ABONAMENTE VIDEO REDACȚIA
RO
EN
NOU
Numărul 125
Numărul 124 Numărul 123 Numărul 122 Numărul 121 Numărul 120 Numărul 119 Numărul 118 Numărul 117 Numărul 116 Numărul 115 Numărul 114 Numărul 113 Numărul 112 Numărul 111 Numărul 110 Numărul 109 Numărul 108 Numărul 107 Numărul 106 Numărul 105 Numărul 104 Numărul 103 Numărul 102 Numărul 101 Numărul 100 Numărul 99 Numărul 98 Numărul 97 Numărul 96 Numărul 95 Numărul 94 Numărul 93 Numărul 92 Numărul 91 Numărul 90 Numărul 89 Numărul 88 Numărul 87 Numărul 86 Numărul 85 Numărul 84 Numărul 83 Numărul 82 Numărul 81 Numărul 80 Numărul 79 Numărul 78 Numărul 77 Numărul 76 Numărul 75 Numărul 74 Numărul 73 Numărul 72 Numărul 71 Numărul 70 Numărul 69 Numărul 68 Numărul 67 Numărul 66 Numărul 65 Numărul 64 Numărul 63 Numărul 62 Numărul 61 Numărul 60 Numărul 59 Numărul 58 Numărul 57 Numărul 56 Numărul 55 Numărul 54 Numărul 53 Numărul 52 Numărul 51 Numărul 50 Numărul 49 Numărul 48 Numărul 47 Numărul 46 Numărul 45 Numărul 44 Numărul 43 Numărul 42 Numărul 41 Numărul 40 Numărul 39 Numărul 38 Numărul 37 Numărul 36 Numărul 35 Numărul 34 Numărul 33 Numărul 32 Numărul 31 Numărul 30 Numărul 29 Numărul 28 Numărul 27 Numărul 26 Numărul 25 Numărul 24 Numărul 23 Numărul 22 Numărul 21 Numărul 20 Numărul 19 Numărul 18 Numărul 17 Numărul 16 Numărul 15 Numărul 14 Numărul 13 Numărul 12 Numărul 11 Numărul 10 Numărul 9 Numărul 8 Numărul 7 Numărul 6 Numărul 5 Numărul 4 Numărul 3 Numărul 2 Numărul 1
×
▼ LISTĂ EDIȚII ▼
Numărul 125
Abonament PDF

Mașini emoționale, o posibilitate a viitorului De ce ar trebui să avem acest lucru?

Toma Telembici
Software Product & Platform Engineer @ Accenture
PROGRAMARE


Până în momentul în care mașinile vor fi complet autonome ar trebui să ne concentram pe factorii care pot influenta siguranța participanților la trafic. Conducerea unui vehicul în timp ce șoferul este vizibil trist, supărat sau agitat mărește riscul de accident de aproape zece ori, potrivit unei noi cercetări de la institutul Virginia Tech's Transportation.

Momentele în care o mașină emoțională poate salva persoanele din ea de la posibile accidente sunt nenumărate, dar câteva exemple ar putea fi:

Ce este o baza de date emoțională?

