Дослідження використовує штучний інтелект для вимірювання людських емоцій

Нове дослідження, представлене практично на щорічній зустрічі Когнітивного неврологічного товариства (ЦНС), показує, як обчислювальні методи, керовані даними, використовуються для пояснення найосновнішої риси людини - емоцій. Слідчі вважають, що їхні результати відкинуть старі уявлення про структуру емоцій у людстві.

Вчені застосовують обчислювальну силу, щоб зрозуміти все: від того, як ми генеруємо спонтанні емоції під час блукань розуму, до того, як ми декодуємо міміку в різних культурах.

Слідчі вважають, що висновки важливі для характеристики того, як емоції сприяють добробуту, нейробіології психічних розладів і навіть того, як зробити більш ефективними соціальних роботів.

"Штучний інтелект (ШІ) дозволяє вченим вивчати емоції способами, які раніше вважалися неможливими, що призводить до відкриттів, які трансформують те, як ми думаємо, емоції породжуються біологічними сигналами", - сказав доктор Кевін Лабар з Університету Дьюка.

Шість основних людських емоцій - страх, гнів, огида, смуток, щастя та здивування - протягом десятиліть вважаються універсальними в людській психології. Проте, незважаючи на поширеність цієї ідеї в суспільстві, експерти стверджують, що науковий консенсус насправді показує, що ці емоції далекі від загальних.

Зокрема, існує значний розрив у розпізнаванні обличчя цих емоцій у різних культурах, зокрема для людей зі Східної Азії, сказала доктор Рейчел Джек, науковий співробітник Університету Глазго.

Джек працював над розумінням того, що вона називає «мовою обличчя»; як окремі рухи обличчя по-різному поєднуються для створення значущої міміки (наприклад, як букви поєднуються для створення слів).

"Я думаю про це трохи як про спроби зламати ієрогліфи або невідому давню мову", - сказав Джек. "Ми знаємо так багато про розмовну та письмову мову, навіть про сотні давніх мов, але ми маємо порівняно мало формальних знань про невербальні системи спілкування, які ми використовуємо щодня і які є настільки критичними для всіх людських суспільств".

У новій роботі Джек та її команда створили новий метод керування даними, щоб створити динамічні моделі цих рухів обличчя, як книгу рецептів міміки емоцій. Зараз її команда передає ці моделі цифровим агентам, таким як соціальні роботи та віртуальні люди, щоб вони могли генерувати вираз обличчя, соціально нюансований та культурно чутливий.

В ході своїх досліджень вони створили новий генератор рухів обличчя, який може випадковим чином вибирати підмножину окремих рухів обличчя, таких як піднімання брів, зморшку носа або розтягувач губ, і випадковим чином активувати інтенсивність та час кожного з них.

Потім ці випадково активовані рухи обличчя поєднуються, щоб створити анімацію обличчя. Потім учасники дослідження з різних культур класифікують анімацію обличчя відповідно до шести класичних емоцій, або вони можуть вибрати „інше”, якщо вони не сприймають жодної з цих емоцій.

Після багатьох таких випробувань дослідники будують статистичну залежність між рухами обличчя, представленими в кожному випробуванні, та відповідями учасників, що створює математичну модель.

"На відміну від традиційних підходів, керованих теорією, коли експериментатори застосовували гіпотетичний набір міміки та демонстрували їх учасникам у всьому світі, ми додали психофізичний підхід", - сказав Джек.

"Це більше керується даними та є більш агностичним у вибірці та тестуванні міміки і, що критично, використовує суб'єктивні уявлення учасників культури, щоб зрозуміти, які рухи обличчя рухають їх сприйняттям даної емоції, наприклад," він щасливий ".

Ці дослідження згустили шість загальноприйнятих думок про універсальну міміку емоцій лише до чотирьох міжкультурних виразів. "Існують суттєві культурні відмінності в міміці, які можуть перешкоджати міжкультурному спілкуванню", - сказав Джек. "Ми часто, але не завжди, виявляємо, що східноазіатська міміка має виразніші очі, ніж західна міміка, яка, як правило, має виразніші роти - як у східних та західних смайликів!"

Вона додає, що є також спільні культурні особливості, які можуть бути використані для підтримки точного міжкультурного спілкування конкретних повідомлень; наприклад, вираз обличчя щасливого, зацікавленого та нудного схожий у східних та західних культурах і легко розпізнається в різних культурах.

Зараз Джек та її команда використовують свої моделі для покращення можливостей соціальної сигналізації роботів та інших цифрових агентів, які можна використовувати у всьому світі. "Ми дуже раді перенести наші моделі виразів обличчя на цілий ряд цифрових агентів і побачити значне покращення продуктивності", - каже вона.

Розуміння того, як суб'єктивне переживання емоцій опосередковується в мозку, є святим Граалем афективної нейронауки, сказав Лабар з Дюка."Це важка проблема, і на сьогоднішній день прогресу мало". У своїй лабораторії ЛаБар та його колеги працюють над розумінням емоцій, що виникають, коли мозок блукає розумом у спокої.

"Незалежно від того, чи викликані внутрішніми думками чи спогадами, ці емоції" потоку свідомості "є об'єктами журіння та занепокоєння, що може призвести до тривалих станів настрою, а також може спричинити упередження пам'яті та прийняття рішень", - сказав він.

До недавнього часу дослідники не могли розшифрувати ці емоції із сигналів функції мозку у стані спокою. Тепер команда LaBar змогла застосувати інструменти машинного навчання, щоб отримати маркери нейровізуалізації невеликого набору емоцій, таких як страх, гнів та здивування. Більше того, дослідники змоделювали, як ці емоції спонтанно виникають у мозку, коли суб'єкти відпочивають у МРТ-сканері.

Основою роботи було навчання алгоритму машинного навчання для диференціації моделей мозкової діяльності, що відокремлюють емоції один від одного. Дослідники представляють алгоритм класифікатора шаблонів із набором навчальних даних від групи учасників, яким представили музику та відеокліпи, які викликали певні емоції.

Використовуючи зворотній зв'язок, алгоритм вчиться зважувати вхідні дані, що надходять з різних областей мозку, щоб оптимізувати сигналізацію кожної емоції. Потім дослідники перевіряють, наскільки добре класифікатор може передбачити викликані емоції в новій вибірці учасників, використовуючи набір вагомості мозку, який він генерував з тестової вибірки.

"Як тільки емоційні схеми мозку перевіряються у суб'єктів таким чином, ми шукаємо докази того, що ці закономірності виникають спонтанно у учасників, які просто лежать у спокої в сканері", - сказав Лабар.

"Потім ми можемо визначити, чи точно передбачає класифікатор шаблонів емоції, про які люди спонтанно повідомляють у сканері, та визначити індивідуальні відмінності".

Джерело: Когнітивне товариство неврології / EurekAlert