Definition Was ist Affective Computing?

Anbieter zum Thema

Fsas Technologies GmbH

Disy Informationssysteme GmbH

INFOMOTION GmbH

Affective Computing beschäftigt sich mit dem computerbasierten Erkennen menschlicher Emotionen. Ziel ist es, den Gemütszustand eines Users zu erkennen, zu verarbeiten und angemessen darauf zu reagieren oder ihn zu simulieren. Das interdisziplinäre Forschungsgebiet kombiniert Erkenntnisse aus der Informatik, Psychologie, Physiologie und Kognitionswissenschaft. Technologische Basis zum Erkennen menschlicher Gefühle sind unter anderem Künstliche Intelligenz und Maschinelles Lernen.

Der Begriff Affective Computing fällt häufig im Zusammenhang mit den Begriffen Emotion Artificial Intelligence oder Künstliche Emotionale Intelligenz beziehungsweise wird als Synonym dafür verwendet. Affective Computing beschäftigt sich damit, menschliche Gefühle und Affekte computerbasiert zu erkennen, diese zu verarbeiten und angemessen darauf zu reagieren oder sie in technischen Systemen zu simulieren. Es handelt sich um ein interdisziplinäres Forschungsgebiet, das Erkenntnisse und Verfahren aus der Informatik, Psychologie, Kognitionswissenschaft und Physiologie kombiniert.

Der Mensch wird über Sensoren wie Kameras oder Mikrofone gemessen und die gewonnen Daten werden mithilfe von Künstlicher Intelligenz und Maschinellem Lernen sowie Verfahren wie Spracherkennung oder computerbasiertes Sehen analysiert und interpretiert. Affective Computing und Künstliche Emotionale Intelligenz sind quasi eine Weiterentwicklung der KI-Forschung. Mithilfe von Affective Computing lassen sich digitale Abläufe über Mensch-Computer-Schnittstellen „vermenschlichen“ und emotionale Intelligenz in Computer und Geräte integrieren.

Geprägt hat den Begriff des Affective Computing die renommierte US-Elektroingenieurin und Informatikerin Rosalind Picard im Jahr 1995. Ihre Veröffentlichung zum Affective Computing hat das Forschungsfeld begründet. Durch die enormen Fortschritte im Bereich der Künstlichen Intelligenz, des Maschinellen Lernens und der Sensortechnologien in den letzten Jahre hat das Affective Computing deutlich an Funktionalität und Bedeutung gewonnen.

Funktionsweise des Affective Computing

Affective Computing soll menschliche Emotionen und Affekte wie Freude, Wut, Ekel, Angst, Verachtung, Verwirrung, Traurigkeit, Überraschung, Stress oder Entspannung und andere zuverlässig erkennen und angemessen darauf reagieren. Der Ablauf des Affective Computing lässt sich in diese vier grundlegenden Schritte oder Phasen zerlegen. Diese sind:

• 1. Erfassen: Messen des Menschen mithilfe von Sensortechnik

• 2. Verarbeiten und Analysieren: Finden von Mustern in den gewonnenen Daten

• 3. Interpretieren und Erkennen: Interpretieren der Muster und Erkennen menschlicher Affekte und Emotionen

• 4. Reagieren und Simulieren: angemessenes Reagieren des Systems auf Emotionen oder Simulieren von Emotionen durch das System

Menschliche Emotionen und Affekte sind über verschiedene Hinweise wie Körpersprache, Mimik, Gestik, Sprache oder physiologische Signale erkennbar. Die Hinweise lassen sich in explizite Hinweise (zum Beispiel Gesichtsausdruck) oder implizite Hinweise (zum Beispiel Herzfrequenz, Körpertemperatur, Blutdruck oder Pupillenerweiterung) unterteilen. Zum Erfassen dieser Hinweise ist es notwendig, den Menschen und seine Reaktionen mithilfe von Sensortechnik zu messen. Um die Mimik oder Körpersprache zu erfassen, lassen sich Kameras einsetzen. Stimme und Sprache können über Mikrofone aufgenommen. Für physiologische Signale wie die Körpertemperatur, der Blutdruck oder die Herzfrequenz kommen spezielle Sensoren oder Wearables zum Einsatz.

Im Wesentlichen erfasst das Affective Computing Daten in Form von Bildern und Videos, Audiodaten, Text und physiologischen Daten. Für textbasierte Daten ist nicht unbedingt die Messung des Menschen erforderlich. Sie lassen sich nicht nur aus gesprochener Sprache, sondern auch aus elektronisch übermittelten Texten wie E-Mails oder Chat-Verläufen gewinnen.

Alle erfassten Daten werden zunächst gesammelt. Algorithmen verarbeiten und analysieren die gewonnenen Daten. Affective Computing nutzt Verfahren der Künstlichen Intelligenz, des Maschinellen Lernens und des Deep Learning, um Muster in den Daten zu finden, diese Muster zu interpretieren und sie den verschiedenen menschlichen Emotionen und Affekten zuzuordnen (zu klassifizieren). Die Stimmung eines Texts und die Emotionen des menschlichen Verfassers beim Erstellen des Texts sind über eine sogenannte Sentiment-Analyse ermittelbar.

Anwendungsbereiche von Affective Computing

Affective Computing schafft neue Möglichkeiten und vermenschlicht die digitale Interaktion zwischen Mensch und Maschine. Die Einsatzmöglichkeiten sind vielfältig und nicht auf bestimmte Anwendungen beschränkt. Typische Anwendungsbereiche sind:

• in der Marktforschung zur Kundenstimmungsanalyse und Erkennung der Reaktion auf Produkte oder Dienstleistungen

• im Kundenservice zur Verbesserung der Interaktion zwischen Kunden und Servicemitarbeitern oder zur Deeskalation von Kundengesprächen

• zur Auswertung von Beiträgen in sozialen Netzwerken

• im Gesundheitswesen zur Überwachung der psychischen und physischen Gesundheit oder zur Verbesserung der Interaktion zwischen Arzt und seinen Patienten

• im Bildungsbereich für adaptive Lernsysteme oder zur Überwachung der Emotionen der Lernenden und einfühlsamen Reaktion während des Lernens

• im Marketing für emotionsbasierte Werbung

• im Spielebereich für emotionsgesteuerte Handlungen und affektives Spielen mit virtuellen, intelligent und emotional reagierenden Charakteren

• im Mobilitätsbereich zur Müdigkeits- oder Stresserkennung von Fahrzeuglenkern

• bei digitalen Assistenten und Chatbots, um Missverständnisse zu verhindern und die Qualität der Antworten und Ergebnisse zu verbessern

(ID:49935983)