Do ComputersHave Personality?Björn

Do Computers
Have Personality?
Björn Schuller, University of Passau and Imperial College London
This installment of Computer’s series highlighting the
work published in IEEE Computer Society journals comes
from IEEE Transactions on Affective Computing.
We all have specific personality
traits that are
reflected in our behavior
(or at least those
we pretend or appear to have), and we
often have strong opinions about the
personalities of those surrounding us.
But what about computers? Do computers
have a personality, or can they at
least model different types of personalities?
Can they perceive or understand
the personalities of their human users?
Alessandro Vinciarelli and
Gelareh Mohammadi pose this question
in “A Survey of Personality Computing”
(IEEE Transactions on Affective
Computing, vol. 5, no. 3, 2014,
pp. 273–291), which explains that
the computing industry’s interest in
personality has risen steadily since
the mid-2000s due to the increasing
amount of personal information
available through social networks,
the possibility of collecting behavioral
evidence through smartphones,
and the idea of providing machines
with social and affective intelligence
so they can interact with humans.
As such, “personality is relevant to
any computing area involving understanding,
prediction, or synthesis of
human behavior.”
The paper introduces personality
computing, explaining that “several
works [in the literature] investigate
the interplay between personality
and computing by measuring the link
between [personality] traits and use
of technology.” Thus, users externalize
their personality through the way
they use technology, and personality
traits can be indicative of users’
behavior. For example, certain traits
can predict whether a user will activate
a blog or will use a mobile phone
in public spaces.
According to the authors, computing
domains concerned with personality
consider three main problems:
automatic personality recognition
(APR; inferring the actual personality
based on the individual’s observed
behavior), automatic personality perception
(APP; predicting a personality
attributed to an individual by
others), and automatic personality
synthesis (APS; generating artificial
personalities through embodied virtual
agents). The distinction between
APR and APP is worth noting in terms
of terminology, as affective computing
often grapples with differentiating
between what’s true and what’s
perceived, especially where emotion
is concerned.
APR and APP use personality analysis
methods rooted in pattern recognition.
Depending on the analysis
modality—such as video, speech, or
social media behavior data—features
like acoustic vocal cues or facial
expression parameters are extracted.
Then, statistical machine-learning
methods such as the support vector
machine model can be used to train a
recognition or prediction model. New,
previously unseen behavior can then
be analyzed for personality cues based
on the extracted features.
Two approaches prevail in APS.
In machine learning, labeled data is
collected from human behavior to
train a machine to produce behavior
fitting the current situation that
induces the target personality in
the human observer. In rule-based
systems, specific parameters such
as pitch, intensity, speaking rate,
length and frequency of pauses, hesitations,
and word choice are fitted
by rules to the modeled personality.
For virtual agents, parameters also
Personality is relevant to any computing area
involving understanding, prediction,
or synthesis of human behavior.
SPOTLIGHT ON TRANSACTIONS
MARCH 2015 7
include body movements, gestures,
and facial behavior including eye
contact and expression.
The authors show that reasonable
APR results can be obtained by analyzing
text and nonverbal and spoken
communication, as well as through
computer gaming, social media, and
wearable device data, and by considering
the user’s speaking activity,
proximity to others, and movements.
Similar findings were reported for
APP through nonverbal behavior and
social media exploration. With APS,
certain personality traits can be successfully
simulated through speech or
facial expression synthesis. Accordingly,
virtual agents and robots might
already have a perceivable personality.
So it seems that computers can understand
and show personality, without
actually having one.
With the increasing flow of
data from social media
and elsewhere, personality
computing will help mine the digital
traces people leave online, make sense
of social media users, target advertisement
campaigns to the right potential
customers, or tune retrieval technologies
to users’ personality. Personality
computing is also likely to play an
important role in technologies aimed
at detecting personality disorders.
Finally, human–computer interaction
(HCI) can adopt personality computing
technology to better predict users’
needs and preferences, helping
machines interact with humans more
realistically.
Selected CS articles and
columns are also available

Kết quả (Việt) 2:

