목차
제1장 감성 인공지능 시스템(Emotion AI System) 기반 감성컴퓨팅(Affective Computing) 기술
1. 감성 인공지능 시스템(Emotion AI System)과 감성컴퓨팅(Affective Computing) 기술 개요
1-1. 인공지능과 감성 인공지능 시스템(Emotion AI System) 기술 개요
1-1-1. 인공지능(Artificial Intelligence, AI)의 현재와 미래
가. 인공지능의 역사
나. 딥러닝(Deep Learnging)과 강화학습(Reinforcement Learning)의 진화
나-1. 딥러닝(Deep Learnging)
나-2. 강화학습(Reinforcement Learning)의 진화
다. 인공지능의 추론 학습 능력, 관계형 네트워크(Relation Networks, RNs)
1-1-2. 인공지능의 기술 발전
가. 시각 분야의 이미지·얼굴 인식
나. 언어 인식 및 이해의 음성 인식
1-1-3. 감성 인공지능 시스템(Emotion AI System) 기술 개념
가. 감성ICT 기술 개요
나. 감성 인공지능 시스템(Emotion AI System) 기술 개념
다. 감정 로봇 시대
2. 감성컴퓨팅(Affective Computing) 기술 개요
2-1. 감성컴퓨팅(Affective Computing) 기술 개요
2-1-1. 인공지능(Artifiaial Intelligence)과 인공감정(Artifiaial Emotion)
가. 뇌지도
가-1. 뇌과학
가-2. 뇌인지
나. 뇌지도와 인공지능
다. 인공감정(Artifiaial Emotion)
다-1. 감정(Emotion)
다-2. 감정분석
다-3. 감정인식 기술(Emotion Recognition Technology)
다-4. 인공감정(Artifiaial Emotion)의 개요
다-5. 인공감정(Artifiaial Emotion) 모델의 구현
다-6. 인공감정(Artifiaial Emotion) 기술
2-1-2. 감성컴퓨팅(Affective Computing) 개념
가. 감성컴퓨팅(Affective Computing)의 개요
나. 감성컴퓨팅(Affective Computing) 정의 99
다. 감성인식(Emotion Recognition) 방법 및 표현
2-1-3. 감정인식(Emotion Recognition) 응용 분야
가. 감정인식(Emotion Recognition) 분석기술 개요
나. 감정인식(Emotion Recognition) 응용 분야
2-2. 감성컴퓨팅(Affective Computing) 요소 기술 개요
2-2-1. 음성 인식 소프트웨어
2-2-2. 제스처 인식 소프트웨어
2-2-3. 표정 인식 소프트웨어
2-2-4. 딥러닝(Deep Learning) 기반 감정인식(Emotion Recognition)
제2장 감성 인공지능 시스템(Emotion AI System)과 감성컴퓨팅(Affective Computing) 기술 동향
1. 감성 인공지능 시스템(Emotion AI System) 기술 동향
1-1. 감성 인공지능 시스템(Emotion AI System) 기술 개요
1-2. 감성 인식 기술 동향
1-2-1. 얼굴 및 표정 인식 기술
1-2-2. 음성 기반 감성인식 기술
1-2-3. 생체인식정보 기반 감성 인식 기술
가. 뇌파(Electroencephalography, EEG) 기반 감정인식 기술
나. 맥파(Photoplethysmogram, PPG) 기반 감정인식 기술
다. 심전도(Electrocardiogram, ECG) 기반 감정인식 기술
1-3. 감성 추론 및 표현 기술
2. 감성형 인공지능(Affective Intelligence) 시스템 개요 및 기술 동향
2-1. 감성형 컴퓨팅(Affective Computing)과 감성 로봇의 기술 개요
2-2. 감성형 로봇 기술동향
2-2-1. 감성 로봇 기술 개요