Analiza emoțiilor determinate în momentul vorbirii se referă la utilizarea diferitelor metode pentru a analiza comportamentul vocal ca un punct forte pentru afecțiuni (de exemplu, emoții, dispoziții și stres), concentrându-se asupra aspectelor non-verbale ale vorbirii. De regulă, se presupune că există un set de parametri de voce măsurabili care reflectă starea afectivă pe care o trăiești în prezent (sau o exprimă în scopuri strategice în interacțiunea socială). Această ipoteză pare rezonabilă având în vedere faptul că majoritatea stărilor afective implică reacții fiziologice (de exemplu, modificări ale sistemelor nervos autonom și somatic), care, la rândul lor, modifică diferite aspecte ale procesului de producere a vocii. De exemplu, excitarea simpatică asociată cu o stare de furie produce adesea modificări ale respirației și o creștere a tensiunii musculare, care influențează vibrația corzilor vocale și forma tractului vocal. Astfel, caracteristicile acustice ale vorbirii pot fi afectate, care la rândul lor pot fi utilizate de către ascultător pentru a deduce starea respectivă. Analiza emoțiilor vorbirii este complicată de faptul că expresia vocală este un sistem de semnalizare afectiv non-verbal vechi din punct de vedere al dezvoltării. Acesta este codificat într-un mod iconic și continuu, care poartă emoție și se conectează cu mesaje verbale codificate într-un mod arbitrar și categoric. Cercetătorii de voce încă dezbat în ce măsură aspectele verbale și non-verbale pot fi bine separate. Cu toate acestea, faptul că există un anumit grad de independență este ilustrat de faptul că oamenii pot percepe mesaje amestecate în enunțurile de vorbire - adică, cuvintele transmit un lucru, în timp ce indicii non-verbali transmit ceva cu totul diferit. Ca o baza de date emoțională să poată fi folosită, ea trebuie să conțină mai mulți vorbitori care spun aceași propoziție pe mai multe emoții. Aceasta baza de date trebuie să conțină multe propoziții, unele chiar asemănătoare. Pentru a înțelege mai bine, putem analiza propoziția: "Testul este pozitiv", unde, dacă emoția transmisă este una fericită, înseamnă că rezultatul se referă la un efect pozitiv în viață vorbitorului. Dacă emoția transmisă este una de tristețe, înseamnă că rezultatul testului are un efect negativ asupra vorbitorului.

Recunoașterea vocala versus recunoașterea emoțiilor

Luând în considerare faptul că în domeniul de recunoaștere a vorbirii sau recunoașterea vorbitorului rata de clasificare corectă este în jurul pragului de 90%, în unele cazuri de 99%, putem spune că există loc de îmbunătățire și de optimizare. Dacă luăm în calcul zgomotele care pot interveni în timpul recepționarii mesajului din cadrul unui autovehicul cum ar fi zgomotul de fond, claxoane sau radioul, rata de clasificare corecta scade până la 70-80%. Domeniul de recunoaștere a emoțiilor, unde rata de succes este în jurul pragului de 50%, fiind relativ nou are nevoie de putere de cercetare și de investiții mai ales dacă vrem să consolidăm relația om-robot și să beneficiem de aceste caracteristici pentru a crește siguranța în domeniul automotive. Dacă pentru recunoașterea vocală, pentru diferite baze de date în diferite limbi rata de clasificare variază foarte puțin, pentru detectarea și recunoașterea emoțiilor rata de clasificare corectă folosind aceeași extragere de caracteristici și aceiași clasificatori, poate varia major de la o limbă la alta.

Extragerea caracteristicilor și clasificare

Când vine vorba de extragere de caracteristici și clasificare putem vorbi de o balanță între timp și rata de clasificare corectă. DNN(Depth Neural Network) necesită mai mult timp de antrenament a sistemului. Există o mulțime de grupări testate pe baze de date dar cele mai întâlnite sunt: gruparea MFCC (Mel Frequency cepstral coefficients) și Random Forrest. O altă grupare întâlnită des ar putea fi HMM (Hidden Markov Model) și SVM (Support Vector Machine) sau kNN(K Nearest Neighbor). HMM (Hidden Markov Model) este un model de extragere a caracteristicilor destul de important care poate avea diferite alternări și combinații. Pentru diferite limbi, diferite combinații de extragere de caracteristici și clasificatori au cele mai bune rate de clasificare.

Probleme pe care le întâlnim în momentul de față

Rată de clasificare mică. În momentul de față, rata de clasificare corectă a emoțiilor este destul de mică. Ținând cont că o persoană poate avea un spectru întreg de emoții care se pot schimba de la un moment la altul, este nevoie de o bază de date pentru antrenare destul de mare pentru a acapara toate aceste emoții. Cu cât avem mai multe emoții, cu atât este mai greu să distingem diferențele între ele.

Zgomot ambiental. Din câte știm, orice zgomot poate introduce date false în analiza oricărui sunet. Un autovehicul în mișcare introduce o multitudine de zgomote, de la pasageri, zgomot de fond, radio sau claxoane.

