Bir makine insan duygularını anlayabilir ve ona göre tepki verebilir mi?

Değerli meslektaşlarımız merhaba,

Evet, belirli sınırlar içinde. Bir makine, konuşma ve davranıştaki işaretleri değerlendirip yanıtını değiştirebilir. Yapay zekâ ve makine öğrenimi kullanılan bu araştırma alanına duygulanımsal bilişim (affective computing) denir. Ancak duygu hakkında tahmin üretmek, kişinin ne hissettiğini kesin olarak bilmek veya aynı duyguyu yaşamak değildir. [1]

Duyguyu algılamak, anlamak ve hissetmek aynı şey mi?

Algılama, yüz hareketi veya ses değişimi gibi bir işareti ölçmektir. Yorumlama, bu işareti bağlamla birlikte değerlendirmektir. Tepki verme ise yanıtı veya davranışı değiştirmektir. Bu işlemler, insan beyninin işlevlerini taklit etme araştırmalarıyla ilişkilidir; bilinç ve öznel deneyim konusunda tek başına kanıt oluşturmaz.

Bir kişinin gülümsemesi sevinç, nezaket veya gerginlikle ilişkili olabilir. Yüz hareketleriyle içsel duygu arasında herkes için geçerli, bire bir eşleşme yoktur. Dolayısıyla duygu tahmini, insanların düşüncelerini okuma yeteneği olarak sunulmamalıdır. [2]

Makine hangi işaretleri kullanır?

Yüz hareketleri: Kamera görüntüsünde kaş, göz ve ağız çevresindeki değişimler incelenebilir. Yüz ifadesi analizi ile bir kişinin kimliğini belirleyen yüz tanıma farklı işlerdir. Mikro ifade görülmesi de gizli duygunun veya yalanın kesin biçimde ortaya çıkarıldığı anlamına gelmez. [2]

Ses ve dil: Ses perdesi, konuşma hızı ve duraklamalar; sözcükler ve konuşmanın bağlamıyla birlikte değerlendirilebilir. Doğal dil işleme, metindeki duygu ifadelerini incelemeye yardımcı olur. “Harika, yine bozuldu!” gibi bir cümlede alay ve bağlam, yalnızca olumlu sözcük saymaktan daha önemlidir. [3]

Fizyolojik sinyaller: Nabız ve deri iletkenliği gibi ölçümler bazı araştırmalarda kullanılır. Fakat tek bir ölçüm belirli bir duyguyu kesinleştirmez. Sensörlerin elde ettiği verilerin kişisel başlangıç düzeyi ve ölçüm koşullarıyla değerlendirilmesi gerekir. [4]

Birden fazla veri kaynağı: Görüntü, ses, metin ve fizyolojik ölçümleri birleştirmek çok modlu analiz olarak adlandırılır. Veri analitiği bu işaretler arasındaki ilişkileri araştırır. Birden fazla kaynak kullanmak yararlı olabilir; kesin doğruluk garantisi vermez. [3] [4]

Tahmin nasıl bir tepkiye dönüşür?

Basit akış ölçüm → özellik çıkarımı → tahmin → uygun yanıt biçimindedir. Robotikte makine öğrenmesi verideki örüntüleri öğrenebilir; robot programlama ise kullanılabilecek tepkileri ve sınırları belirler. Tasarım örneği olarak bir asistan, kullanıcı zorlandığını söylediğinde açıklamayı kısaltıp adım adım yardım sunabilir.

Nerede işe yarayabilir?

Destek hizmetleri ve sosyal robotlar: Bir asistan, kullanıcının açıkça belirttiği memnuniyetsizliğe daha sakin bir dille yanıt verebilir. Yapay zekâ ile robotik birlikte kullanıldığında konuşma biçimi ve etkileşim sırası uyarlanabilir. Günlük hayattaki robot uygulamalarında amaç, kullanıcıya anlaşılır ve yararlı destek sunmaktır. [1]

Eğitim: Öğrencinin “bu kısmı anlamadım” bildirimi, ek örnek sunmak için kullanılabilir. Bu tasarımda doğrudan kullanıcı geri bildirimi esas alınır. Yüz görüntüsünden çıkarılan bir etiketi öğrencinin yeteneği, ilgisi veya başarısı hakkında kesin hükme dönüştürmek doğru değildir.