2-2-2. 감성 로봇 사례
가. 휴머노이드 로봇
① 나오(NAO)
② 루모(Loomo)
③ 버디(Buddy)
④ 비욘드버벌(Beyond Verval)
⑤ 소피아(Sophia)
⑥ 아시모(ASIMO)
⑦ 어펙티바(Affectiva)
⑧ 지보(Jibo)
⑨ 젠보(Zenbo)
⑩ 코비안(KOBIAN)
⑪ 코즈모(Cozmo)
⑫ 쿠리(Kuri)
⑬ 키커(Keecker)
⑭ 페퍼(Pepper)
⑮ 헥사(Hexa)
나. 반려(Companion) 로봇
① 아이보(AIBO)
② 코비(KOBIE)
③ 파로(PARO)
④ 파이보(piBo)
2-3. 감성컴퓨팅(affective computing) 관련 기술 개발 동향
2-3-1. 구글 브레인 프로젝트(Google Brain Project)
2-3-2. 레노버(Lenovo) ‘에어클라스(AirClass)’
2-3-3. IBM, 딥러닝 기반 감성 시스템(Deep learning-based emotional system)
① 트루노스(TrueNorth) 칩
② NS16e 컴퓨터
③ 뉴로시냅틱 칩(Neuromorphic Chip) 기술
2-3-4. 마이크로소프트의 ‘바이브’ 221
2-3-5. 어펙티바(Affectiva)의 ‘어프덱스(Affdex)’
2-3-5. 인텔의 ‘리얼센스(RealSense)’
2-3-6. 페이스북의 ‘딥페이스(DeepFace)’
2-3-7. 애플(Apple)의 3D ‘애니모지(ANIMOJI)’
① 애플 이모션트(Emotient)
② 페이스 ID(Face ID)
③ 애니모지(Animoji)
3. 감성컴퓨팅 시장 동향
3-1. 시사점
3-2. 시장 전망
부록 뉴로모픽 칩과 뉴로모픽 컴퓨팅
1. 뉴로모픽 칩과 뉴로모픽 컴퓨팅
1-1. 뉴로모픽(Neuromorphic)의 개념과 특징
1-1-1. 뉴로모픽의 개념
1-1-2. 뉴로모픽 기술의 등장 배경
1-1-3. 뉴로모픽 칩(neuromorphic chip)의 구조
1-1-4. 뉴로모픽 기술 특징
1-1-5. 뉴로모픽과 딥러닝
1-2. 뉴로모픽 컴퓨팅(Neuromorphic Computing)의 기술 동향
1-2-1. 뉴로모픽 컴퓨팅 기술의 개요
1-2-2. 뉴로모픽 컴퓨팅(Neuromorphic Computing) 기술의 특징
가. 뉴로시냅틱 칩(Neuromorphic Chip) 기술
나. 교차 모달리티 기술
다. 지식 확장형 인지기술
1-3. 뉴로모픽 기술의 국내외 추진 현황
참고 문헌
그림 목차
[그림 1] 인공지능 기술의 개요도
[그림 2] 인공지능 발전분야
[그림 3] 인공지능과 신경망 발달사
[그림 4] 슈퍼비전팀의 연구 내용
[그림 5] 이미지넷에서 딥러닝을 이용해 우승한 팀의 정확도 및 층수
[그림 6] 기계학습 절차
[그림 7] 딥러닝 기술
[그림 8] 환경과 상호작용을 통한 강화학습 구조
[그림 9] 강화학습 프레임워크(Reinforcement Learning Framework)
[그림 10] 로봇에 적용된 DQN
[그림 11] q-learning
[그림 12] 관계형 질문
[그림 13] 객체 유형(위)과 위치 지정 체계(좌우)
[그림 14] CNN을 이용한 관계 추론
[그림 15] 인공지능 시장 전망
[그림 16] 표정을 만드는 사람의 얼굴근육
[그림 17] 인간의 인지과정
[그림 18] 뇌의 시각정보처리 과정과 딥러닝 이미지 인식
[그림 19] 시각 정보를 프로세싱하는 과정의 예
[그림 20] 얼굴 인식 아키텍처
[그림 21] 안면인식 과정 및 얼굴 인식 솔루션
[그림 22] 언어 기술(Language technologies)의 진화
[그림 23] 시퀀스-시퀀스 ASR 아키텍처
[그림 24] 감성의 영역
[그림 25] 감성 정보 인식하는 기술
[그림 26] Verbal Emotion Recognition Engine(ST)
[그림 27] 감정시스템
[그림 28] 소셜 로봇 종류
[그림 29] 메로(MERO-S)
[그림 30] 마이크로소프트(MS)의 감정인식
