Affective Computing

Điện toán cảm xúc là lĩnh vực điện toán nhận dạng, diễn giải, phản hồi hoặc mô phỏng cảm xúc con người và các trạng thái liên quan như căng thẳng, mức độ tập trung và mệt mỏi. Rosalind Picard thuộc MIT Media Lab đặt tên cho lĩnh vực này trong báo cáo kỹ thuật năm 1995 và cuốn sách Affective Computing năm 1997; bà lập luận rằng máy tính làm việc gần gũi với con người cần có khả năng nhận biết và biểu đạt cảm xúc. Nhóm Affective Computing của bà vẫn tiếp tục công bố nghiên cứu trong lĩnh vực này. Các hệ thống thương mại ước tính cảm xúc từ khuôn mặt hoặc giọng nói thường được bán dưới tên AI cảm xúc.

Tín hiệu và model cảm xúc#

Các hệ thống cảm xúc đọc những tín hiệu có thể quan sát được: nét mặt, âm sắc và nhịp điệu giọng nói, cách lựa chọn từ ngữ, tư thế và cử chỉ, cùng các phép đo sinh lý như nhịp tim và độ dẫn điện của da từ cảm biến đeo. Mỗi tín hiệu riêng lẻ đều mơ hồ, vì vậy các model AI đa phương thức kết hợp nhiều kênh thường đáng tin cậy hơn bất kỳ kênh đơn lẻ nào.

Hai cách biểu diễn cảm xúc chiếm ưu thế. Các model phân loại gán nhãn rời rạc, thường dựa trên những cảm xúc cơ bản của nhà tâm lý học Paul Ekman: vui, buồn, giận dữ, sợ hãi, ngạc nhiên và ghê tởm. Hệ thống mã hóa hành động khuôn mặt của Ekman và Wallace Friesen, công bố năm 1978, chia biểu cảm thành các đơn vị hành động được đánh số, tương ứng với chuyển động của từng cơ, chẳng hạn như kéo khóe môi khi cười; nhiều hệ thống phân tích khuôn mặt phát hiện các đơn vị này trước tiên. Thay vào đó, các model theo chiều biểu diễn trạng thái trên những trục liên tục, phổ biến nhất là sắc thái cảm xúc (dễ chịu đến khó chịu) và mức độ kích hoạt (bình tĩnh đến phấn khích).

Các bộ dữ liệu công khai cũng tuân theo cách phân chia tương tự. FER2013, được phát hành cho một thử thách machine learning năm 2013, gồm 35.887 ảnh khuôn mặt thang độ xám có kích thước 48 x 48 pixel, được gán nhãn bảy biểu cảm để phân loại ảnh. AffectNet, công bố năm 2017, thu thập hơn một triệu ảnh khuôn mặt từ web; khoảng một nửa được gán nhãn thủ công theo loại biểu cảm cùng điểm valence và arousal.

Lĩnh vực này giao thoa với một số tác vụ được định nghĩa rõ hơn. Nhận dạng khuôn mặt xác định một người là ai, còn phân tích biểu cảm khuôn mặt mô tả khuôn mặt đang thể hiện điều gì. Phân tích cảm xúc phân loại ý kiến trong văn bản là tích cực hay tiêu cực, mục tiêu hẹp hơn tâm trạng và trạng thái sinh lý mà các hệ thống cảm xúc ước tính. AI hội thoại bổ sung khía cạnh mô phỏng: chatbot hoặc trợ lý giọng nói phản chiếu sắc thái cảm xúc của người dùng sẽ mô phỏng sự đồng cảm; điều đó khiến sự đồng thuận của model—một biểu hiện của AI xu nịnh—có sức thuyết phục hơn và là một trong những đặc điểm giống con người gắn với loạn thần do AI.

