Изследването използва изкуствен интелект за измерване на човешките емоции

Ново изследване, представено на практика на годишната среща на Когнитивното неврологично общество (CNS), показва как управляваните от данни изчислителни методи се използват за обяснение на най-основната човешка черта - емоциите. Изследователите вярват, че техните открития ще отменят старите идеи за структурата на емоциите в цялото човечество.

Учените прилагат изчислителна мощ, за да разберат всичко - от това как генерираме спонтанни емоции по време на лутане на ума до това как декодираме мимиките в различни култури.

Изследователите смятат, че констатациите са важни при характеризирането на това как емоциите допринасят за благосъстоянието, невробиологията на психиатричните разстройства и дори как да се направят по-ефективни социални роботи.

„Изкуственият интелект (AI) дава възможност на учените да изучават емоциите по начини, които преди се смятаха за невъзможни, което води до открития, които трансформират начина, по който смятаме, че емоциите се генерират от биологични сигнали“, каза д-р Кевин ЛаБар от университета Дюк.

Шест основни човешки емоции - страх, гняв, отвращение, тъга, щастие и изненада - се смятат за универсални в човешката психология от десетилетия. И все пак въпреки социалното разпространение на тази идея, експертите твърдят, че научният консенсус всъщност показва, че тези емоции далеч не са универсални.

По-специално, има значителна пропаст в разпознаването на тези емоции по лица в различните култури, особено за хората от Източна Азия, каза д-р Рейчъл Джак, изследовател от Университета в Глазгоу.

Джак работи, за да разбере това, което тя нарича „език на лицето;“ как отделните движения на лицето се комбинират по различни начини, за да създадат смислени изражения на лицето (като как буквите се комбинират, за да създадат думи).

„Мисля, че това е нещо като опит за разбиване на йероглифи или непознат древен език“, каза Джак. „Знаем толкова много за говоримия и писмения език, дори за стотици древни езици, но имаме сравнително малко формални познания за невербалните комуникационни системи, които използваме всеки ден и които са толкова критични за всички човешки общества.“

В нова работа Джак и нейният екип са създали нов метод, базиран на данни, за да създадат динамични модели на тези движения на лицето, като книга с рецепти за изражения на емоции на лицето. Сега нейният екип прехвърля тези модели на дигитални агенти, като социални роботи и виртуални хора, за да могат да генерират изражения на лицето, които са социално нюансирани и културно чувствителни.

От своите проучвания те са създали нов генератор за движение на лицето, който може на случаен принцип да избере подгрупа от индивидуални движения на лицето, като повдигане на вежди, сгъване на носа или устна, и да активира произволно интензивността и времето на всяко от тях.

След това тези произволно активирани движения на лицето се комбинират, за да създадат анимация на лицето. Участниците в проучването от различни култури след това категоризират анимацията на лицето според шестте класически емоции или могат да изберат „други“, ако не възприемат нито една от тези емоции.

След много такива изследователи изследователите изграждат статистическа връзка между движенията на лицето, представени при всяко изпитание, и отговорите на участниците, което създава математически модел.

„За разлика от традиционните теоретично ориентирани подходи, при които експериментаторите приеха хипотетичен набор от мимики и ги показаха на участниците по целия свят, ние добавихме психофизичен подход“, каза Джак.

„Той е по-управляван от данни и по-агностичен при вземане на проби и тестване на изражения на лицето и, критично, използва субективните възприятия на участниците в културата, за да разбере какви движения на лицето движат възприемането им на дадена емоция, например„ той е щастлив. “

Тези изследвания кондензираха шестте общоприети мисли за универсални изражения на емоциите на лицето само до четири междукултурни израза. „Съществуват съществени културни разлики в мимиките, които могат да попречат на междукултурната комуникация“, каза Джак. „Често, но не винаги, установяваме, че мимиките на Източна Азия имат по-изразителни очи от израженията на Запада, които са склонни да имат по-изразителни уста - точно като източните емоции срещу западните!“

Тя добавя, че има и културни общи черти, които могат да бъдат използвани в подкрепа на точната междукултурна комуникация на конкретни послания; например израженията на лицето на щастливи, заинтересовани и отегчени са сходни в източните и западните култури и могат лесно да бъдат разпознати в различните култури.

Джак и нейният екип сега използват своите модели, за да подобрят възможностите за социална сигнализация на роботи и други цифрови агенти, които могат да се използват в световен мащаб. „Ние сме много развълнувани да прехвърлим нашите модели на изражение на лицето към редица цифрови агенти и да видим драматичното подобрение в представянето“, казва тя.

Разбирането на това как субективното преживяване на емоциите се медиира в мозъка е свещеният Граал на афективната неврология, каза ЛаБар от Дюк.„Това е труден проблем и към днешна дата има малък напредък.“ В лабораторията си ЛаБар и колегите си работят, за да разберат емоциите, които се появяват, докато мозъкът се лута в ума си в покой.

„Независимо дали са предизвикани от вътрешни мисли или спомени, тези емоции на„ поток на съзнание “са целите на преживяването и безпокойството, които могат да доведат до продължителни състояния на настроението и да пристрастят паметта и вземането на решения“, каза той.

Доскоро изследователите не бяха в състояние да декодират тези емоции от сигнали за мозъчна функция в състояние на покой. Сега екипът на LaBar успя да приложи инструменти за машинно обучение, за да извлече маркери за невроизображение на малък набор от емоции като страх, гняв и изненада. Освен това изследователите са моделирали как тези емоции спонтанно се появяват в мозъка, докато субектите почиват в MRI скенер.

Сърцевината на работата е обучението на алгоритъм за машинно обучение за разграничаване на модели на мозъчна дейност, които разделят емоциите един от друг. Изследователите представят алгоритъм на класификатор на модели с набор от данни за обучение от група участници, на които бяха представени музикални и филмови клипове, които предизвикаха специфични емоции.

Използвайки обратна връзка, алгоритъмът се научава да претегля входните данни, идващи от различни региони на мозъка, за да оптимизира сигнализирането на всяка емоция. След това изследователите тестват колко добре класификаторът може да предскаже предизвиканите емоции в нова извадка от участници, използвайки набора от мозъчни тегла, генериран от тестовата проба.

„След като специфичните за емоциите мозъчни модели се валидират по субекти по този начин, ние търсим доказателства, че тези модели се появяват спонтанно при участници, които просто лежат в покой в ​​скенера“, каза Лабар.

"След това можем да определим дали класификаторът на шаблони точно предсказва емоциите, които хората спонтанно отчитат в скенера, и да идентифицира индивидуалните различия."

Източник: Когнитивно невронаучно общество / EurekAlert