[그림 31] 코르비니안 브로드만의 뇌지도
[그림 32] 두정엽의 기능
[그림 33] 인공마음 모델
[그림 34] 뇌-뇌 접속 기기 개념
[그림 35] 2016년 발표된 뇌 기능의 구획 지도
[그림 36] 감성인공지능의 발전
[그림 37] 감정 모델
[그림 38] 개인의 감성에 영향을 미치는 요인
[그림 39] 인간 감정상태 분류
[그림 40] 감정의 지도
[그림 41] 인간 정보 처리시스템의 일반적인 흐름도
[그림 42] Artificial Feelings and Emotions(AIFE)를 만드는 과정
[그림 43] 3D 감성 벡터 공간상의 감성영역
[그림 44] 분석 과정
[그림 45] 감정인식 시스템
[그림 46] 오감 센서의 진화 양상
[그림 47] 와세다 대학에서 개발한 감정을 표현하는 로봇 코비
[그림 48] 아이언맨의 개인 비서 자비스
[그림 49] 인공 감정 시스템
[그림 50] 감정 생성 모델
[그림 51] 가상 두뇌에서의 1·2차 감정을 이용한 감성컴퓨팅
[그림 52] 감성컴퓨팅의 다이어그램
[그림 53] 인터페이스의 발전
[그림 54] 폴 에크만과 인류 공통의 표정
[그림 55] 생체 신호를 통해서 감정을 인식하는 센스 글래스
[그림 56] HRI를 위한 감정인식(Speech emotion recognition for human-robot interaction)
[그림 57] 얼굴 표정에 대한 이해와 사용
[그림 58] 이미지 생성 프로세스
[그림 59] 에펙티바의 상황별 감정 분류
[그림 60] 감성컴퓨팅을 위한 멀티모달 인식
[그림 61] 비욘드 버벌(Beyond Verbal)의 음성 인식 소프트웨어
[그림 62] 멀티모달 음성 인식 과정
[그림 63] 사용자의 표정, 동작 등을 인식하는 리얼센스(RealSense) SDK
[그림 64] 표정 인식을 위한 시스템 구조
[그림 65] 광고분석에 사용된 어프덱스(Affdex) 기술
[그림 66] 학습(Training), 등록(Enrollment), 인식(Recognition) 과정
[그림 67] 신경망 기반 감정인식 126
[그림 68] 감성 인공지능 시스템(Emotion AI System) 기술 131
[그림 69] 얼굴 인식 기능 원리
[그림 70] 실시간 동영상 분석 시스템 동작 과정
[그림 71] 얼굴 인식 시장 규모
[그림 72] Eulerian Videos Magnification
[그림 73] 얼굴 인식 지원 스마트폰 출하량
[그림 74] 음성파형(신호)과 고유한정보
[그림 75] 발화기반 음성특징 추출
[그림 76] 음성 기반 감정인식 기술
[그림 77] 생체인식 기술의 유형
[그림 78] 생체신호 기반 인증 단계
[그림 79] EEG 데이터 기반 감정인식 과정
[그림 80] Brain Waves
[그림 81] 생체 신호 인식
[그림 82] Architecture of Emotion Detection and Recognition System(EDRS)
[그림 83] ECG 신호의 신호 처리 및 감정 식별 단계
[그림 84] PPG/ECG 감성인식 시스템
[그림 85] OCC 모델의 규칙
[그림 86] 로봇과 사용자간 대화를 위한 지능 소프트웨어 구성도
[그림 87] 소셜 로봇의 하드웨어 구조
[그림 88] 로봇에 대한 사람들의 감정변화
[그림 89] AI모듈 융합
[그림 90] 나오(NAO)
[그림 91] 루모(Loomo)의 세부 명칭
[그림 92]비욘드 버벌 음성 분석 기술 개요
[그림 93] 비욘드 버벌팀의 음성 인식 프로그램
[그림 94] 인공지능 로봇 소피아(Sophia)
[그림 95] 소피아에 적용된 기술
[그림 96] 아시모(ASIMO)
[그림 97] Affectiva를 이용한 모나리자 감정 분석
[그림 98] 지보(Jibo)의 특징
[그림 99] 젠보의 특징
[그림 100] 와세다 대학에서 개발한 코비안
