Pētījumos cilvēka emociju mērīšanai tiek izmantots mākslīgais intelekts

Jauni pētījumi, kas praktiski tika prezentēti Kognitīvo neirozinātņu biedrības (CNS) ikgadējā sanāksmē, parāda, kā ar datiem pamatotas skaitļošanas metodes tiek izmantotas, lai izskaidrotu cilvēka pamata iezīmes - emocijas. Izmeklētāji uzskata, ka viņu atklājumi apgāzīs vecās idejas par emociju struktūru visā cilvēcē.

Zinātnieki pielieto skaitļošanas jaudu, lai saprastu visu, sākot no tā, kā mēs radām spontānas emocijas prāta klaiņošanas laikā, līdz tam, kā mēs atšifrējam sejas izteiksmes dažādās kultūrās.

Izmeklētāji uzskata, ka atklājumi ir svarīgi, lai raksturotu, kā emocijas veicina labklājību, psihiatrisko traucējumu neirobioloģiju un pat to, kā padarīt efektīvākus sociālos robotus.

"Mākslīgais intelekts (AI) ļauj zinātniekiem pētīt emocijas veidos, kas iepriekš tika uzskatīti par neiespējamiem, un tas noved pie atklājumiem, kas pārveido to, kā mēs domājam, ka emocijas rodas no bioloģiskiem signāliem," sacīja Dr Kevins Lebars no Hercoga universitātes.

Sešas cilvēka galvenās emocijas - bailes, dusmas, riebums, skumjas, laime un pārsteigums - cilvēku psiholoģijā gadu desmitiem tiek uzskatītas par universālām. Neskatoties uz šīs idejas izplatību sabiedrībā, eksperti apgalvo, ka zinātniskā vienprātība faktiski parāda, ka šīs emocijas nebūt nav universālas.

Jo īpaši ir ievērojama atšķirība starp šo emociju sejas atpazīšanu dažādās kultūrās, īpaši cilvēkiem no Austrumāzijas, sacīja Dr Rachael Jack, pētnieks Glāzgovas universitātē.

Džeks ir strādājis, lai saprastu, ko viņa sauc par “sejas valodu”; kā individuālas sejas kustības dažādos veidos apvienojas, lai radītu jēgpilnas sejas izteiksmes (piemēram, kā burti apvienojas, veidojot vārdus).

"Es to domāju mazliet kā mēģināt uzlauzt hieroglifus vai nezināmu seno valodu," sacīja Džeks. "Mēs tik daudz zinām par runāto un rakstisko valodu, pat simtiem seno valodu, taču mums ir salīdzinoši maz formālu zināšanu par neverbālās saziņas sistēmām, kuras mēs ikdienā izmantojam un kuras ir tik kritiskas visām cilvēku sabiedrībām."

Jaunajā darbā Džeks un viņas komanda ir izveidojuši jaunu uz datiem balstītu metodi, lai izveidotu dinamiskus šo sejas kustību modeļus, piemēram, emociju sejas izteiksmju recepšu grāmatu. Viņas komanda šos modeļus tagad nodod digitālajiem aģentiem, piemēram, sociālajiem robotiem un virtuālajiem cilvēkiem, lai viņi varētu radīt sociāli niansētas un kulturāli jutīgas sejas izteiksmes.

Pēc viņu pētījumiem viņi ir izveidojuši jaunu sejas kustību ģeneratoru, kas var nejauši izvēlēties atsevišķu sejas kustību apakškopu, piemēram, uzacu pacēlāju, deguna krunciņu vai lūpu nestuves, un nejauši aktivizēt katras intensitāti un laiku.

Pēc tam šīs nejauši aktivizētās sejas kustības tiek apvienotas, lai izveidotu sejas animāciju. Pēc tam dažādu kultūru pētījuma dalībnieki sejas animāciju kategorizē pēc sešām klasiskajām emocijām, vai arī viņi var izvēlēties “citu”, ja neuztver nevienu no šīm emocijām.

Pēc daudziem šādiem izmēģinājumiem pētnieki izveido statistisko sakarību starp katrā izmēģinājumā uzrādītajām sejas kustībām un dalībnieku atbildēm, kas rada matemātisko modeli.

"Pretstatā tradicionālajām teorijas vadītajām pieejām, kur eksperimentētāji izmantoja hipotēzētu sejas izteiksmju kopu un parādīja tās dalībniekiem visā pasaulē, mēs esam pievienojuši psihofizisko pieeju," teica Džeks.

