EmoSense:et AI-drevet og trådløst følelsessensorsystem

Forskere ved Hefei University of Technology i Kina og forskellige universiteter i Japan har for nylig udviklet et unikt følelsesregistreringssystem, der kan genkende folks følelser baseret på deres kropsbevægelser. De præsenterede dette nye AI-drevne system, kaldet EmoSense, i et papir udgivet på forhånd på arXiv.

"I vores daglige liv, vi kan tydeligt indse, at kropsbevægelser indeholder rige stemningsudtryk for følelsesgenkendelse, "Yantong Wang, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore. "I mellemtiden vi kan også finde ud af, at menneskelige kropsbevægelser påvirker trådløse signaler via skygge- og flervejseffekter, når vi bruger antenner til at registrere adfærd. Sådanne signaleffekter danner normalt unikke mønstre eller fingeraftryk i det tidsmæssige frekvensdomæne for forskellige bevægelser."

Wang og hans kolleger observerede, at menneskelige kropsbevægelser kan påvirke trådløse signaler, producere karakteristiske mønstre, der kunne bruges til følelsesgenkendelse. Dette inspirerede dem til at udvikle et system, der kan identificere disse mønstre, genkende folks følelser baseret på deres fysiske bevægelser.

I deres undersøgelse, forskerne fokuserede på at besvare to centrale forskningsspørgsmål. For det første, de undersøgte, hvordan kropsbevægelser kan identificeres ved at analysere de karakteristiske mønstre, de efterlader på trådløse signaler. For det andet de satte sig for at udvikle et system, der kan genkende følelser baseret på brugernes kropsbevægelser.

De fleste eksisterende synsbaserede eller sensorbaserede værktøjer til følelsesgenkendelse er enten ubehagelige at have på, eller stole på specialiseret hardware, hvilket hindrer deres anvendelighed i det virkelige liv. Systemet udviklet af Wang og hans kolleger, på den anden side, er mindre obstruktiv, da det i det væsentlige fungerer ved at analysere trådløse kanalsvar via datamining og detektere følelser baseret på de fysiske udtryk, der svarer til observerede mønstre, eller trådløse "fingeraftryk."

"Efter min mening, følelser er velkendt som et fornemt symbol på mennesker, og det spiller en afgørende rolle i vores daglige liv, " sagde Wang. "EmoSense er et første af sin slags trådløse følelsesregistrerende system drevet af computerintelligens. Systemet fungerer ved at udforske det fysiske udtryk for følelser fra trådløs kanalrespons via datamining."

Forskerne evaluerede EmoSenses ydeevne på 3360 tilfælde og sammenlignede den med flere eksisterende sensorbaserede og visionsbaserede følelsesgenkendelsesværktøjer. De fandt ud af, at det fungerede på samme måde som de andre tilgange, også selvom det ikke kræver dyrt hardware og dermed er nemmere at implementere. Da det fungerer ved at analysere trådløse signaler, EmoSense fører også til langt lavere privatlivsrelaterede problemer.

Følelsessensorsystemet udviklet af Wang og hans kolleger kunne have mange interessante anvendelser. For eksempel, det kunne bruges under teaterprøver til at afgøre, om et bestemt stykke (f.eks. et komedieshow) sætter gang i ønskede følelsesmæssige reaktioner. I deres fremtidige studier, forskerne planlægger at udvikle systemet yderligere, mens de også udforsker andre aspekter af følelsesgenkendelse.

"EmoSense og dets rivaler er afhængige af menneskelige bevægelser som udtryk for følelser, som stadig er en sløring, indtil nu, " Wang forklarede. "F.eks. uærlige mennesker kan bedrage systemet ved bevidst at opføre sig på bestemte måder. En mulig løsning på dette problem er at udnytte multimodalitetsegenskaben ved følelser."

Ifølge Wang, en vigtig begrænsning ved EmoSense er, at den er datadrevet. Med andre ord, den er primært afhængig af kvantitative observationer uden at overveje mere komplekse psykologiske aspekter af følelser.

"Da psykologividen også er meget vigtig for at forstå menneskelige følelser, det kan være mere rimeligt at koble både data og psykologi viden for at opnå mere pålidelig og nøjagtig følelsesgenkendelse, " tilføjede Wang. "Desuden, det fysiske udtryk for følelser påvirkes af mange medfødte og erhvervede faktorer, hvoraf nogle er helt ude af kontrol. Derfor, det er vigtigt at afklare de potentielle scenarier, før vi rent faktisk implementerer systemet."

© 2019 Science X Network