Affective Computing: Wie KI Emotionen erkennen soll

Inhaltsverzeichnis

Für eine künstliche Intelligenz auf der Suche nach Mustern sind wir Menschen ein gefundenes Fressen. In unserem Gesicht arbeiten über 20 Muskeln daran, unsere Gefühlswelt in Form von Mimik zu kommunizieren. Und auch unsere Stimme erzeugt zusätzlich zu den gesprochenen Worten eine schier unüberschaubare Vielfalt an Klangvariationen, die mit unserer Stimmung verknüpft sind. Über Kamera und Mikrofon ist eine künstliche Intelligenz in der Lage, Hinweise auf unseren Gemütszustand zu gewinnen.

Das Schlagwort "Affective Computing" fasst Technik zusammen, die menschliche Affekte und Emotionen zu erkennen versucht. Die Forschung dazu kombiniert Psychologie, Informatik und Physiologie, unter anderem biochemische Vorgänge im Körper. In der Marktforschung wird die Technik bereits eingesetzt. "Oft kommen Unternehmen auf uns zu, die wissen wollen, welches Produkt bei ihren Kunden am besten ankommt", sagt Nina Holzer, die am Fraunhofer-Institut für Integrierte Schaltungen IIS in Erlangen die Forschungsgruppe für Multimodal Human Sensing leitet. Gemeinsam mit ihren Kollegen versucht sie, mithilfe von KI-Methoden und unterschiedlichen Sensoren die körperlichen und physiologischen Reaktionen von Menschen zu erfassen und zu interpretieren und so auf deren emotionale Zustände zu schließen. "Wir können zum Beispiel konkret Emotionen wie Freude oder Ärger schätzen, aber auch komplexere emotionale Zustände wie kognitive Überforderung", sagt Holzer.

Mehr zum Thema Künstliche Intelligenz (KI)

• Sieben KI-Komponisten im Vergleich: Musik erzeugen mit KI​
• Bildretusche mit künstlicher Intelligenz im Test
• Google Bard ausprobiert: Was der Chatbot kann, was Gemini Pro bringt
• KI im Test: Wie ChatGPT mit seinen GPTs bei der Text- und Bildbearbeitung hilft
• Unmerklich manipulierte Bilder verfremden die Ergebnisse von Bildgeneratoren
• Affective Computing: Wie KI Emotionen erkennen soll
• Bessere Videos auf Knopfdruck: Topaz Video AI im Test
• KI-Sprachmodelle: Qualitäts- und Urheberrechtsprobleme mit Trainingstexten
• Informatikunterricht: KI in der Jahrgangsstufe 6 - ein Modellversuch
• Fünf Vektordatenbanken für KI-Modelle und Machine Learining im Test

Um Emotionen aus dem Klang der Stimme abzuleiten, kommen ähnliche Algorithmen zum Einsatz wie bei der Spracherkennung. Da sich die relevanten Merkmale im Vergleich zu den elementaren Bausteinen der Sprache während des Sprechens nur langsam verändern, reicht ihnen aber eine geringere Abtastrate von etwa ein bis zwei Werten in der Sekunde, um etwa eine freudige Aufregung von einer ruhigen Trauer zu unterscheiden. Nur aus dem Klang der Stimme Freude von Ärger zu unterscheiden ist dagegen schwierig, da beide mit einem hohen Maß an Aufregung einhergehen. In solchen Fällen können ergänzende Informationen aus der Mimik helfen. Im einfachsten Fall deuten nach oben gerichtete Mundwinkel auf Freude hin, während das Gegenteil Ärger bedeutet. Der Grad der Erregtheit lässt sich dagegen aus Videomaterial allein nur schwer ableiten.

Das war die Leseprobe unseres heise-Plus-Artikels "Affective Computing: Wie KI Emotionen erkennen soll". Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.