Ứng dụng của điện toán cảm xúc#

Giám sát tài xế là một trong những ứng dụng được triển khai rộng rãi nhất. Theo Quy định An toàn Chung của EU, kể từ tháng 7 năm 2024, mọi xe mới bán tại EU đều phải có cảnh báo buồn ngủ và mất tập trung; từ tháng 7 năm 2026, xe phải có cảnh báo nâng cao về sự xao nhãng của tài xế. Các hệ thống giám sát tài xế dùng camera đáp ứng quy định này bằng cách phát hiện mắt nhắm, ngáp, tư thế đầu và việc sử dụng điện thoại. Có thể huấn luyện model Ultralytics YOLO26 để phát hiện các dấu hiệu này cho giám sát tài xế; ước tính tư thế bổ sung keypoint ở đầu và thân, qua đó phát hiện tư thế rũ xuống hoặc đầu quay khỏi đường. Các hệ thống này ước tính sự mệt mỏi và mức độ chú ý của tài xế, những trạng thái có thể quan sát và tác động trực tiếp đến an toàn.

Nghiên cứu truyền thông là một ứng dụng lâu đời khác. Affectiva, tách ra từ phòng lab của Picard năm 2009 và được công ty Smart Eye chuyên về giám sát tài xế mua lại năm 2021, đã xây dựng các công cụ mã hóa khuôn mặt để đo phản ứng của khán giả với quảng cáo và phim theo từng khung hình, tổng hợp dữ liệu từ nhiều người xem. Các trung tâm liên lạc dùng nhận dạng tiếng nói và phân tích cảm xúc qua giọng nói để phát hiện người gọi đang bực bội và hướng dẫn nhân viên theo thời gian thực; các nhà nghiên cứu y tế dùng tín hiệu từ thiết bị đeo để theo dõi căng thẳng và phát hiện co giật.

Giới hạn khoa học và pháp lý#

Suy luận từ biểu cảm đến cảm xúc bên trong là một bước suy diễn còn gây tranh cãi. Một bài tổng quan năm 2019 do Lisa Feldman Barrett dẫn đầu xem xét hơn 1.000 nghiên cứu và kết luận rằng cử động khuôn mặt không ánh xạ ổn định với những cảm xúc cụ thể giữa các cá nhân, nền văn hóa và tình huống: con người cau mày khi tức giận ít thường xuyên hơn định kiến cho rằng họ vẫn làm, và họ cau mày vì nhiều lý do khác ngoài tức giận. Các hệ thống được huấn luyện trên khuôn mặt tạo dáng hoặc thu thập từ web cũng kế thừa thiên lệch bộ dữ liệu, với độ chính xác không đồng đều giữa các nhóm tuổi, tông màu da và nền văn hóa; người có thần kinh đa dạng cũng có thể biểu lộ cảm xúc theo cách mà dữ liệu huấn luyện không bao phủ. Năm 2022, Microsoft ngừng các tính năng suy luận cảm xúc trong dịch vụ Azure Face, viện dẫn việc thiếu đồng thuận khoa học về định nghĩa cảm xúc và các lo ngại về quyền riêng tư liên quan đến những khả năng này.

Pháp luật hiện đã đặt ra những giới hạn rõ ràng. Điều 5(1)(f) của Đạo luật AI của EU cấm các hệ thống AI suy luận cảm xúc của người lao động và người học trong môi trường làm việc và cơ sở giáo dục kể từ ngày 2 tháng 2 năm 2025, ngoại trừ lý do y tế hoặc an toàn. Nhận dạng cảm xúc ở nơi khác được xếp vào nhóm rủi ro cao; các nghĩa vụ tương ứng hiện sẽ bắt đầu từ tháng 12 năm 2027 sau khi Đạo luật Omnibus Kỹ thuật số năm 2026 của EU trì hoãn thời hạn. Kể từ tháng 8 năm 2026, bất kỳ ai triển khai hệ thống như vậy phải thông báo cho những người tiếp xúc với hệ thống. Vì các hệ thống cảm xúc xử lý khuôn mặt, giọng nói và tín hiệu sinh lý, các quy định về quyền riêng tư dữ liệu đối với dữ liệu sinh trắc học cũng được áp dụng; điều này ưu tiên các thiết kế edge AI xử lý video ngay trên thiết bị và chỉ lưu cảnh báo đã được suy ra.