[그림 101] 코즈모(Cozmo)의 핵심 하드웨어 기능
[그림 102] 키커 모바일 앱
[그림103] 나오치의 개발환경
[그림 104] 페퍼(Pepper) 제공 서비스
[그림 105] 빈크로스(Vincross)의 헥사(Hexa) 로봇
[그림 106] 아이보(AIBO) 194
[그림 107] 파이보(pibo, Personal Intelligent roBOt)
[그림 108] 감성컴퓨팅을 이용한 자폐증 치료 시스템 프레임 워크
[그림 109] 감성분석 시스템
[그림 110] HCI & affective computing
[그림 111] 손으로 쓴 문자 인식 방법
[그림 112] Inception Module, naive version
[그림 113] 새로운 기계학습 알고리즘과 접근
[그림 114] 신경오디오합성(NSynth) 기술
[그림 115] 레노버(Lenovo) 에어클라스(AirClass)
[그림 116] Tone Analyzer
[그림 117] 인지컴퓨터 작동방식
[그림 118] IBM의 뉴로시냅틱 코어
[그림 119] IBM에서 개발한 뉴로시냅틱 칩 TrueNorth의 구조
[그림 120] TrueNorth data set samples
[그림 121] Neuromorphic Architecture
[그림 122] 신경 네트워크의 최적화된 CPU 데이터 경로
[그림 123] Face API
[그림 124] 어프덱스(Affdex) 얼굴 코딩
[그림 125] 인텔 리얼센스 기술의 개요
[그림 126] 인텔 리얼센스 카메라 기술이 구현되는 과정
[그림 127] 감정인식을 위한 신경망
[그림 128] 페이스북의 딥페이스(DeepFace)
[그림 129] 애플(Apple)의 AI 관련 주요 M&A
[그림 130] 트루뎁스 카메라 분석과 도트를 얼굴에 투사해 사용자의 얼굴 맵을 만드는 트루뎁스 카메라 시스템
[그림 131] 이모션트(Emotient) 감정인식
[그림 132] 애플 아이폰X 페이스ID
[그림 133] 애니모지(Animoji) 구현
[그림 134] 세계 로봇시장 규모 243
[그림 135] 전문서비스 로봇시장 전망('16'19년, 판매액 기준)
[그림 136] 개인서비스 로봇시장 전망('16'19년, 판매액 기준)
[그림 137] 세계 산업용 로봇시장 전망('17~'19)
[그림 138] 시냅스(SyNAPSE)에서 정보가 전달되는 과정
[그림 139] 뉴로모픽 칩의 개요
[그림 140] 폰 노이만 컴퓨팅 기술과 인간 뇌의 전력 효율성 비교
[그림 141] 인공 시냅스
[그림 142] SyNAPSE Architectural Concept
[그림 143] IBM의 뉴로모픽 칩
[그림 144] 뉴로모픽 칩의 응용
[그림 145] 신경망과 하드웨어
[그림 146] 뉴로모픽 컴퓨팅을 위한 컨볼루션 네트워크
[그림 147] 신경회로망의 구조와 기능을 수리적으로 모사하는 뉴로모픽 인공두뇌 모델링 방법
[그림 148] 뉴로모픽 칩 작동 방법
[그림 149] 뉴로모픽 컴퓨팅 아키텍처
[그림 150] Neuromorphic Architecture
[그림 151] 신경 네트워크의 최적화된 CPU 데이터 경로
표 목차
[표 1] 인공지능의 역사
[표 2] 인공지능(AI) 기술의 진화
[표 3] 주요 안면인식 알고리즘의 특징
[표 4] 뇌인지 융합기술의 주요 연구분야
[표 5] 주요 선진국 뇌연구 프로젝트
[표 6] 감성인식 기술트리 및 기술개발 사례
[표 7] 감성형 로봇의 기술분야
[표 8] 음성 인식 기술 비교
[표 9] 감성컴퓨팅의 발전 양상
[표 10] 안면인식 과정
[표 11] BUDDY 서비스 및 구성
[표 12] 감성 로봇 파로(PARO)의 특징
[표 13] 마이크로 소프트의 인공지능
[표 14] 제품분류 관점의 기술 범위
[표 15] 폰 노이만 구조와 뉴로모픽 칩 처리 능력 비교
[표 16] 뉴로모픽 컴퓨터 역사
[표 17] 해외 뉴로모픽 칩 관련 주요 연구 결과
