Forscher kommen “emotionell intelligenten” KI näher

Forscher am Japan Advanced Institute of Science and Technology haben biologische Signale mit maschinellen Lernmethoden integriert, um “emotionell intelligente” KI zu ermöglichen. Emotionelle Intelligenz könnte zu natürlicheren Mensch-Maschine-Interaktionen führen, sagen die Forscher.

Die neue Studie wurde in der Zeitschrift IEEE Transactions on Affective Computing.

Erreichung von Emotionaler Intelligenz

Sprach- und Spracherkennungstechnologien wie Alexa und Siri entwickeln sich ständig weiter, und die Hinzufügung von emotionaler Intelligenz könnte sie auf das nächste Level heben. Dies würde bedeuten, dass diese Systeme den emotionalen Zustand des Benutzers erkennen sowie Sprache verstehen und empathischere Antworten generieren könnten.

“Multimodale Sentimentanalyse” ist eine Gruppe von Methoden, die den Goldstandard für KI-Dialogsysteme mit Sentiment-Erkennung darstellen, und sie können automatisch den psychologischen Zustand einer Person aus ihrer Sprache, Gesichtsausdrücken, Stimmlage und Körperhaltung analysieren. Sie sind grundlegend für die Schaffung benutzerzentrierter KI-Systeme und könnten zur Entwicklung einer emotional intelligenten KI mit “menschlichem Potenzial” führen. Diese Fähigkeiten würden es der KI ermöglichen, den Sentiment des Benutzers zu verstehen, bevor sie eine angemessene Antwort bildet.

Analyse nicht beobachtbarer Signale

Aktuelle Schätzmethoden konzentrieren sich hauptsächlich auf beobachtbare Informationen, was die Informationen in nicht beobachtbaren Signalen außer Acht lässt, die physiologische Signale umfassen können. Diese Arten von Signalen enthalten viele wertvolle Daten, die die Sentiment-Schätzung verbessern könnten.

In der Studie wurden physiologische Signale erstmals der multimodalen Sentimentanalyse hinzugefügt. Das Team der Forscher, das diese Studie durchführte, umfasste Associate Professor Shogo Okada vom Japan Advanced Institute of Science and Technology (JSAIT) und Prof. Kazunori Komatani vom Institute of Scientific and Industrial Research an der Osaka University.

“Menschen sind sehr gut darin, ihre Gefühle zu verbergen”, sagt Dr. Okada. “Der interne emotionale Zustand eines Benutzers wird nicht immer genau durch den Inhalt des Dialogs widergespiegelt, aber da es für eine Person schwierig ist, ihre biologischen Signale wie die Herzfrequenz bewusst zu kontrollieren, kann es nützlich sein, diese für die Schätzung ihres emotionalen Zustands zu verwenden. Dies könnte zu einer KI mit Sentiment-Schätzungsfähigkeiten führen, die über die menschlichen Fähigkeiten hinausgehen.”

Die Studie des Teams umfasste die Analyse von 2.468 Dialogen mit einem Dialog-KI, die von 26 Teilnehmern stammten. Mit diesen Daten konnte das Team den Grad des Vergnügens schätzen, das der Benutzer während des Gesprächs erlebte.

Der Benutzer wurde dann gebeten, zu bewerten, wie angenehm oder langweilig das Gespräch war. Das multimodale Dialog-Datenset mit dem Namen “Hazumi1911” wurde vom Team verwendet. Dieses Datenset kombiniert Spracherkennung, Stimmlagesensoren, Körperhaltungserkennung und Gesichtsausdruck mit Hautpotential, einer Form der physiologischen Reaktionserfassung.

“Beim Vergleich aller separaten Informationsquellen erwies sich die biologische Signalinformation als effektiver als Stimme und Gesichtsausdruck”, fuhr Dr. Okada fort. “Wenn wir die Sprachinformationen mit biologischen Signalinformationen kombinierten, um den selbst bewerteten internen Zustand während des Gesprächs mit dem System zu schätzen, wurde die Leistung der KI mit der eines Menschen vergleichbar.”

Die neuen Erkenntnisse deuten darauf hin, dass die Erkennung von physiologischen Signalen beim Menschen zu hoch emotional intelligenten KI-basierten Dialogsystemen führen könnte. Emotionell intelligente KI-Systeme könnten dann verwendet werden, um psychische Erkrankungen durch die Erkennung von Veränderungen im täglichen emotionalen Zustand zu identifizieren und zu überwachen. Ein weiterer möglicher Anwendungsfall liegt im Bildungsbereich, wo sie erkennen könnten, ob ein Lerner an einem Thema interessiert oder gelangweilt ist, was zur Anpassung der Lehrstrategien verwendet werden könnte.