Percepția emoțiilor pasagerilor. În principiu ar trebui să captăm emoțiile șoferului, dar pot exista cazuri în care pasagerul din dreapta sau din spate poate fi confundat cu șoferul și în cazul acesta autovehiculul să ia masuri nenecesare sau să nu ia masurile necesare.

Exista mai multe baze de date emoționale în mai multe limbi: Arabă, Bască, Chineză, Daneză, Engleză, Finlandeză, Franceză, Germană, Greacă, Ebraică, Italiană, Japoneză, Coreeană, Malaeziană, Olandeză, Rusă, Slovenă, Spaniolă, Suedeză și Urdu. Din păcate, acestea nu ajung ca un autovehicul de serie să poată detecta emoțiile oricărui șofer. O altă problemă ar fi ca șoferul să fi selectat limba în care vorbește pentru ca autovehiculul să poată recunoaște corect emoțiile acestuia.

Utilizarea tehnologiei din prezent spre viitor

În prezent, autovehiculele pot alerta șoferul în momentul care detectează că acesta este obosit și ar avea nevoie de o pauză. Măsura autovehiculului vine doar ca o alertă către șofer și nu impune oprirea sau preluarea controlului asupra sa. Pe viitor se pot implementa diferite alerte pentru diferite "pericole emoționale" și diferite intensități ale acestora. Se poate lua în calcul chiar refuzul autovehiculului de a porni dacă șoferul prezintă un pericol din punct de vedere emoțional. Dacă șoferul se află într-o stare incipientă de emoție periculoasă, autovehiculul poate trimite atenționări pe mai multe nivele, de exemplu text sau acustic. Dacă starea șoferului se agravează, autovehiculul se poate limita la o anumită viteză pentru a nu pune în pericol participanții la trafic. Dacă starea șoferului devine critică, autovehiculul poate decide să se oprească pe marginea drumului pentru un interval de timp, pentru a lăsa șoferul să își echilibreze emoțiile. Pentru a evalua stadiul emoțiilor în care se află șoferul și pentru a minimaliza distragerile, șoferul ar trebui să vorbească sau să răspundă întrebărilor puse de autovehicul.

Bibliografie:

  1. https://abcnews.go.com/US/emotional-driving-increases-crash-risk-tenfold-study/story?id=37133840

  2. ttps://www.danielrrosen.com/intense-emotions-cause-auto-accidents/

  3. M. Farhad, H. Ismail, S. Harous, "Analysis of Emotion Recognition from Cross-lingual Speech: Arabic, English, and Urdu", in 2nd International Conference on Computation, Automation and Knowledge Management (ICCAKM), 2021.

  4. C. Jun, L. Fei, Z. Yi, L. Yu, "Research on Multi - base Depth Neural Network Speech Recognition", in IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), pp. 1540-1544, 2017.

Surse imagini:

  1. https://www.hindustantimes.com/india/anger-on-the-streets-4-stages-of-road-rage-and-top-triggers/story-P1eDGdhQdbKpZGRc4i8OoL.html

  2. https://techcrunch.com/2022/08/18/lincoln-model-l-ev-concept-grand-tourer/?guccounter=1&guce_referrer=aHR0cHM6Ly93d3cuZ29vZ2xlLmNvbS8&guce_referrer_sig=AQAAAG3i5NDbqlpt4p4bKn4knpSmRU2kCvGcKF1lWycRPRVDQnYcaW5VZg0ydQr6K3uubBfBKqPbExJoSC6AaQ1tuVaBt9qKJKLMA84wMrwMPrZbFaFqWAJ72GDiroGUa-FtLGvR0IsUTfvwh_NxkM2bgERft4qbvS4DJ46tXsRiznTT

  3. https://disneylatino.com/novedades/cuantos-capitulos-tendra-cars-aventuras-en-el-camino

  4. https://www.allion.com/automotive/in-car-voice-assistant/

  5. https://www.wardsauto.com/industry-news/automotive-rd-budgets-take-hit

VIDEO: NUMĂRULUI 125

Sponsori

  • BT Code Crafters
  • Accesa
  • Bosch
  • Betfair
  • MHP
  • Connatix
  • BoatyardX
  • AboutYou
  • Colors in projects

VIDEO: EXTRA