Бакалавриат
2019/2020
Эмоциональный искусственный интеллект
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (Психология)
Направление:
37.03.01. Психология
Кто читает:
Департамент психологии
Где читается:
Факультет социальных наук
Когда читается:
4-й курс, 3 модуль
Формат изучения:
без онлайн-курса
Язык:
русский
Кредиты:
3
Контактные часы:
26
Программа дисциплины
Аннотация
Дисциплина познакомит студентов с концепцией эмоционального искусственного интеллекта (Affective computing & Social signal processing, AC & SSP), с методами автоматического распознавания, анализа и синтеза эмоций и социального поведения. Будут сформированы представления об особенностях выражения эмоций через различные модальности (лицевые экспрессии, движения тела, вербальные и невербальные характеристики речи, физиологические сигналы), Студенты овладеют практическими навыками сбора и аннотации данных для построения алгоритмов эмоционального искусственного интеллекта, освоят основные подходы к анализу аудио, видео, текста и физиологических сигналов, а также алгоритмов машинного обучения, используемых в этой области. Результаты курса: • Знания о современном уровне развития технологий в области эмоционального искусственного интеллекта (AC & SSP); • Усвоение основных понятий из психологии и компьютерных наук, которые имеют отношение к AC & SSP; • Понимание методологии автоматического распознавания, анализа и синтеза эмоций и социальных сигналов; • Умение проводить исследования в области AC & SSP; • Критическое осмысление индустриальных приложений алгоритмов из области AC & SSP, понимание их значимости, ограничений и направлений дальнейшего развития технологий. Пререквизиты: • Минимальные: пройденные курсы по общей психологии и психологии эмоций и мотивации; статистике и анализу данных; английский язык. • Оптимальные: базовые навыки программирования и обработки данных в R/Python.
Цель освоения дисциплины
- Усвоение основных понятий из психологии и компьютерных наук, которые имеют отношение к AC & SSP
- Понимание методологии автоматического распознавания, анализа и синтеза эмоций и социальных сигналов
- Умение проводить исследования в области AC & SSP
- Критическое осмысление индустриальных приложений алгоритмов из области AC & SSP, понимание их значимости, ограничений и направлений дальнейшего развития технологий
Планируемые результаты обучения
- Понимание и определение основных терминов эмоционального искусственного интеллекта
- понимание связи этой дисциплины с искусственным интеллектом и машинным обучением.
- Понимание и определение основных феноменов (эмоции, настроения, личность)
- Знание (характеристика) основных теорий эмоций
- Понимание и изложение теории лицевых экспрессий
- Сравнение современных подходов к автоматическому распознаванию лицевых экспрессий
- Описание методов и способов записи и анализа движений и жестов человека
- Объяснение взаимосвязи эмоций с невербальным поведением
- Сравнение методов извлечения эмоциональной информации из письменной речи
- объяснение принципов оценки тональности текстов
- Характеристика основных подходов работы с аудио сигналом
- Описание способов извлечения эмоциональной информации из аудио.
- Характеристика методов регистрации физиологических сигналов, как контактных (ФПГ, ЭКГ, КГР и др.), так и бесконтактных (по видео
- Объяснение взаимосвязи физиологических проявлений и эмоциональных состояний.
- Описание подходов к мультимодальному машинному обучению
- Характеристика методов мультимодального распознавания эмоций
- Объяснение принципов разметки данных для обучения алгоритмов
- Описание способов и применение основных инструментов разметки данных
- Объяснение взаимосвязи эмоций и социального взаимодействия, описание основных теорий
- Сравнение подходов к автоматическому распознаванию социального поведения
- Характеристика подходов к распознаванию личностных характеристик
- Объяснение взаимосвязи понятий личности и эмоций
- Сравнение основных подходов и техник синтеза эмоций, личностных и социальных характеристик с демонстрацией примеров использования этих техник.
