Stellen Sie sich eine KI vor, die nicht nur versteht, was wir sagen – sondern auch, wie wir es meinen. Kann Technik Mitgefühl lernen?
Laion, bekannt durch den Bildgenerator-Stable-Diffusion-Datensatz, geht mit Intel einen spannenden Schritt in Richtung emotional intelligenter Maschinen. Die gemeinsame Open-Source-Suite EmoNet soll es ermöglichen, dass KI-Systeme Emotionen in Stimmen und Gesichtsausdrücken erkennen – ein bislang kaum erobertes Terrain der KI-Forschung.
Wenn Maschinen unsere Gefühle hören und sehen
Die EmoNet-Suite umfasst nicht nur Modelle, sondern auch Datensätze und Benchmarks. Mit EmoNet-Face stellt Laion ein umfangreiches Set synthetischer Gesichtsdaten bereit, während EmoNet-Voice die Analyse von über 4000 künstlich erzeugten Sprachbeispielen ermöglicht. Dabei werden Emotionen aus insgesamt 40 Kategorien identifiziert – von Freude bis Müdigkeit, von Stolz bis Zweifel.
Ein erklärtes Ziel: Künstliche Intelligenz soll das „leise Zittern der Angst“ in einer Stimme erkennen können. Das mag nach Science-Fiction klingen, ist laut Laion aber eine notwendige Basis für zukünftige Mensch-KI-Zusammenarbeit. Die entwickelten Modelle – Empathic Insight-Face und Empathic Insight-Voice – sind der erste technische Schritt in diese Richtung.
Zwischen Datenschutz und Nutzen
Die EU reguliert solche Technologien im AI Act streng – verständlich, denn Emotionserkennung kann schnell in ethisch kritische Bereiche abgleiten. Während eine emotionale KI im Unterricht oder in Therapie-Situationen unterstützend wirken kann, bleibt der Einsatz am Arbeitsplatz ein rotes Tuch – mit Ausnahmen wie etwa bei Piloten.
Auch spannend: Mit Bud-E Whisper hat Laion ein Tool entwickelt, das OpenAIs Whisper erweitert. Es erkennt nicht nur gesprochene Inhalte, sondern dokumentiert auch Tonlage, Emotionen und Sprechermerkmale wie Alter und Geschlecht. Grundlage dafür waren unter anderem 5000 Stunden YouTube-Vlogs und Filmdialoge.
Laion verfolgt eine klare Vision: Künstliche Intelligenz, die nicht nur effizient, sondern auch einfühlsam agiert. Eine Art virtueller Begleiter, der nicht nur zuhört, sondern versteht.