Penyelidikan Menggunakan Kecerdasan Buatan untuk Mengukur Emosi Manusia

Penyelidikan baru yang disajikan hampir pada pertemuan tahunan Cognitive Neuroscience Society (CNS) menunjukkan bagaimana kaedah pengkomputeran berdasarkan data digunakan untuk menjelaskan sifat manusia yang paling asas - emosi. Penyiasat yakin penemuan mereka akan membalikkan idea lama mengenai struktur emosi di seluruh umat manusia.

Para saintis menggunakan kekuatan pengkomputeran untuk memahami segalanya dari bagaimana kita menghasilkan emosi spontan semasa merenung minda hingga bagaimana kita menyahkod ekspresi wajah di seluruh budaya.

Penyiasat percaya penemuan itu penting dalam mencirikan bagaimana emosi menyumbang kepada kesejahteraan, neurobiologi gangguan psikiatri, dan juga bagaimana membuat robot sosial yang lebih berkesan.

"Kecerdasan buatan (AI) memungkinkan para saintis untuk mengkaji emosi dengan cara yang sebelumnya dianggap mustahil, yang membawa kepada penemuan yang mengubah bagaimana kita berfikir emosi dihasilkan dari isyarat biologi," kata Dr. Kevin LaBar dari Duke University.

Enam inti emosi manusia - ketakutan, kemarahan, rasa jijik, kesedihan, kebahagiaan dan kejutan - telah dianggap universal dalam psikologi manusia selama beberapa dekad. Namun di sebalik wujudnya idea ini secara sosial, para pakar berpendapat bahawa konsensus ilmiah sebenarnya menunjukkan bahawa emosi ini jauh dari universal.

Secara khusus, terdapat jurang yang ketara dalam pengecaman wajah terhadap emosi ini di antara budaya khususnya bagi orang-orang dari Asia Timur, kata Dr Rachael Jack, seorang penyelidik di University of Glasgow.

Jack telah berusaha untuk memahami apa yang dia sebut sebagai "bahasa wajah;" bagaimana pergerakan wajah individu bergabung dengan cara yang berbeza untuk menghasilkan ekspresi wajah yang bermakna (seperti bagaimana huruf bergabung untuk mencipta perkataan).

"Saya menganggap ini agak seperti mencuba hieroglif atau bahasa kuno yang tidak diketahui," kata Jack. "Kami tahu banyak tentang bahasa lisan dan tulisan, bahkan ratusan bahasa kuno, tetapi kami mempunyai sedikit pengetahuan formal mengenai sistem komunikasi bukan lisan yang kami gunakan setiap hari dan yang sangat penting bagi semua masyarakat manusia."

Dalam karya baru, Jack dan pasukannya telah membuat kaedah berdasarkan data baru untuk membuat model dinamik pergerakan wajah ini, seperti buku resipi ekspresi emosi wajah. Pasukannya kini memindahkan model-model ini ke ejen digital, seperti robot sosial dan manusia maya, sehingga mereka dapat menghasilkan ekspresi wajah yang bernuansa sosial dan sensitif budaya.

Dari penyelidikan mereka, mereka telah mencipta sebuah generator pergerakan wajah baru yang secara rawak dapat memilih subset pergerakan wajah secara individu, seperti penambah alis, keriput hidung, atau pengusap bibir, dan secara aktif secara rawak mengaktifkan intensiti dan waktu masing-masing.

Pergerakan wajah yang diaktifkan secara rawak ini kemudian bergabung untuk membuat animasi wajah. Kaji peserta dari budaya yang berlainan kemudian kategorikan animasi wajah mengikut enam emosi klasik, atau mereka boleh memilih "yang lain" jika mereka tidak merasakan emosi tersebut.

Selepas banyak ujian seperti itu, para penyelidik membina hubungan statistik antara pergerakan wajah yang ditunjukkan pada setiap percubaan dan tindak balas peserta, yang menghasilkan model matematik.

"Berbeza dengan pendekatan tradisional yang didorong oleh teori di mana para eksperimen mengambil set ekspresi wajah yang dihipotesiskan dan menunjukkannya kepada peserta di seluruh dunia, kami telah menambahkan pendekatan psikofisik," kata Jack.

