ผู้แต่ง:  (1) Krist Shingjergji   เฮร์เลน เนเธอร์แลนด์ (krist.shingjergji@ou.nl) สาขาวิชาวิทยาศาสตร์การศึกษา มหาวิทยาลัยเปิดแห่งเนเธอร์แลนด์  (2) Deniz Iren,   , เฮร์เลน, เนเธอร์แลนด์ (deniz.iren@ou.nl); ศูนย์วิจัยเชิงปฏิบัติการ, มหาวิทยาลัยเปิดแห่งเนเธอร์แลนด์  (3) Felix Bottger,   , เฮร์เลน, เนเธอร์แลนด์ ศูนย์วิจัยเชิงปฏิบัติการ, มหาวิทยาลัยเปิดแห่งเนเธอร์แลนด์  (4) Corrie Urlings,   , Heerlen, เนเธอร์แลนด์ วิทยาศาสตร์การศึกษา, มหาวิทยาลัยเปิดแห่งเนเธอร์แลนด์  (5) Roland Klemke   เฮร์เลน เนเธอร์แลนด์ สาขาวิชาวิทยาศาสตร์การศึกษา มหาวิทยาลัยเปิดแห่งเนเธอร์แลนด์   หมายเหตุของบรรณาธิการ: นี่คือส่วนที่ 1 จากทั้งหมด 6 ส่วนของการศึกษาวิจัยที่ให้รายละเอียดเกี่ยวกับการพัฒนาวิธีการเล่นเกมในการรับข้อมูลอารมณ์บนใบหน้าพร้อมคำอธิบายประกอบ อ่านส่วนที่เหลือด้านล่าง  ตารางลิงค์   บทคัดย่อและฉัน. บทนำ   II. งานที่เกี่ยวข้อง   III. การรวบรวมข้อมูลเกมและการตีความข้อมูล   IV. วิธีการ   V. ผลลัพธ์   VI. การอภิปรายและสรุปผล คำชี้แจงผลกระทบทางจริยธรรม และเอกสารอ้างอิง  เชิงนามธรรม  การฝึกโมเดลการจดจำอารมณ์บนใบหน้าต้องใช้ชุดข้อมูลจำนวนมากและกระบวนการใส่คำอธิบายประกอบที่มีต้นทุนสูง เพื่อบรรเทาปัญหานี้ เราจึงพัฒนาวิธีการเล่นเกมเพื่อรับข้อมูลอารมณ์บนใบหน้าพร้อมคำอธิบายประกอบโดยไม่ต้องมีการใส่คำอธิบายประกอบโดยมนุษย์ เกมที่เราตั้งชื่อว่า Facegame ท้าทายผู้เล่นให้เลียนแบบภาพใบหน้าที่แสดงอารมณ์พื้นฐานเฉพาะอย่างหนึ่ง ในแต่ละรอบที่ผู้เล่นเล่น จะสร้างข้อมูลใหม่ซึ่งประกอบด้วยชุดคุณลักษณะและจุดสังเกตของใบหน้า ซึ่งมีคำอธิบายประกอบด้วยป้ายอารมณ์ของการแสดงอารมณ์บนใบหน้าเป้าหมายแล้ว แนวทางดังกล่าวจะสร้างกระบวนการฝึกการเรียนรู้ของเครื่องที่มีประสิทธิภาพ ยั่งยืน และต่อเนื่องได้อย่างมีประสิทธิภาพ เราได้ประเมิน Facegame ด้วยการทดลองที่เผยให้เห็นถึงการมีส่วนสนับสนุนหลายประการในด้านการคำนวณอารมณ์ ประการแรก วิธีการรวบรวมข้อมูลเกมช่วยให้เราเข้าถึงการแสดงออกทางสีหน้าที่หลากหลายของอารมณ์พื้นฐานแต่ละอย่างได้ เนื่องมาจากการแสดงออกทางสีหน้าและความสามารถในการแสดงออกของผู้เล่นนั้นแตกต่างกันตามธรรมชาติ เรารายงานว่าความแม่นยำดีขึ้นเมื่อใช้ข้อมูลที่รวบรวมมาเพื่อเสริมชุดข้อมูลอารมณ์บนใบหน้าที่เป็นที่รู้จักดีและใช้ต่อเนื่องเพื่อฝึกโมเดลการจดจำอารมณ์บนใบหน้า ประการที่สอง วิธีการกำหนดภาษาธรรมชาติที่ใช้โดย Facegame ถือเป็นแนวทางใหม่สำหรับการอธิบายที่สามารถตีความได้ ซึ่งสามารถนำไปใช้กับแบบจำลองการจดจำอารมณ์บนใบหน้าใดๆ ก็ได้ ในที่สุด เราพบว่ามีการปรับปรุงที่สำคัญในทักษะการรับรู้อารมณ์บนใบหน้าและการแสดงออกของผู้เล่นผ่านการเล่นเกมซ้ำๆ    — การคำนวณเชิงอารมณ์ การจดจำอารมณ์บนใบหน้า การเล่นเกม AI ที่สามารถอธิบายได้ การเรียนรู้ของเครื่องจักรที่สามารถตีความได้ ดัชนีคำศัพท์  I. บทนำ  การแสดงออกทางสีหน้ามีความจำเป็นต่อการสื่อสารของมนุษย์ที่ไม่ใช้คำพูด เนื่องจากการแสดงสีหน้าช่วยให้สามารถถ่ายทอดข้อมูลเกี่ยวกับสภาวะอารมณ์ [1] รวมถึงเจตนาในการแสดงออก [2] ของบุคคล อารมณ์เป็นองค์ประกอบพื้นฐานของปฏิสัมพันธ์ทางสังคม [3] และความสามารถในการแสดงออกและรับรู้ความรู้สึกถือเป็นทรัพยากรที่มีค่าอย่างยิ่งสำหรับการสร้างความสัมพันธ์ทางสังคม เป้าหมายสูงสุดของการคำนวณเชิงอารมณ์คือการเสริมพลังให้ระบบคอมพิวเตอร์สามารถรับรู้และแสดงออกถึงอารมณ์ และสามารถสร้างความสัมพันธ์ทางสังคมกับผู้ใช้ที่เป็นมนุษย์ได้ [4] จนกระทั่งเมื่อไม่นานนี้ ความสามารถนี้ถือเป็นสิ่งที่มีเฉพาะในมนุษย์เท่านั้น อย่างไรก็ตาม โดยเฉพาะอย่างยิ่งกับความก้าวหน้าล่าสุดในด้านปัญญาประดิษฐ์ (AI) ได้มีการศึกษามากมายที่เน้นที่การจดจำอารมณ์โดยอัตโนมัติ [5]  แนวทางทั่วไปในการฝึกโมเดลการเรียนรู้ของเครื่องสำหรับการจดจำอารมณ์บนใบหน้า (FER) คือการเรียนรู้แบบมีผู้ดูแล ซึ่งต้องใช้ชุดข้อมูลจำนวนมาก [6] โดยเฉพาะอย่างยิ่ง โมเดล FER เชิงลึกมักประสบปัญหาเนื่องจากขาดข้อมูลเพียงพอสำหรับการฝึก [7] การรวบรวมและดูแลชุดข้อมูลขนาดใหญ่ดังกล่าวเป็นความพยายามที่สิ้นเปลืองเวลาและมีค่าใช้จ่ายสูง เนื่องจากจำเป็นต้องมีการติดฉลากโดยผู้ให้คำอธิบายที่เป็นมนุษย์ [8] ซึ่งเป็นอุปสรรคต่อการปรับปรุงประสิทธิภาพอย่างมีนัยสำคัญในการวิจัยการจดจำอารมณ์  ความท้าทายที่สำคัญอีกประการหนึ่งอยู่ที่การอธิบายและตีความของโมเดลการจดจำอารมณ์ การศึกษาส่วนใหญ่ประเมินโมเดลการจดจำอารมณ์โดยใช้เมทริกซ์ความแม่นยำและความสับสน อย่างไรก็ตาม เมตริกเหล่านี้มักรายงานประโยชน์ใช้สอยของโมเดลสำหรับมนุษย์ได้ไม่เพียงพอ โมเดลที่ตีความได้ควรให้คำอธิบายที่เรียบง่ายเพียงพอที่ผู้ใช้จะเข้าใจได้ และให้ในภาษาที่มีความหมายสำหรับพวกเขา [9] ความสามารถในการอธิบายของโมเดลการจดจำอารมณ์นั้นแทบจะไม่เคยถูกกล่าวถึงในเอกสารเลย แนวทางในการบรรลุถึงความสามารถในการอธิบายนั้นจำกัดอยู่เพียงวิธีการที่ไม่สนใจโมเดลซึ่งอธิบายผลลัพธ์ของโมเดลโดยอิงจากอินพุต และวิธีการที่โปร่งใสต่อโมเดล (เช่น [10], [11]) ซึ่งเน้นที่การเปิดใช้งานในเลเยอร์ต่างๆ ของเครือข่ายประสาทเทียม [12] อย่างไรก็ตาม