論文の概要: Ethics Sheet for Automatic Emotion Recognition and Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2109.08256v1
- Date: Fri, 17 Sep 2021 00:18:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 06:04:16.478579
- Title: Ethics Sheet for Automatic Emotion Recognition and Sentiment Analysis
- Title(参考訳): 感情自動認識と感情分析のための倫理表
- Authors: Saif M. Mohammad
- Abstract要約: 感情的なコンピューティングコミュニティは、その創造の倫理的影響に積極的に関わっていくことが不可欠である。
AERに関連する倫理的考察を50点提示するために,AI倫理・感情認識文学から情報を合成,整理した。
- 参考スコア(独自算出の注目度): 25.289525325790414
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The importance and pervasiveness of emotions in our lives makes affective
computing a tremendously important and vibrant line of work. Systems for
automatic emotion recognition (AER) and sentiment analysis can be facilitators
of enormous progress (e.g., in improving public health and commerce) but also
enablers of great harm (e.g., for suppressing dissidents and manipulating
voters). Thus, it is imperative that the affective computing community actively
engage with the ethical ramifications of their creations. In this paper, I have
synthesized and organized information from AI Ethics and Emotion Recognition
literature to present fifty ethical considerations relevant to AER. Notably,
the sheet fleshes out assumptions hidden in how AER is commonly framed, and in
the choices often made regarding the data, method, and evaluation. Special
attention is paid to the implications of AER on privacy and social groups. The
objective of the sheet is to facilitate and encourage more thoughtfulness on
why to automate, how to automate, and how to judge success well before the
building of AER systems. Additionally, the sheet acts as a useful introductory
document on emotion recognition (complementing survey articles).
- Abstract(参考訳): 人生における感情の重要性と広汎性は、感情コンピューティングを非常に重要で活気ある仕事のラインにします。
自動感情認識システム(aer)と感情分析システムは、巨大な進歩の促進者(公衆衛生や商業の改善など)だけでなく、大きな危害(反体制派を抑圧し、有権者を操作するためのもの)にもなり得る。
したがって、情緒的コンピューティングコミュニティは、彼らの創造の倫理的影響に積極的に関与することが不可欠である。
本稿では,AI倫理・感情認識文学から情報を合成し,整理し,AERに関連する倫理的考察を50件提示する。
特に、シートは、AERが一般的にフレーム化されているか、データ、方法、評価に関してしばしば行われる選択に隠れた仮定を具体化する。
プライバシーや社会団体に対するAERの影響に特に注意が払われている。
シートの目的は、AERシステムを構築する前に、なぜ自動化するか、どのように自動化するか、どのようにして成功を判断するかについて、より配慮し、促進することである。
さらに、このシートは感情認識(補足調査記事)に関する有用な序文として機能する。
関連論文リスト
- EmoBench: Evaluating the Emotional Intelligence of Large Language Models [75.79920924768798]
EmoBenchは、確立された心理学理論に基づいて、マシン感情知能(EI)の包括的な定義を提案するベンチマークである。
EmoBenchには、英語と中国語で400の手作りの質問が含まれている。
以上の結果から,既存の大規模言語モデルのEIと平均的な人間の間には,かなりのギャップがみられ,今後の研究に向けての有望な方向性が浮かび上がっている。
論文 参考訳(メタデータ) (2024-02-19T11:48:09Z) - EmoTwiCS: A Corpus for Modelling Emotion Trajectories in Dutch Customer
Service Dialogues on Twitter [9.2878798098526]
本稿では,情緒トラジェクトリに注釈を付けた9,489件のオランダの顧客サービス対話コーパスであるEmoTwiCSを紹介する。
感情軌跡」という用語は、顧客の体験したきめ細かい感情だけでなく、会話の前に起きる出来事や人間の操作者による反応も指している。
論文 参考訳(メタデータ) (2023-10-10T11:31:11Z) - Artificial Empathy Classification: A Survey of Deep Learning Techniques,
Datasets, and Evaluation Scales [0.0]
本稿では,これまでに収集および使用されてきたデータセットとともに,共感の計測と評価のための既存の作業について検討し,評価することを目的とする。
我々のゴールは、その性能を比較することで、AE領域における最先端の手法の活用を強調し、促進することである。
論文 参考訳(メタデータ) (2023-09-04T16:02:59Z) - Best Practices in the Creation and Use of Emotion Lexicons [31.87319293259599]
本稿では、Affective ComputingとAI Ethicsのアイデアと、感情レキシコンの作成と利用に関わる実践的および倫理的考察(ベストプラクティス)をまとめて紹介する。
ゴールは、読者(特に感情を扱う新しい人たち)が関連する情報を一箇所で見つけられるように、関連する考慮事項の包括的なセットを提供することである。
論文 参考訳(メタデータ) (2022-10-13T17:31:09Z) - Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。
既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。
視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
論文 参考訳(メタデータ) (2022-07-25T02:20:03Z) - Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。
AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。
我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
論文 参考訳(メタデータ) (2022-04-11T14:36:39Z) - Using Knowledge-Embedded Attention to Augment Pre-trained Language
Models for Fine-Grained Emotion Recognition [0.0]
我々は,事前学習した自己意識モデルに外部知識を導入することで,微粒な感情認識を改善することに集中する。
結果と誤差解析は,複数のデータセットで過去のモデルより優れていた。
論文 参考訳(メタデータ) (2021-07-31T09:41:44Z) - Ethics Sheets for AI Tasks [25.289525325790414]
私は、個々のモデルやデータセットのレベルだけでなく、AIタスクのレベルにおいても倫理的考慮事項について考えることにしました。
このような取り組みの新たな形態として、AIタスクのための倫理表(Ethics Sheets for AI Tasks)を紹介します。
論文 参考訳(メタデータ) (2021-07-02T16:45:40Z) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳(メタデータ) (2021-06-23T14:53:27Z) - Emotion-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2021-06-06T06:26:15Z) - Disambiguating Affective Stimulus Associations for Robot Perception and
Dialogue [67.89143112645556]
知覚された聴覚刺激と感情表現の関連性を学ぶことができるNICOロボットを提供します。
NICOは、感情駆動対話システムの助けを借りて、個人と特定の刺激の両方でこれを行うことができる。
ロボットは、実際のHRIシナリオにおいて、被験者の聴覚刺激の楽しさを判断するために、この情報を利用することができる。
論文 参考訳(メタデータ) (2021-03-05T20:55:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。