Lisano oyo ya kokamwa esalaka ete omekola bilongi —mpe na lolenge moko to mosusu Ezali kotombola AI

Tableau ya ba Liens

• Abstract mpe I. Maloba ya ebandeli
• II. Mosala oyo etali yango
• III. Bosangisi ya ba données gamified mpe oyo ekoki kolimbolama Fer
• IV. Méthodologie ya kosala
• V. Ba résultats
• VI. Masolo mpe Bosukisi, Liloba ya bopusi ya bizaleli malamu mpe Ba références

Emonanaka te

Kopesa formasyo na ba modèles ya reconnaissance ya émotion ya elongi esengaka ba ensembles minene ya ba données mpe ba processus ya annotation oyo esɛngaka mbongo mingi. Mpo na kokitisa mokakatano yango, tosalaki lolenge moko ya masano mpo na kozwa ba données ya mayoki ya elongi oyo ezali na ba annotations kozanga ete bato básala milende ya kotya bilembo na ndenge ya polele. Lisano yango, oyo topesaki nkombo Facegame, ezali kopesa basani mikakatano ete bámekola elilingi oyo emonisami ya elongi oyo ezali komonisa mayoki moko ya moboko. Ronde nionso oyo joueur a jouaka e créer ba données ya sika oyo ezali na ensemble ya ba traits ya elongi na ba repères, déjà annotées na étiquette émotionnelle ya expression faciale cible. Lolenge ya boye ekeli malamu mosala ya formation ya koyekola na masini ya makasi, ya koumela, mpe ya seko. To évaluaki Facegame na expérience oyo emonisaki ba contributions ebele na domaine ya informatique affective. Ya liboso, approche ya collecte ya ba données gamified epesaki biso nzela ya ko accéder na variation riche ya ba expressions faciales ya chaque émotion ya base en raison ya ba variations naturelles na ba expressions faciales ya ba joueurs mpe na ba capacités na bango ya expressive. Tozali kopesa lapolo ya bosikisiki oyo ebongisamaki ntango basalelaki ba données oyo esangisi mpo na ko enrichir ba ensembles ya ba données ya mayoki ya elongi oyo eyebani malamu na kati ya zamba mpe esalelamaki na kolandana mpo na kopesa formasyo na ba modèles ya reconnaissance ya mayoki ya elongi. Ya mibale, méthode ya ordonnance ya langue naturelle oyo Facegame esalela ezali approche ya sika mpo na explication interprétable oyo ekoki kosalelama na modèle nionso ya reconnaissance ya émotion ya elongi. Na nsuka, tomonaki kobongisama monene na bososoli ya mayoki ya elongi mpe makoki ya kolakisa ya basani na nzela ya masano mbala na mbala.

Maloba ya Index —Informatique affective, koyeba mayoki ya elongi, gamification, AI oyo ekoki kolimbolama, koyekola na masini oyo ekoki kolimbolama

I. LILOBA YA EBANDELI

Bolakisi ya elongi ezali na ntina mingi mpo na bosololi ya bato oyo ezali na maloba te lokola epesaka nzela ya kopesa sango oyo etali ezalela ya mayoki [1] lokola mpe mikano ya bizaleli [2] ya moto. Mayoki ezali biloko ya moboko ya boyokani na bato [3], mpe makoki ya kobimisa mpe kososola mayoki ezali eloko ya motuya mingi mpo na kotonga boyokani na bato. Grail mosantu ya informatique affective ezali kopesa nguya na ba systèmes informatiques na makoki ya ko percevoir mpe ko exprimer ba émotions, mpe kozala na makoki ya kosala ba liens sociales na ba usagers ya bato [4]. Tii kala mingi te, bato bazalaki kotalela likoki yango lokola oyo ekeseni na bato. Kasi, mingimingi na bokóli oyo euti kosalema na mayele ya kosala mayele (AI), boyekoli mingi esalemi oyo etali koyeba mayoki na ndenge ya automatique [5].