"Lebih berdasarkan data dan lebih agnostik dalam pengambilan sampel dan menguji ekspresi wajah dan, secara kritis, menggunakan persepsi subjektif peserta budaya untuk memahami pergerakan wajah apa yang mendorong persepsi mereka terhadap emosi tertentu, misalnya," dia gembira. ""

Kajian-kajian ini telah menyatukan enam pemikiran umum tentang ekspresi emosi universal wajah kepada hanya empat ekspresi lintas budaya. "Terdapat perbezaan budaya yang besar dalam ekspresi wajah yang dapat menghalangi komunikasi lintas budaya," kata Jack. "Kita sering, tetapi tidak selalu, mendapati bahawa ekspresi wajah Asia Timur memiliki mata yang lebih ekspresif daripada ekspresi wajah Barat, yang cenderung mempunyai mulut yang lebih ekspresif - sama seperti emoticon Timur berbanding Barat!"

Dia menambah bahawa ada juga persamaan budaya yang dapat digunakan untuk menyokong komunikasi lintas budaya yang tepat mengenai mesej tertentu; sebagai contoh, ekspresi wajah gembira, berminat, dan bosan serupa di antara budaya Timur dan Barat dan dapat dikenali di seluruh budaya dengan mudah.

Jack dan pasukannya kini menggunakan model mereka untuk meningkatkan keupayaan isyarat sosial robot dan ejen digital lain yang dapat digunakan secara global. "Kami sangat gembira untuk memindahkan model ekspresi wajah kami ke pelbagai agen digital dan melihat peningkatan prestasi yang dramatik," katanya.

Memahami bagaimana pengalaman subjektif emosi dimediasi di otak adalah grail suci neurosains afektif, kata LaBar dari Duke."Ini adalah masalah yang sulit, dan ada sedikit kemajuan hingga saat ini." Di makmalnya, LaBar dan rakan sekerja berusaha untuk memahami emosi yang muncul ketika otak sedang memikirkan minda ketika berehat.

"Sama ada dipicu oleh pemikiran atau ingatan dalaman, emosi 'aliran-kesadaran' ini adalah sasaran ruminasi dan kebimbangan yang dapat menyebabkan keadaan mood yang berpanjangan, dan dapat memori ingatan dan pengambilan keputusan," katanya.

Sehingga baru-baru ini, para penyelidik tidak dapat menguraikan emosi ini daripada isyarat keadaan otak yang berehat. Kini, pasukan LaBar dapat menerapkan alat pembelajaran mesin untuk mendapatkan penanda neuroimaging dari sekumpulan kecil emosi seperti ketakutan, kemarahan, dan kejutan. Lebih-lebih lagi, para penyelidik telah memodelkan bagaimana emosi ini muncul secara spontan di otak sementara subjek berada di dalam pengimbas MRI.

Inti dari kerja ini adalah melatih algoritma pembelajaran mesin untuk membezakan corak aktiviti otak yang memisahkan emosi antara satu sama lain. Para penyelidik mengemukakan algoritma pengkelasan corak dengan kumpulan data latihan dari sekumpulan peserta yang disajikan dengan klip muzik dan filem yang menimbulkan emosi tertentu.

Dengan menggunakan maklum balas, algoritma belajar untuk menimbang input yang datang dari pelbagai kawasan otak untuk mengoptimumkan isyarat setiap emosi. Para penyelidik kemudian menguji seberapa baik pengklasifikasi dapat meramalkan emosi yang timbul dalam sampel peserta baru menggunakan set bobot otak yang dihasilkannya dari sampel ujian.

"Setelah corak otak khusus emosi disahkan di semua subjek dengan cara ini, kami mencari bukti bahawa corak ini muncul secara spontan pada peserta yang hanya berbaring di tempat pengimbas," kata Labar.

"Kami kemudian dapat menentukan apakah pengkelasan pola dengan tepat meramalkan emosi yang dilaporkan orang secara spontan dalam pengimbas, dan mengenal pasti perbezaan individu."

Sumber: Persatuan Neurosains Kognitif / EurekAlert