilir sensörlerden alınan kalp atış hızı ve deri iletkenliği gibi fizyolojik ölçümler. Her sinyal tek başına belirsiz olduğundan, birden fazla kanalı birleştiren çok modlu AI modelleri genellikle tek bir kanaldan daha güvenilirdir.
Duyguları temsil etmenin iki yolu öne çıkar. Kategorik modeller, çoğunlukla psikolog Paul Ekman'ın temel duygularına dayanan ayrı etiketler atar: mutluluk, üzüntü, öfke, korku, şaşkınlık ve tiksinme. Ekman ve Wallace Friesen'in 1978'de yayımladığı Facial Action Coding System, gülümsemedeki dudak köşelerinin çekilmesi gibi tek tek kas hareketlerine numaralı eylem birimleri atayarak ifadeleri parçalara ayırır; birçok yüz analizi sistemi önce bu birimleri algılar. Boyutsal modeller ise bir durumu, en yaygın olarak hoş ile nahoş arasındaki değerlik ve sakin ile heyecanlı arasındaki uyarılma gibi sürekli eksenlere yerleştirir.
Kamuya açık veri kümeleri de aynı ayrımı izler. 2013'teki bir makine öğrenmesi yarışması için yayımlanan FER2013, görüntü sınıflandırma amacıyla, yedi ifadeyle etiketlenmiş, 48 x 48 piksel boyutunda 35.887 gri tonlamalı yüz görüntüsü içerir. 2017'de yayımlanan AffectNet, web'den bir milyondan fazla yüz görüntüsü topladı; bunların yaklaşık yarısı ifade kategorileri ile valans ve uyarılma puanlarıyla elle etiketlendi.
Bu alan, daha iyi tanımlanmış birkaç görevle kesişir. Yüz tanıma kişinin kim olduğunu belirlerken yüz ifadesi analizi, yüzünün ne yaptığını açıklar. Duygu analizi, metindeki görüşleri olumlu veya olumsuz olarak sınıflandırır; bu, duyuşsal sistemlerin tahmin ettiği ruh halleri ve fizyolojik durumlardan daha dar bir hedeftir. Sohbet yapay zekâsı simülasyon boyutunu ekler: kullanıcının duygusal tonunu yansıtan bir sohbet botu veya sesli asistan empatiyi simüle eder. Bu da modelin kullanıcıya katılmasının daha ikna edici gelmesine yol açar; bu olgu AI dalkavukluğuyla ilgilidir ve AI psikozuyla bağlantılı insansı özelliklerden biridir.
Duygulanım Bilişiminin Kullanıldığı Alanlar#
Sürücü izleme, en yaygın kullanılan uygulamalardan biridir. AB Genel Güvenlik Tüzüğü uyarınca, AB'de satılan her yeni araçta Temmuz 2024'ten beri uyuklama ve dikkat uyarısı, Temmuz 2026'dan beri de gelişmiş sürücü dikkat dağınıklığı uyarısı bulunması gerekiyor. Kamera tabanlı sürücü izleme sistemleri bu kuralları kapalı gözleri, esnemeyi, baş pozunu ve telefon kullanımını izleyerek karşılıyor. Ultralytics YOLO26 modelleri sürücü izleme için bu ipuçlarını algılayacak şekilde eğitilebilir. Poz tahmini, kambur duruşu veya yoldan başka yöne çevrilmiş başı ortaya çıkaran baş ve vücut anahtar noktalarını ekler. Bu sistemler, güvenlik üzerinde doğrudan etkisi olan gözlemlenebilir durumları, yorgunluğu ve sürücü dikkatini tahmin eder.
Medya araştırmaları da uzun süredir kullanılan bir başka alandır. Picard'ın laboratuvarından 2009'da ayrılan ve 2021'de sürücü izleme şirketi Smart Eye tarafından satın alınan Affectiva, çok sayıda izleyicinin tepkilerini birleştirerek reklam ve film izleyici tepkilerini kare kare ölçen yüz kodlama araçları geliştirdi. Çağrı merkezleri, hayal kırıklığına uğramış arayanları işaretlemek ve temsilcilere gerçek zamanlı koçluk vermek için konuşma tanıma ve ses tabanlı duygu analizi uygular. Sağlık araştırmacıları da stresi izlemek ve nöbetleri tespit etmek için giyilebilir sinyallerden yararlanır.
Bilimsel ve Hukuki Sınırlar#
İfadeden içsel duyguya geçiş, çıkarıma dayalı ve tartışmalı bir adımdır. Lisa Feldman Barrett'ın yönettiği 2019 tarihli bir inceleme, 1.000'den fazla çalışmayı ele aldı ve yüz hareketlerinin insanlar, kültürler ve durumlar arasında belirli duygularla güvenilir biçimde eşleşmediği sonucuna vardı: insanlar öfkeliyken, klişelerin düşündürdüğünden daha seyrek kaşlarını çatar; ayrıca kaş çatmanın öfke dışında birçok nedeni vardır. Poz verilmiş veya web'den toplanmış yüzlerle eğitilen sistemler de veri kümesi yanlılığını devralır. Yaş grupları, cilt tonları ve kültürler arasında doğruluk dengesizdir; nöroçeşitli kişiler de eğitim verilerinin kapsamadığı biçimlerde duygu ifade edebilir. Microsoft, duyguların tanımı konusunda bilimsel uzlaşma bulunmamasını ve bu tür özelliklerin gizlilikle ilgili kaygılarını gerekçe göstererek Azure Face hizmetinin duygu çıkarımı özelliklerini 2022'de kullanımdan kaldırdı.
Yasalar artık kesin sınırlar çiziyor. AB AI Yasası Madde 5(1)(f), tıbbi veya güvenlik amaçları dışında, iş yerlerinde ve eğitim kurumlarında bulunan kişilerin duygularını çıkaran AI sistemlerini 2 Şubat 2025'ten beri yasaklıyor. Başka yerlerdeki duygu tanıma sistemleri yüksek riskli olarak sınıflandırılıyor. AB'nin 2026 Dijital Omnibus düzenlemesi yükümlülükleri Aralık 2027'ye erteledi; bu sistemleri kullanan herkesin maruz kalan kişileri bilgilendirmesi ise Ağustos 2026'dan beri zorunlu. Duyuşsal sistemler yüzleri, sesleri ve fizyolojik sinyalleri işlediğinden biyometrik verilere yönelik veri gizliliği kuralları da geçerlidir. Bu durum, videoyu cihazda işleyip yalnızca türetilmiş uyarıyı saklayan uç AI tasarımlarını öne çıkarır.