Vi tính
có tính cách?
Björn Schuller, Đại học Passau và Imperial College London
góp này của loạt máy tính của nhấn mạnh
công tác xuất bản trong tạp chí IEEE Computer Society đến
từ IEEE giao dịch trên Affective Computing.
Chúng ta đều có tính cách cụ thể
những đặc điểm đó được
phản ánh trong hành vi của chúng tôi
( hoặc ít nhất là những người
chúng ta giả vờ hoặc xuất hiện có), và chúng tôi
thường có ý kiến mạnh mẽ về
tính cách của những người xung quanh chúng ta.
Nhưng những gì về máy tính? Do các máy tính
có một tính cách, hoặc có thể họ ít
nhất là mô hình các loại khác nhau của các cá tính?
Liệu họ có nhận thức hoặc hiểu
tính cách của người sử dụng nhân lực của mình?
Alessandro Vinciarelli và
Gelareh Mohammadi đặt ra câu hỏi này
trong "Một khảo sát của Personality Computing"
(IEEE giao dịch trên Affective
tin học, vol. 5, không có. 3, 2014,
pp. 273-291), điều này giải thích rằng
sự quan tâm của ngành công nghiệp máy tính trong
tính cách đã tăng đều đặn kể từ
giữa những năm 2000 do sự gia tăng
số lượng thông tin cá nhân
có sẵn thông qua các mạng xã hội,
các khả năng thu thập về hành vi
bằng chứng thông qua điện thoại thông minh,
và ý tưởng cung cấp máy
với trí thông minh xã hội và tình cảm
để họ có thể tương tác với con người.
như vậy, "cá tính có liên quan đến
bất kỳ khu vực tính toán liên quan đến sự hiểu biết,
dự đoán, hoặc tổng hợp của
hành vi con người."
các giấy giới thiệu tính cách
tính toán, giải thích rằng "một số
công trình [trong các tài liệu] điều tra
sự tương tác giữa cá tính
và máy tính bằng cách đo sự liên kết
giữa [cá tính] đặc điểm và sử dụng
công nghệ". do đó, người sử dụng ra bên ngoài
tính cách của họ thông qua cách
họ sử dụng công nghệ, và tính cách
đặc điểm có thể là dấu hiệu của người sử dụng
hành vi. Ví dụ, những đặc điểm nhất định
có thể dự đoán liệu một người dùng sẽ kích hoạt
một blog hoặc sẽ sử dụng một chiếc điện thoại di động
trong không gian công cộng.
Theo các tác giả, tính toán
các lĩnh vực liên quan đến tính cách
xem xét ba vấn đề chính:
công nhận tính cách tự động
(APR; suy luận ra tính cách thực tế
dựa trên của cá nhân quan sát
hành vi), tính cách nhận thức tự động
(APP; dự đoán một cách
gán cho một cá nhân của
người khác), và tự động tính
tổng hợp (APS; tạo nhân tạo
cá tính thông qua ảo thể hiện
các đại lý). Sự phân biệt giữa
tháng tư và APP đáng chú ý về
thuật ngữ, như điện toán cảm
thường phải đấu tranh với sự khác biệt
giữa những gì là sự thật và những gì đang
cảm nhận, đặc biệt là nơi cảm xúc
là có liên quan.
APR và APP sử dụng tính cách phân tích
phương pháp bắt nguồn từ nhận dạng mẫu.
Tùy thuộc vào việc phân tích
phương thức, chẳng hạn như video, lời nói, hoặc
hành vi truyền thông xã hội dữ liệu tính năng
như mối âm thanh âm thanh hoặc trên khuôn mặt
thông số biểu hiện được trích xuất.
Sau đó, máy học thống kê
các phương pháp như các vector hỗ trợ
mô hình máy tính có thể được sử dụng để đào tạo một
mô hình công nhận hoặc dự đoán . , Mới
hành vi trước đây chưa từng có thể sau đó
được phân tích các tín hiệu tính cách dựa
trên các tính năng trích xuất.
Hai phương pháp được áp dụng trong APS.
Trong học máy, dữ liệu nhãn được
thu thập từ những hành vi của con người để
đào tạo một máy để sản xuất hành vi
phù hợp với tình hình hiện tại mà
gây ra các mục tiêu nhân trong
các quan sát của con người. Trong quy tắc dựa trên
các hệ thống, các thông số cụ thể như
là pitch, cường độ, tốc độ nói,
chiều dài và tần số tạm dừng, do dự,
và lựa chọn từ ngữ được trang bị
bởi các quy tắc để tính cách mô hình hóa.
Đối với đại lý ảo, các thông số cũng
Personality là có liên quan đến bất kỳ khu vực máy tính
liên quan đến sự hiểu biết, dự đoán,
hoặc tổng hợp của hành vi con người.
SPOTLIGHT vỀ gIAO DỊCH
tháng 3 năm 2015 7
bao gồm các chuyển động cơ thể, cử chỉ,
và hành vi trên khuôn mặt bao gồm mắt
xúc và biểu hiện.
các tác giả cho thấy hợp lý
kết quả tháng tư có thể thu được bằng cách phân tích
văn bản và không lời nói và
giao tiếp , cũng như thông qua các
trò chơi máy tính, truyền thông xã hội, và
dữ liệu thiết bị đeo trên người, và bằng cách xem xét
hoạt động nói của người sử dụng,
gần gũi với những người khác, và phong trào.
Kết quả tương tự đã được báo cáo cho
APP thông qua hành vi phi ngôn ngữ và
thăm dò phương tiện truyền thông xã hội. Với APS,
đặc điểm tính cách nào đó có thể được thành công
mô phỏng thông qua bài phát biểu hoặc
tổng hợp biểu hiện trên khuôn mặt. Theo đó,
các đại lý ảo và robot có thể
đã có một tính cách cảm nhận.
Vì vậy, có vẻ như rằng các máy tính có thể hiểu
và thể hiện cá tính, mà không
thực sự có một.
Với dòng chảy ngày càng tăng của
dữ liệu từ phương tiện truyền thông xã hội
và các nơi khác, cá
tính sẽ giúp tôi kỹ thuật số
dấu vết người lại trực tuyến, làm cho tinh thần
của người sử dụng phương tiện truyền thông xã hội, nhắm mục tiêu quảng cáo
chiến dịch để các tiềm năng phù hợp
cho khách hàng, hoặc truy điệu nghệ
với cá tính của người sử dụng. Tính cách
tính toán cũng có thể đóng một
vai trò quan trọng trong công nghệ nhằm
vào phát hiện rối loạn nhân cách.
Cuối cùng, sự tương tác của con người-máy tính
(HCI) có thể áp dụng cách tính toán
công nghệ để dự đoán tốt hơn của người sử dụng
với nhu cầu và sở thích, giúp
máy tương tác với con người nhiều hơn
thực tế.
Chọn CS bài báo và
cột cũng có sẵn