Affective Computing

Duygusal bilişim, bilgisayar sistemlerinin insan duygu durumlarını tespit etmesini, temsil etmesini, bunlara yanıt vermesini veya bunları simüle etmesini sağlayan bir yapay zeka dalıdır. Duygu, duygudurumları, stres, uyarılma ve ilgili durumları kapsayan geniş bir terimdir. Bir makineye gerçek duygular kazandırmak yerine duygusal bilişim, makinenin insan deneyimiyle ilişkili sinyalleri tanınmasına ve davranışını buna göre uyarlamasına yardımcı olur.

Duygu yapay zekası veya duygu yapay zekası olarak da adlandırılan bu alan; makine öğrenimi, psikoloji, algılama ve insan-bilgisayar etkileşimini birleştirir. MIT Duygusal Bilişim grubu, bu alanın daha geniş amacını, insan refahını desteklerken duyguları daha iyi anlayan ve bunlara yanıt veren teknolojiler geliştirmek olarak tanımlar.

Duygusal Bilişim Nasıl Çalışır?#

Duygusal bir sistem tipik olarak bir algılama ve yanıt boru hattını takip eder:

1. Sinyalleri yakalama: Kameralar, mikrofonlar, giyilebilir sensörler, etkileşim günlükleri veya metin arayüzleri gözlemlenebilir verileri toplar. Örnekler arasında yüz hareketi, ses yoğunluğu, duruş, kalp atış hızı ve kelime seçimi yer alır.
2. Öznitelikleri çıkarma: Bir bilgisayarla görü modeli yüzleri veya gövde eklem noktalarını tespit edebilirken konuşma ve doğal dil işleme modelleri sesi veya metni analiz eder.
3. Duyguyu tahmin etme: Sınıflandırıcı veya regresyon modeli çıkarılan öznitelikleri “öfkelenmiş” veya “sakin” gibi etiketlerle ya da düşükten yükseğe uyarılma gibi sürekli değerlerle eşleştirir.
4. Bağlamı kullanma: Sistem sinyalleri durumsal bilgiyle birleştirir. Bir spor etkinliği sırasında yükselen bir ses heyecan anlamına gelebilirken müşteri desteği sırasında aynı sinyal hayal kırıklığına işaret edebilir.
5. Yanıt seçme: Uygulama ifadelerini değiştirebilir, yardım sağlayabilir, kesintileri azaltabilir veya insan incelemesi talep edebilir.

Birçok sistem çok modlu yapay zeka kullanır çünkü hiçbir tekil kanal duyguyu güvenilir bir şekilde iletmez. Video, konuşma, metin ve fizyolojik sinyalleri birleştirmek daha fazla bağlam sağlayabilir ancak bu aynı zamanda gizlilik ve veri yönetişimi gereksinimlerini de artırır.

İlgili Kavramlar ve Temel Farklar#

Duygusal bilişim çeşitli yapay zeka alanlarıyla örtüşür ancak belirli bir amaca sahiptir:

• Duygu analizi: Genellikle metinde ifade edilen görüşleri olumlu, olumsuz veya nötr olarak sınıflandırır. Duygusal bilişim daha kapsamlıdır ve birden fazla sinyalden duygudurumunu, stresi, katılımı veya uyarılmayı tahmin edebilir.
• Yüz tanıma: Kimlik doğrulamaya çalışır. Yüz duygu analizi bunun yerine görünür ifadeyle ilgili özellikleri inceler. İki görev de bir kişinin iç dünyasında ne hissettiğini kanıtlamaz.
• Eylem tanıma: Yürüme, el sallama veya düşme gibi etkinlikleri tanımlar. Duygusal bilişim bu davranışları bağlamsal kanıt olarak kullanabilir ancak duygusal bir durumu modellemeye veya duygu farkındalığına sahip bir yanıt seçmeye çalışır.
• Bilişsel bilişim: İnsan benzeri akıl yürütmeyi ve karar vermeyi desteklemek için tasarlanmış sistemleri kapsar. Duygusal bilişim özellikle duyguya ve ilgili insan durumlarına odaklanır.