Sağlık araştırmaları: Davranış ve fizyolojik veriler üzerine çalışmalar vardır. Sağlık hizmetlerindeki robotik ile kesişen bu alanda, bir duygu sınıflandırıcısının çıktısı tek başına depresyon veya anksiyete tanısı olarak kabul edilmemelidir. Kullanım amacı ve klinik doğrulama belirleyicidir. [6]

Araç içi sistemler: Otonom araç teknolojileriyle ilişkili sürücü izleme çalışmalarında farklı durumlar incelenir. Yorgunluk, dikkat dağınıklığı ve duygusal durum aynı ölçüm değildir; birindeki başarı diğerinin de güvenilir biçimde belirlendiğini göstermez. [3]

Endüstriyel otomasyonda somut bir örnek

Bir operatör, HMI panelindeki alarm açıklamasını anlayamadığını bildirsin. Arayüz, teknik metni daha kısa adımlarla gösterebilir. Bu tasarım için operatörün yüzünden duygu çıkarmak şart değildir. Açık kullanıcı seçimi, hem daha anlaşılır hem de gereksiz kişisel veri toplamayı azaltan bir başlangıçtır.

PLC proses kontrolünü yürütürken yardımcı arayüz açıklama sunabilir. Ancak bir duygu tahmini, emniyet kilitlerini kaldırmamalı veya acil durdurmayı devre dışı bırakmamalıdır. Robotik güvenlik açısından bizim tasarım önerimiz, yardımcı yorumlarla güvenlikle ilgili kontrol işlevlerini ayrı değerlendirmek ve doğrulamaktır.

Güvenilirlik ve mahremiyet nasıl değerlendirilir?

Saha koşulları, kültürel farklılıklar, kişisel ifade biçimi ve veri kalitesi sonuçları etkileyebilir. Robot teknolojisinin sınırlamaları değerlendirilirken modelin kimlerde, hangi ortamda ve hangi hata ölçütleriyle sınandığı sorulmalıdır. Tek bir genel doğruluk yüzdesi bütün kullanım koşullarını açıklamaz.

Robotikte etik açısından veri minimizasyonu, açık bilgilendirme, erişim sınırları ve saklama süresi tasarıma baştan dahil edilmelidir. Endüstride insan faktörü değerlendirilirken belirsiz duygu etiketleri çalışan hakkında kesin hükme çevrilmemelidir. İş yeri, eğitim ve sağlık uygulamalarında ilgili mevzuat ve kullanım koşulları ayrıca incelenmelidir.

Kısa cevap: Makine gerçekten anlayabilir mi?

Makine, ölçülebilir işaretleri yorumlayıp duruma uygun bir yanıt üretebilir. İnsan gibi hissettiğini veya kişinin iç dünyasını kesin bildiğini gösteren sonuç bundan çıkmaz. Karar vermeyi destekleyen makinelerde yararlı yaklaşım; tahminin sınırını göstermek, gerektiğinde sormak ve son sözü kullanıcıya bırakmaktır.

Bilimsel kaynaklar

[1] Picard: Toward Computers that Recognize and Respond to User Emotion
[2] Barrett ve diğerleri: Emotional Expressions Reconsidered
[3] Wang ve diğerleri: A Systematic Review on Affective Computing
[4] Siddharth ve diğerleri: Multi-modal Approach for Affective Computing
[5] Guo ve diğerleri: On Calibration of Modern Neural Networks
[6] MIT Media Lab: Affective Computing

OtomasyonAVM editörlüğü · Güncelleme: Ekim 2026