Affective computing
A.A. 2024/2025
Obiettivi formativi
The course describes and analyses theory and techniques for the design of affective artificial agents that are able to:
- perceive the user's affective signals and extract their most significant cues
- infer, form such cues in a given context, user's affective state
- provide the appropriate feedback to the user
To such end, the course concerns: a rigorous introduction to the neurobiological and psychological models of emotions; stochastic processes and statistical machine learning and inference for modelling the dynamics of affect.
- perceive the user's affective signals and extract their most significant cues
- infer, form such cues in a given context, user's affective state
- provide the appropriate feedback to the user
To such end, the course concerns: a rigorous introduction to the neurobiological and psychological models of emotions; stochastic processes and statistical machine learning and inference for modelling the dynamics of affect.
Risultati apprendimento attesi
Upon completion of the course students will be able to:
1. Define the methodology and the most appropriate techniques for modelling affective agents dealing with uncertainty
2. Measure and analyse affective signals, either behavioural or physiological and extract affective cues
3. Design and implement simple affective agents to be exploited in different applications such as video surveillance, autonomous driving, robotics, entertainment.
These objectives are measured via a combination of three components: the project realisation, the project technical report and the oral discussion. The final grade is formed by assessing the software developed, the project report, and then using the oral discussion for fine tuning.
1. Define the methodology and the most appropriate techniques for modelling affective agents dealing with uncertainty
2. Measure and analyse affective signals, either behavioural or physiological and extract affective cues
3. Design and implement simple affective agents to be exploited in different applications such as video surveillance, autonomous driving, robotics, entertainment.
These objectives are measured via a combination of three components: the project realisation, the project technical report and the oral discussion. The final grade is formed by assessing the software developed, the project report, and then using the oral discussion for fine tuning.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento può essere seguito come corso singolo.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
Programma
La computazione affettiva ha i seguenti obbiettivi:
- rilevamento e analisi dei segnali affettivi
- percezione del contesto in cui i segnali sono comunicati
- comprensione/inferenza degli stati affettivi interni che hanno generato i segnali
La soluzione di tali problemi coinvolge sia i livelli neurobiologici/psicologici di generazione delle emozioni sia il livello di costruzione di modelli computazionali che consentono di trattare automaticamente la dinamica dei segnali affettivi emessi nel corso del processo generativo.
Su tale base l'insegnamento si articola in due parti.
Parte 1 Modelli psicologici e neurobiologici delle emozioni
- Preludio alla computazione affettiva
- Teorie delle emozioni
- Il paesaggio computazionale
- Teorie folk delle emozioni
- La teoria degli atti concettuali
- Alla ricerca del cervello emotivo
- Il cervello predittivo
- Altri cervelli e il problema del linguaggio
Parte 2 Modelli computazionali probabilistici delle emozioni
- Modelli probabilistici e il problema dell'inferenza Bayesiana
- Inferenza approssimata con tecniche Monte Carlo
- Inferenza approssimata con tecniche Bayes-variazionali
- Programmazione probabilistica
- Modelli di deep learning generativi e variazionali
- rilevamento e analisi dei segnali affettivi
- percezione del contesto in cui i segnali sono comunicati
- comprensione/inferenza degli stati affettivi interni che hanno generato i segnali
La soluzione di tali problemi coinvolge sia i livelli neurobiologici/psicologici di generazione delle emozioni sia il livello di costruzione di modelli computazionali che consentono di trattare automaticamente la dinamica dei segnali affettivi emessi nel corso del processo generativo.
Su tale base l'insegnamento si articola in due parti.
Parte 1 Modelli psicologici e neurobiologici delle emozioni
- Preludio alla computazione affettiva
- Teorie delle emozioni
- Il paesaggio computazionale
- Teorie folk delle emozioni
- La teoria degli atti concettuali
- Alla ricerca del cervello emotivo
- Il cervello predittivo
- Altri cervelli e il problema del linguaggio
Parte 2 Modelli computazionali probabilistici delle emozioni
- Modelli probabilistici e il problema dell'inferenza Bayesiana
- Inferenza approssimata con tecniche Monte Carlo
- Inferenza approssimata con tecniche Bayes-variazionali
- Programmazione probabilistica
- Modelli di deep learning generativi e variazionali
Prerequisiti
Elementi di base di Statistica e di Machine Learning Statistico. Capacità di programmazione in Python sono necessarie per lo svolgimento del progetto.
Metodi didattici
Lezioni frontali sulle principali tematiche della computazione affettiva e, durante lo svolgimento del progetto, attività sperimentali e pratiche nel PHUSE Lab
Materiale di riferimento
l materiale di riferimento (appunti, lucidi delle lezioni, testi di riferimento, articoli, video, software) è aggiornato di volta in volta sul sito web dell'insegnamento su piattaforma Ariel (https://gboccignoneac.ariel.ctu.unimi.it)
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste nello svolgimento di un progetto e in una prova orale in cui si discute il progetto. Il progetto è concordato preventivamente con il docente e tipicamente viene individuato in relazione alle attività di ricerca di computazione affettiva del laboratorio Perceptual computing and HUman SEnsing (PHUSE Lab).
Verrà affrontato un caso di studio specifico con lo scopo di fornire una soluzione in forma prototipale e la sua validazione sperimentale. A conclusione del progetto, lo studente è tenuto a consegnare, una relazione sotto forma di articolo scientifico (in formato LaTeX) che illustra il problema affrontato e i risultati ottenuti corredato da adeguata bibliografia, il software sviluppato come dimostrativo dei risultati sperimentali ottenuti. La prova orale, oltre a discutere e verificare i dettagli del progetto, ha lo scopo di accertare la capacità dello studente di discutere in maniera sistematica e approfondita il lavoro svolto nel quadro degli argomenti trattati nell'insegnamento.
Verrà affrontato un caso di studio specifico con lo scopo di fornire una soluzione in forma prototipale e la sua validazione sperimentale. A conclusione del progetto, lo studente è tenuto a consegnare, una relazione sotto forma di articolo scientifico (in formato LaTeX) che illustra il problema affrontato e i risultati ottenuti corredato da adeguata bibliografia, il software sviluppato come dimostrativo dei risultati sperimentali ottenuti. La prova orale, oltre a discutere e verificare i dettagli del progetto, ha lo scopo di accertare la capacità dello studente di discutere in maniera sistematica e approfondita il lavoro svolto nel quadro degli argomenti trattati nell'insegnamento.
Siti didattici
Docente/i