Machine Learning: Neuronales Netzwerk erkennt Wut in der Stimme

Emotionen in Stimmen zu erkennen, ist für die Forscher von Affectiva durch die wenigen Trainigsdaten nicht leicht. Trotzdem konnten sie ein neuronales Netzwerk trainieren, das verschiedene Sprachen versteht. Das soll für viele Dinge hilfreich sein, etwa für die Erkennung psychologischer Störungen.

Artikel veröffentlicht am 12. Februar 2019, 11:47 Uhr, Oliver Nickel

Wut ist nicht immer so leicht zu erkennen wie beim unglaublichen Hulk. (Bild: Pixabay.com/CC0 1.0)

Wissenschaflter des Unternehmens Affectiva, einem Ableger von MIT Labs, entwickeln ein neuronales Netzwerk, das Aufregung und Wut in der Stimme erkennt. Es analysiert dazu ein eingegebenes Audiosignal auf Muster, die auf eine Emotion hinweisen. Die Reaktionszeit der Software liegt mit 1,2 Sekunden knapp über der von Menschen, schreiben die Forscher in dem wissenschaftlichen Dokument (PDF). Die Grundlage bildet Soundnet, ein neuronales Netzwerk, das sich auf das Analysieren von Audiosignalen spezialisiert.

Ein Problem beim Training ihres Netzwerkes ist, dass viele Daten benötigt werden und es relativ wenig Trainingsinformationen dazu gibt, die mit Emotionen bereits markiert sind. Trotzdem konnte das Team innerhalb eines Jahres etwa zwei Millionen Videos als Trainingsbeispiele nutzen. In einem zweiten Schritt haben die Forscher ihr System mit zwölf Stunden markierten audiovisuellen Daten präzisiert.

Das Ergebnis: Ihre Software erkennt Emotionen, unabhängig von der Sprache, der sie zuhört. So konnte das Programm sowohl auf englische Eingaben als auch auf Mandarin angewendet werden. Allerdings ist es dabei etwas weniger präzise. Das würde auch auf Menschen zutreffen, die eine andere Sprache und damit Kultur weniger verstehen als die eigene.

Die Forscher stellen sich viele Anwendungsbeispiele für ihr System vor. "Wut-Klassifizierung hat viele nützliche Anwendungsmöglichkeiten, einschließlich Social-Roboter, interaktive Voice-Response-Systeme (IVR), Marktforschung, Kundeneinschätzungen und Virtual oder Augmented Reality." Andere Unternehmen haben solche Systeme auch dazu genutzt, um aus der Stimmlage von US-Veteranen psychologische Krankheiten wie das posttraumatische Stresssyndrom (PTSD) zu diagnostizieren.