- Сравнение примеров применения эмоционального искусственного интеллекта в индустрии
- Объяснение этических вопросов и собственной позиции
Содержание учебной дисциплины
- Введение в Affective computing (AC) и Social signal processing (SSP).Определения основных понятий. Связь с искусственным интеллектом и машинным обучением. История развития области. Основы машинного обучение, нейросетей и глубокого обучения.
- Краткий обзор теорий эмоций.Определение основных терминов и описание феноменов: эмоции, настроения, личность. Обзор основных теорий эмоций: когнитивные науки, физиологические концепции и нейронауки.
- Выражение и распознавание эмоций по лицевым экспрессиям.Краткое введение в компьютерное зрение. Обзор подходов и алгоритмов автоматического распознавания. Краткий обзор теорий лицевых экспрессий. Описание алгоритмов и подходов к автоматическому распознаванию лицевых экспрессий. Ограничения данного подхода, критическое осмысление результатов.
- Эмоции и невербальная коммуникация.Связь эмоций и невербального поведения. Обзор методов записи и анализа движений и жестов. Методы определения эмоций по невербальному поведению. Проявление эмоций в движениях и танце.
- Проявление эмоций в письменной речи и определение тональности текстов.Основы обработки естественного языка, как области машинного обучения (natural language processing). Проявление эмоций в письменной речи. Основы анализа тональности текстов (sentiment analysis). Обзор существующих баз данных и алгоритмов.
- Эмоции в устной речи, автоматическое определение эмоций по голосу.Основные подходы работы с аудио сигналом. Проявление эмоций в устной речи, культурные особенности выражения эмоций голосом. Обзор способов извлечения эмоциональной информации из аудио.
- Эмоции и физиологические сигналы.Регистрация периферических физиологических сигналов. Обзор контактных (ФПГ, ЭКГ, КГР и др.) и бесконтактных методов (по видео). Связь физиологических параметров и эмоционального состояния. Автоматическое определение стресса и усталости.
- Мультимодальное распознавания эмоций.Введение в мультимодальное машинное обучение. Подходы и преимущества мультимодального распознавания эмоций. Обзор мультимодальных баз данных.
- Данные: сбор и аннотирование.Сбор данных для разработки алгоритмов, аннотирование (разметка) данных. Описание и демонстрация инструментов для аннотации эмоций. Обзор существующих размеченных баз данных.
- Эмоции и социальное взаимодействие.Взаимосвязь эмоций и социального взаимодействия, основные теории. Подходы к автоматическому распознаванию социального поведения.
- Автоматическое распознавание характеристик личности (Personality computing).Основные подходы к распознаванию личностных характеристик. Краткий обзор теорий. Взаимосвязь понятий личности и эмоций. Личность (и мотивация) в компьютерных играх.
- Синтез эмоций, личностных характеристик и социального поведения.Encoding-Decoding: реалистичные и коммуникативные подходы. Техники синтеза эмоций. Обзор синтеза личностных и социальных характеристик. Обзор исследований в робототехнике, индустрии виртуальных ассистентов и помощников.
- Приложения, индустриальные кейсы, тренды, этические вопросы.Обсуждение того, как социальные агенты могут влиять на жизнь людей. Обзор практических кейсов эмоционального искусственного интеллекта в индустрии. Обсуждение направлений развития и трендов. Этические вопросы.
Элементы контроля
- ПрезентацияКаждый студент за курс должен принять участие в одной групповой презентации
- Практическое заданиеПрактические задания проводятся на занятиях. В случае пропуска занятия студент может прислать отчет о выполнении задания дома.
- Финальный проектВ начале курса студенты разбиваются на группы (3-5 чел.) и предлагают тему для финального проекта.
Промежуточная аттестация
- Промежуточная аттестация (3 модуль)0.25 * Практическое задание + 0.25 * Презентация + 0.5 * Финальный проект
Список литературы
Рекомендуемая основная литература
- Picard, R. W. (2008). MAS.630 Affective Computing, Spring 2008 ; Affective Computing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.623FBC6B
Рекомендуемая дополнительная литература
- Affective brain-computer interfaces: neuroscientific approaches to affect detection. (2015). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780199942237.013.024
- Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008