“Duygusal yazılım” bu yetenekleri barındıran uygulamaları ifade ederken “duygu teknolojisi” gayriresmi ve daha az kesin bir tanımı ifade eder. Sistem ölçülebilir sinyalleri ve istatistiksel kalıpları işler; düşünceleri veya duyguları doğrudan gözlemlemez.

Gerçek Dünya Uygulamaları#

İki somut uygulama, duygusal bilişimin yapay zeka davranışını nasıl etkileyebileceğini göstermektedir:

• Uyarlanabilir oyunlar: Bir oyun; oyuncunun duruşunu, kontrol cihazı etkinliğini, tekrarlanan başarısızlıkları ve etkileşim hızını birleştirerek hayal kırıklığını veya katılımı tahmin edebilir. Bir ipucu sunabilir, zorluğu ayarlayabilir veya bir kesintiyi geciktirebilir. Faydalı çıktı, oyuncunun kesin bir duyguya sahip olduğu iddia değil belirsiz kanıtlara dayanan uyarlanabilir bir yanıttır.

• Araç içi yardım: Bir sürücü izleme sistemi kafa pozisyonunu, vücut duruşunu, göz kapanmasını ve sürüş davranışını yorgunluk veya azalan dikkatle ilişkili işaretler açısından analiz edebilir. Ardından bir uyarı verebilir veya mola vermeyi önerebilir. Gözlemlenebilir güvenlik göstergeleri, “öfkeli sürücü” gibi spekülatif etiketlere göre öncelik taşımalıdır.

Sağlıkla ilgili uygulamalar ek özen gerektirir. Dünya Sağlık Örgütünün sağlık alanında etik yapay zeka rehberi, yapay zeka sağlığı veya refahı etkilediğinde özerkliği, güvenliği, şeffaflığı, hesap verebilirliği ve hakkaniyeti vurgular.

Pratik Bilgisayarla Görü Bağlamı#

Poz tahmini, duygusal bir boru hattına girdi olarak gövde eklem noktaları sağlayabilir. Bu Ultralytics YOLO26 örneği insan duruşunu tanımlar:

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")

Çıktı tespit edilen gövde eklem noktalarını gösterir; duygu çıkarımı yapmaz. Eksiksiz bir duygusal uygulama, amaca özel etiketler, bağlamsal girdiler, kalibre edilmiş belirsizlik ve ayrı olarak doğrulanmış bir karar katmanı gerektirir. Ekipler, böyle bir sistemin görsel bileşenlerini geliştirirken bulut veri kümesi etiketleme, eğitim, dağıtım ve izleme için Ultralytics Platform kullanabilir.

Riskler ve Sorumlu Tasarım#

Duyguyla ilgili etiketler özneldir ve bireyler, kültürler, ortamlar ile etiketleyiciler arasında değişiklik gösterebilir. Kötü tasarlanmış sistemler engelliliği, nörodiverjansı, aydınlatmayı, aksanı veya sıradan davranışı duygusal bir durum olarak yanlış anlayabilir. Geliştiriciler veri kümesi önyargısını denetlemeli, ilgili gruplar genelinde performansı değerlendirmeli, belirsiz veya “belirlenemiyor” çıktıları desteklemeli ve tahminleri sorgulanamaz gerçekler olarak kullanmaktan kaçınmalıdır.

Duygusal veriler ayrıca hassas yüz, ses, davranışsal veya fizyolojik bilgileri içerebilir. NIST Yapay Zeka Risk Yönetimi Çerçevesi ve NIST Gizlilik Çerçevesi risk ve gizlilik kontrolleri için pratik temeller sağlarken FTC biyometrik bilgi politikası desteklenmeyen doğruluk iddialarını, gizli toplamayı, önyargıyı ve yetersiz izlemeyi içeren endişeleri vurgular.

Gereksinimler yargı yetkisine ve bağlama göre değişir. Örneğin, AB Yapay Zeka Yasasının duygu tanıma kuralları, dar tıbbi ve güvenlik istisnaları ile birlikte bu teknolojinin iş yerlerinde ve eğitim kurumlarında kullanımını kısıtlar. Sorumlu sistemler anlamlı rıza almalı, saklanan verileri en aza indirmeli, sınırlamaları belgelemeli, insan gözetimini sürdürmeli ve dağıtım sonrası arızaları belirlemek için sürekli model izleme kullanmalıdır.