COMPUTACIóN AFECTIVA: ENTREVISTA AL DR. ALBORNOZ, DE LA UNL / COMPUTACIóN AFECTIVA: ENTREVISTA AL DR. ALBORNOZ, DE LA UNL

Departamento de Informática, FCFMyN

Computación Afectiva: entrevista al Dr. Albornoz, de la UNL

Con asistentes de distintas áreas de la Universidad Nacional de San Luis, el miércoles 22 de marzo se dictó la charla “Introducción a la Computación Afectiva” en el Departamento de Informática de la Facultad de Ciencias Físico Matemáticas y Naturales.
 
La disertación estuvo a cargo del Dr. Enrique Marcelo Albornoz de la Universidad Nacional del Litoral, Santa Fé.
El Dr. Albornoz trabaja en la Facultad Ingeniería y Ciencias Hídricas y ocupa un cargo como investigador en el Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional sinc(i), UNL-CONICET (Santa Fe).
 
El objetivo del encuentro fue introducir el tema del “reconocimiento del estado del hablante”, particularmente, enfocándose en el estado emocional.
 
Los temas que se abordaron tuvieron que ver con la introducción sobre la relevancia de reconocer el estado del hablante y desafíos actuales; definiciones sobre el estado afectivo y las emociones; modelos emocionales: discretos y continuos; estado del arte para la extracción de características y métodos de clasificación; revisión de los datos y las dificultades para la preparación, adquisición y uso; las tendencias y desafíos actuales; y una breve revisión de publicaciones propias.
Es importante mencionar que la comunicación de las personas involucra información implícita y explícita que puede estar presente en el habla, el lenguaje corporal, las expresiones faciales y las bioseñales.
 

 
Al finalizar el debate de la charla, el Dr. Albornoz brindó la siguiente entrevista:
 
-¿Cómo define el concepto del estado del hablante?
Es una situación o estado que puede manifestar una persona, en principio puede estar relacionado con alguna enfermedad, trastorno físico o neurológico, un estado emocional, entre otros. Las aplicaciones relacionadas al estado del hablante se pueden direccionar al análisis de estados más específicos, por ejemplo estudiar qué emoción manifiesta el hablante, dar un pre-diagnóstico para saber si una persona tiene autismo o qué nivel de Parkinson tiene, niveles de alcohol o drogas en la sangre, entre otros estados.
 
-¿Por qué le interesó estudiar y trabajar en Computación Afectiva?
Siempre me atrajo el tema como así también el procesamiento de señales e inteligencia computacional. Lo interesante es poder pensar en una aplicación práctica y usarla como motivación para aprender los métodos. En nuestro grupo comenzamos con el reconocimiento del habla, utilizamos las grabaciones de elocuciones de las personas para transcribir lo que dicen.
En el año 2003 empezamos a gestar el sinc(i) y a estudiar las técnicas relacionadas al tema. Mucha gente que estaba trabajando a nivel mundial en reconocimiento de habla se acercó a la computación afectiva, a reconocer emociones a partir de la voz. Como las técnicas que se empezaron a usar en reconocimiento de emociones eran similares a las que veníamos usando en reconocimiento del habla, hubo una migración bastante natural y más interesante porque se abre un abanico de posibilidades donde empiezan a contemplarse diferentes estados de la persona y comienzan a evaluarse a través de señales de habla.
 
-¿Cómo se logra determinar ciertas cuestiones de la emoción a través de una computadora?
Todo depende de la cantidad de datos y complejidad del modelo que se necesite. En general, se puede realizar en una computadora de escritorio aunque hay métodos que demandan más poder de cómputo. Es importante señalar que el proceso que más tiempo lleva es cuando el modelo tiene que aprender a reconocer ese estado pero a la hora de probarlo, como el modelo está entrenado y aprendió, no se necesita mucho cómputo.
 
-¿Por qué cree que continuar trabajando en la temática permitirá recopilar conjuntos de datos masivos?
En general se produce una dinámica desde los que trabajan en una temática particular, por ejemplo reconocer un estado del hablante, generan un modelo que funcione y prototipo de aplicación, una vez que es validado se puede llegar a implementar en algún dispositivo. Si es lo suficientemente atractivo/útil, va a generar que alguien lo quiera usar o comprar. Con una buena estrategia, esto va a permitir que se puedan generar más datos, para mejorar ese modelo, entrenar mejores modelos y así se va dando un círculo virtuoso.
 
¿Cuál es su próximo objetivo? ¿Le interesaría formar un grupo multidisciplinar?
Por ahora, me interesaría articular nuestro trabajo con grupos de investigación de otras áreas, como el que está en la Facultad de Psicología de la UNSL en el que están investigando el tema de las emociones. Deberíamos ver la posibilidad de llevar adelante proyectos en conjunto. Formar un grupo multidisciplinar sería un proyecto bastante ambicioso.
 
- Dados estos modelos, ¿cuál es la probabilidad de un resultado correcto? ¿En qué caso se puede determinar que una persona tiene cierto problema?
En todos los modelos, clasificadores o sistemas se puede estimar el grado de fiabilidad que brindan. De hecho, se puede decir que una persona tiene una determinada probabilidad de presentar tal o cual estado y esto es propio de la situación y el modelo que se está analizando y cómo está funcionando.
En general, que tan bien funciona un modelo puede estar asociado a la cantidad de datos con los que se entrenó, por lo que al obtener más información, ésta se agrega al modelo y es de esperar que aprenda más cosas y mejor su rendimiento. En la práctica nunca esperamos un resultado perfecto por un montón de razones. Lo más difícil es reproducir los mejores resultados en situaciones reales, porque para estos casos, no sólo depende de la computadora sino que existe mucha variabilidad que depende de la persona y del entorno en el que se utiliza el sistema.