"Tas ir vairāk balstīts uz datiem un agnostiskāks, izvēloties un pārbaudot sejas izteiksmes, un kritiski tiek izmantots kultūras dalībnieku subjektīvais uztvere, lai saprastu, kādas sejas kustības veicina viņu uztveri par doto emociju, piemēram," viņš ir laimīgs "."

Šie pētījumi ir saīsinājuši sešas parasti domātās emociju universālās sejas izteiksmes tikai četrām starpkultūru izteiksmēm. "Sejas izteiksmē pastāv ievērojamas kultūras atšķirības, kas var kavēt starpkultūru komunikāciju," sacīja Džeks. "Mēs bieži, bet ne vienmēr konstatējam, ka Austrumāzijas sejas izteiksmēm ir izteiksmīgākas acis nekā rietumu sejas izteiksmēm, kurām mēdz būt izteiksmīgākas mutes - tāpat kā austrumu un rietumu emocijzīmēm!"

Viņa piebilst, ka ir arī kultūras kopības, kuras var izmantot, lai atbalstītu precīzu starpkultūru konkrētu ziņojumu saziņu; piemēram, priecīgu, ieinteresētu un garlaicīgu sejas izteiksmes austrumu un rietumu kultūrās ir līdzīgas un viegli atpazīstamas dažādās kultūrās.

Džeks un viņas komanda tagad izmanto savus modeļus, lai uzlabotu robotu un citu digitālo aģentu sociālās signalizācijas iespējas, kuras var izmantot visā pasaulē. "Mēs esam ļoti priecīgi nodot savus sejas izteiksmes modeļus dažādiem digitālajiem aģentiem un redzēt dramatisko veiktspējas uzlabošanos," viņa saka.

Izpratne par to, kā smadzenēs tiek izplatīta subjektīvā emociju pieredze, ir afektīvās neirozinātnes svētais grauds, sacīja hercoga Lebars."Tā ir smaga problēma, un līdz šim ir bijis maz progresa." Savā laboratorijā LaBars un kolēģi strādā, lai izprastu emocijas, kas rodas, kamēr smadzenes atpūšas prātā.

"Neatkarīgi no tā, vai to izraisa iekšējas domas vai atmiņas, šīs" apziņas plūsmas "emocijas ir atgremošanas un uztraukuma mērķi, kas var izraisīt ilgstošus garastāvokļa stāvokļus un var neobjektīvi atmiņu un lēmumu pieņemšanu," viņš teica.

Vēl nesen pētnieki nav spējuši atšifrēt šīs emocijas no smadzeņu darbības miera stāvokļa signāliem. Tagad LaBar komanda ir spējusi pielietot mašīnmācīšanās rīkus, lai iegūtu nelielu emociju kopumu, piemēram, bailes, dusmas un pārsteigums, neiro attēlveidošanas marķierus. Turklāt pētnieki ir modelējuši, kā šīs emocijas spontāni rodas smadzenēs, kamēr subjekti atpūšas MRI skenerī.

Darba pamatā ir mašīnmācīšanās algoritma apmācība, lai atšķirtu smadzeņu darbības modeļus, kas nošķir emocijas viena no otras. Pētnieki iepazīstina ar modeļa klasifikatora algoritmu ar apmācību datu kopu no dalībnieku grupas, kurai tika prezentēti mūzikas un filmu klipi, kas izraisīja īpašas emocijas.

Izmantojot atgriezenisko saiti, algoritms iemācās nosvērt ievadus, kas nāk no dažādiem smadzeņu reģioniem, lai optimizētu katras emocijas signālu. Pēc tam pētnieki pārbauda, ​​cik labi klasifikators var prognozēt izraisītās emocijas jaunā dalībnieku izlasē, izmantojot smadzeņu svaru kopu, ko tas radīja no testa parauga.

"Kad emociju specifiskie smadzeņu modeļi šādā veidā ir apstiprināti starp subjektiem, mēs meklējam pierādījumus tam, ka šie modeļi spontāni parādās dalībniekos, kuri vienkārši atrodas atpūtai skenerī," sacīja Labars.

"Pēc tam mēs varam noteikt, vai modeļu klasifikators precīzi paredz emocijas, par kurām cilvēki spontāni ziņo skenerī, un identificēt individuālās atšķirības."

Avots: Kognitīvo neirozinātņu biedrība / EurekAlert