แนวทางทั้งสองไม่ได้ให้คำอธิบายที่เป็นมิตรกับมนุษย์ซึ่งผู้ใช้สามารถตีความได้เสมอไป  ความท้าทายเกี่ยวกับการรวบรวมและดูแลข้อมูลที่มีป้ายกำกับจำนวนมากเกินไปสำหรับการฝึกโมเดล FER และการให้คำอธิบายที่สามารถตีความได้จากโมเดลดังกล่าวต้องใช้วิธีการที่ต่างจากเดิม ในการศึกษานี้ เราเสนอแนวทางการเล่นเกมเพื่อรวบรวมข้อมูลอารมณ์บนใบหน้าที่มีคำอธิบายประกอบ เกมที่เสนอซึ่งมีชื่อว่า Facegame นำเสนอวิธีการให้คำสั่งภาษาธรรมชาติเป็นข้อมูลตอบรับแก่ผู้เล่น ซึ่งทำหน้าที่เป็นวิธีการบรรลุความสามารถในการอธิบายที่สามารถตีความได้ โดยสรุปแล้ว การมีส่วนสนับสนุนของเราในสาขาการคำนวณอารมณ์มีดังต่อไปนี้:  • เรานำเสนอแนวทางการเล่นเกมสำหรับการรวบรวมข้อมูลอารมณ์บนใบหน้าพร้อมคำอธิบายประกอบอย่างรวดเร็ว ซึ่งอุดมไปด้วยการแสดงออกทางสีหน้าที่หลากหลาย ในลักษณะที่มีต้นทุนต่ำและใช้ความพยายามน้อย  • เราเสนอแนวทางใหม่สำหรับการอธิบายที่สามารถตีความได้โดยการแปลคุณลักษณะใบหน้ากลางเป็นการกำหนดภาษาธรรมชาติ และมอบให้เป็นคำอธิบายสำหรับการจำแนกอารมณ์ที่ให้ไว้โดยแบบจำลอง FER  • แนวทางการเล่นเกมที่นำเสนอนี้ส่งผลให้ทักษะการรับรู้อารมณ์ทางสีหน้าและการแสดงออกทางอารมณ์ของผู้เล่นดีขึ้นอย่างมาก  เอกสารที่เหลือมีโครงสร้างดังต่อไปนี้ ส่วนที่ II เป็นการทบทวนวรรณกรรมเกี่ยวกับการจดจำอารมณ์ ปัญญาประดิษฐ์ที่สามารถอธิบายได้ และการรวบรวมข้อมูลในรูปแบบเกม ส่วนที่ III อธิบายถึงผลงานหลัก ส่วนที่ IV นำเสนอรายละเอียดของการศึกษาทดลองของเรา ส่วนที่ V เปิดเผยผลการทดลองของเรา และสุดท้าย ส่วนที่ VI นำเสนอการอภิปรายเกี่ยวกับผลกระทบทางทฤษฎีและทางปฏิบัติของผลงานของเรา และสรุปเอกสาร  เอกสารนี้   ภายใต้ใบอนุญาต CC BY 4.0 DEED เผยแพร่บน arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Gamifications.TECH

Gamifications unlocks engagement secrets, merging playful design and tech to turn the ordinary into the extraordinary.

Gamifications's blog

เสียงนี้ผลิตในภาษาต้นฉบับของเรื่องราว!

เกมประหลาดนี้จะทำให้คุณเลียนแบบใบหน้าได้ และด้วยเหตุนี้มันจึงทำให้ AI ก้าวหน้าขึ้น

About Author

ความคิดเห็น

แขวนแท็ก

บทความนี้ถูกนำเสนอใน

Related Stories

Meet ScyllaDB: HackerNoon Company of the Week

MOCKING AT FATE

Open AI Images on HackerNoon: The Conundrum

CHANGES AT MILTON.

Meet ScyllaDB: HackerNoon Company of the Week

MOCKING AT FATE

Open AI Images on HackerNoon: The Conundrum

CHANGES AT MILTON.

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps