affective computing

Affective Computing ist eine noch eine relativ neue wissenschaftliche Teildisziplin bzw. ein Verfahren, das eine Symbiose aus Informatik, Psychologie und Kognitionswissenschaft darstellt, und mittels Tonsequenzen Emotionen, Persönlichkeit und sogar Absichten einer Person verraten soll. Dabei können zehn bis fünfzehn Sekunden einer Stimmaufzeichnung ausreichen, um die emotionale Verfassung eines Nutzers genau zu analysieren, wobei die Hauptaufgabe dabei ein Spracherkennungssystem übernimmt, das nach bestimmten Mustern innerhalb von Tonsequenzen sucht und diese anschließend den entsprechenden Emotionen zuordnet.
Die grundlegenden Ideen des affective computing gehen auf ein Paper von Rosalind Picard vom MIT zurück, die erstmals vorschlug, die Modellierung und Berechnung von Emotionen in die Informatik zu integrieren. Anfangs fand dieser Gedanke wenig Zustimmung, doch inzwischen gehört affective computing zu den bedeutendsten Forschungsrichtungen im Hinblick auf die Mensch-Maschine-Kommunikation, deren Hauptziel die Verbesserung dieser Kommunikation gilt. Konkret soll dies erreicht werden, indem man Computer befähigt, Berechnungen durchzuführen, die sich auf Emotionen beziehen, wodurch technische Systeme die Möglichkeit erhalten, wie lebende Wesen reagieren zu können. Das ist insofern von Bedeutung, als Studien nachgewiesen haben, dass die Menschenähnlichkeit von technischen Systemen die Akzeptanz bei menschlichen Kommunikationspartnern verbessert und somit die Bereitschaft zur Interaktion mit solchen Systemen erhöht.

Ob dazu jemals ein Roboter fähig ist?


[Quelle: http://youtu.be/nIsCs9_-LP8]

Literatur
Picard, R. W. (1995). Affective Computing. M.I.T Media Laboratory Perceptual Computing Section Technical Report No. 321.





Falls Sie in diesem Beitrag nicht fündig geworden sind, können Sie mit der folgenden Suche weiter recherchieren:


Das Lexikon in Ihren Netzwerken empfehlen:

You must be logged in to post a comment.

Diese Seiten sind Bestandteil der Domain www.stangl.eu

© Werner Stangl Linz 2017