Approche commune ya formation ya ba modèles ya apprentissage machine pona reconnaissance ya ba émotions faciales (FER) ezali apprentissage supervisée, oyo esengaka ba ensembles minene ya ba données [6]. Mingimingi, ba modèles ya FER ya mozindo ezali na mikakatano na bozangi ya ba données ekoki pona formation [7]. Kosangisa mpe ko curer ba ensembles ya ba données ya minene boye ezali mosala oyo esɛngaka mbongo mingi mpe esɛngaka ntango mingi mpo ete kosala étiquetage na ba annotateurs ya bato ezali na ntina [8]. Yango ezali epekiseli mpo na kozwa kobongisama monene ya mosala na bolukiluki ya koyeba mayoki.

Mokakatano mosusu ya monene ezali na ndimbola mpe ndimbola ya ba modèles ya reconnaissance ya mayoki. Boyekoli mingi mingi etalaka ba modèles ya reconnaissance ya mayoki na kosalelaka ba matrices ya précision mpe ya confusion; nzokande, mbala mingi ba metrics wana ekweyaka te na kopesa lapolo ya litomba ya ba modèles mpo na bato. Ba modèles oyo ekoki kolimbolama esengeli kopesa bandimbola oyo ezali pete mpo na kososolama na basaleli na yango, pe epesami na monoko oyo ezali na tina pona bango [9]. Explication ya ba modèles ya reconnaissance ya émotion elobamaki très rarement na ba livres. Ba approches ya kozua explication ezali limitée na ba méthodes modelagnostiques oyo e explique sortie ya modèle oyo esalemi na ba entrées, pe ba méthodes transparentes modèle (par exemple, [10], [11]) oyo ezo souligner activation na ba couches différentes ya ba réseaux neuronaux artificiels [ 12]. Kasi, lolenge moko te ya mayele epesaka mpenza bandimbola oyo ebongi mpo na bato oyo basaleli na yango bakoki kolimbola.

Mikakatano oyo etali kosangisa pe ko curer ba quantité eleki ya ba données étiquetées pona formation ya ba modèles FER, pe kopesa ba explications interprétées na ba modèles ya boye esengi ba méthodes hétérodoxes. Na études oyo, to proposer approche ya gamification vers la collection ya ba données ya émotions faciales annotées. Lisano oyo esengami, oyo epesameli nkombo; Facegame, ezali na méthode ya kopesa ordonnance ya langue naturelle lokola retour na ba joueurs, efficacement kosala lokola moyen ya kozua expliabilité interprétable. Na bokuse, ba contributions na biso na domaine ya informatique affective ezali boye :

• Tozali kolakisa lolenge ya kosala masano mpo na kosangisa nokinoki ba données ya mayoki ya elongi oyo ezali na ba annotations oyo ezali na ba expressions ya elongi ndenge na ndenge, na ndenge ya talo moke, ya milende mingi te.

• Tozali kopesa likanisi ya lolenge ya sika mpo na ndimbola oyo ekoki kolimbolama na kobongola bizaleli ya elongi ya kati na ba ordonnances ya monoko ya bozalisi, mpe kopesa yango lokola ndimbola mpo na ba classifications ya mayoki oyo epesami na modèle nionso ya FER.

• Approche ya gamification oyo elakisami ememaka na ba améliorations ya minene na perception ya émotion ya elongi pe makoki ya expression ya ba joueurs.

Oyo etikali ya mokanda oyo ebongisami boye. Eteni II epesi botali ya mikanda na ntina ya boyebi mayoki, AI oyo ekoki kolimbolama, mpe bosangisi ba données gamified. Eteni III elimboli makabo ya ntina. Eteni IV ezali kolakisa makambo ya mikemike ya boyekoli na biso ya komeka. Eteni V elobeli mbano ya ba expériences na biso. Na suka, Eteni VI epesi lisolo na ntina ya ba implications théoriques mpe pratiques ya ba contributions na biso, mpe esukisi mokanda.