Istraživanje koristi umjetnu inteligenciju za mjerenje ljudskih emocija

Novo istraživanje predstavljeno gotovo na godišnjem sastanku Društva kognitivne neuroznanosti (CNS) pokazuje kako se računske metode na temelju podataka koriste za objašnjavanje najosnovnije ljudske osobine - osjećaja. Istražitelji vjeruju da će njihovi nalazi srušiti stare ideje o strukturi osjećaja u čitavom čovječanstvu.

Znanstvenici primjenjuju računarsku snagu kako bi razumjeli sve, od toga kako generiramo spontane emocije tijekom lutanja umovima, do toga kako dekodiramo izraze lica u različitim kulturama.

Istražitelji vjeruju da su nalazi važni u karakterizaciji kako emocije doprinose dobrobiti, neurobiologiji psihijatrijskih poremećaja, pa čak i kako napraviti učinkovitije socijalne robote.

"Umjetna inteligencija (AI) omogućuje znanstvenicima proučavanje emocija na načine za koje se prije smatralo da su nemogući, što dovodi do otkrića koja transformiraju način na koji mislimo da se emocije generiraju iz bioloških signala", rekao je dr. Kevin LaBar sa Sveučilišta Duke.

Šest osnovnih ljudskih osjećaja - strah, bijes, gađenje, tuga, sreća i iznenađenje - desetljećima se smatraju univerzalnim u ljudskoj psihologiji. Ipak, unatoč društvenoj rasprostranjenosti ove ideje, stručnjaci tvrde da znanstveni konsenzus zapravo pokazuje da su te emocije daleko od univerzalnih.

Konkretno, postoji značajan jaz u prepoznavanju tih emocija na licima u različitim kulturama, posebno za ljude iz istočne Azije, rekla je dr. Rachael Jack, istraživačica sa Sveučilišta u Glasgowu.

Jack je radio na razumijevanju onoga što ona naziva "jezikom lica;" kako se pojedinačni pokreti lica kombiniraju na različite načine kako bi stvorili značajne izraze lica (poput toga kako se slova kombiniraju da bi se stvorile riječi).

"Mislim da ovo pomalo podsjeća na pokušaj razbijanja hijeroglifa ili nepoznatog drevnog jezika", rekao je Jack. "Znamo toliko o govornom i pisanom jeziku, čak i o stotinama drevnih jezika, ali imamo relativno malo formalnog znanja o neverbalnim komunikacijskim sustavima koje svakodnevno koristimo i koji su tako kritični za sva ljudska društva."

U novom radu, Jack i njezin tim stvorili su novu metodu koja se temelji na podacima kako bi stvorili dinamične modele ovih pokreta lica, poput knjige recepata za izraze lica osjećaja. Njezin tim sada ove modele prenosi na digitalne agente, poput socijalnih robota i virtualnih ljudi, kako bi mogli generirati izraze lica koji su socijalno nijansirani i kulturološki osjetljivi.

Iz svojih istraživanja stvorili su novi generator pokreta lica koji može nasumično odabrati podskup pojedinačnih pokreta lica, poput podizača obrva, bora za nos ili istezanja usana, i nasumično aktivirati intenzitet i vrijeme svakog od njih.

Ti se nasumično aktivirani pokreti lica zatim kombiniraju kako bi stvorili animaciju lica. Sudionici studije iz različitih kultura zatim kategoriziraju animaciju lica prema šest klasičnih emocija ili mogu odabrati „drugo“ ako ne opažaju nijednu od tih emocija.

Nakon mnogih takvih ispitivanja, istraživači grade statistički odnos između pokreta lica predstavljenih u svakom ispitivanju i odgovora sudionika, što stvara matematički model.

"Za razliku od tradicionalnih pristupa vođenih teorijom u kojima su eksperimentatori pretpostavili skup izraza lica i pokazali ih sudionicima širom svijeta, dodali smo psihofizički pristup", rekao je Jack.

"Više se temelji na podacima i agnostičniji je u uzorkovanju i testiranju izraza lica i, kritično, koristi subjektivne percepcije sudionika u kulturi da bi razumio koji pokreti lica pokreću njihovu percepciju dane emocije, na primjer," on je sretan. "

Ova su istraživanja sažela šest uobičajenih misli o univerzalnim izrazima lica osjećaja na samo četiri međukulturna izraza. "Postoje značajne kulturološke razlike u izrazima lica koje mogu ometati međukulturnu komunikaciju", rekao je Jack. "Često, ali ne uvijek, otkrijemo da istočnoazijski izrazi lica imaju izražajnije oči od zapadnih izraza lica, koja imaju izraženija usta - baš kao istočni i zapadni emotikoni!"

Dodaje da postoje i kulturne sličnosti koje se mogu koristiti za potporu točnoj međukulturnoj komunikaciji određenih poruka; na primjer, izrazi lica sretnih, zainteresiranih i dosadnih slični su u istočnoj i zapadnoj kulturi i mogu se lako prepoznati u svim kulturama.

Jack i njezin tim sada koriste svoje modele za poboljšanje mogućnosti socijalne signalizacije robota i drugih digitalnih agenata koji se mogu koristiti globalno. "Jako smo uzbuđeni što svoje modele izraza lica prenosimo na niz digitalnih agenata i vidimo dramatično poboljšanje performansi", kaže ona.

Razumjeti kako se subjektivno iskustvo osjećaja posreduje u mozgu sveti je gral afektivne neuroznanosti, rekao je LaBar iz Dukea."To je težak problem i do danas je postignuto malo napretka." U njegovom laboratoriju LaBar i kolege rade na razumijevanju emocija koje nastaju dok mozak luta umom u mirovanju.

"Bez obzira što su pokrenute unutarnjim mislima ili sjećanjima, ove su emocije" toka svijesti "na meti promišljanja i brige koje mogu dovesti do produljenih stanja raspoloženja, a mogu utjecati i na pamćenje i donošenje odluka", rekao je.

Do nedavno, istraživači nisu mogli dekodirati ove emocije iz signala o stanju mozga u stanju mirovanja. Sada je LaBarov tim uspio primijeniti alate za strojno učenje kako bi izvukao neuroimaging markere malog skupa emocija poput straha, bijesa i iznenađenja. Štoviše, istraživači su modelirali kako se te emocije spontano pojavljuju u mozgu dok se ispitanici odmaraju u MRI skeneru.

Srž rada bila je obuka algoritma strojnog učenja za razlikovanje obrazaca moždane aktivnosti koji razdvajaju emocije. Istraživači predstavljaju algoritam klasifikatora uzoraka s nizom podataka o treningu grupe sudionika kojima su predstavljeni glazbeni i filmski isječci koji izazivaju određene emocije.

Koristeći povratne informacije, algoritam uči vagati ulaze koji dolaze iz različitih dijelova mozga kako bi optimizirao signalizaciju svake emocije. Zatim istraživači testiraju koliko dobro klasifikator može predvidjeti izazvane emocije u novom uzorku sudionika pomoću skupa moždanih utega koje je generirao iz testnog uzorka.

"Jednom kada se uzorci mozga specifični za emocije potvrde među ispitanicima na ovaj način, tražimo dokaze da se ti uzorci spontano pojavljuju kod sudionika koji samo miruju u skeneru", rekao je Labar.

"Tada možemo utvrditi da li klasifikator uzoraka točno predviđa osjećaje koje ljudi spontano prijavljuju u skeneru i prepoznati pojedinačne razlike."

Izvor: Društvo kognitivne neuroznanosti / EurekAlert