Komputer Belajar Menilai Emosi - Kadang-kadang Lebih Baik daripada Manusia
Lebih-lebih lagi, para penyelidik mengatakan bahawa komputer yang diprogramkan dengan maklumat terkini dari penyelidikan ini melakukan pekerjaan yang lebih baik untuk membezakan senyuman kegembiraan dan kekecewaan daripada yang dilakukan oleh pemerhati manusia.
Penyelidik percaya penemuan itu dapat membuka jalan bagi komputer untuk menilai keadaan emosi pengguna mereka dengan lebih baik dan bertindak balas dengan sewajarnya. Perisian boleh dikembangkan untuk membantu melatih mereka yang sukar mentafsirkan ekspresi, seperti orang dengan autisme, untuk mengukur ekspresi yang mereka lihat dengan lebih tepat.
"Tujuannya adalah untuk membantu orang-orang dengan komunikasi tatap muka," kata pelajar kedoktoran Ehsan Hoque, pengarang utama makalah yang baru diterbitkan di Transaksi IEEE pada Pengkomputeran Afektif.
Dalam eksperimen yang dilakukan di Makmal Media MIT, orang pertama kali diminta untuk melakukan ekspresi kegembiraan atau kekecewaan, kerana kamera web merakam ekspresi mereka. Kemudian, mereka diminta untuk mengisi borang dalam talian yang dirancang untuk menimbulkan kekecewaan atau dijemput untuk menonton video yang dirancang untuk mendapatkan respons yang menggembirakan - juga ketika sedang dirakam.
Penyelidik mengetahui bahawa apabila seseorang diminta untuk berpura-pura kecewa, 90 peratus subjek tidak tersenyum. Tetapi ketika disajikan dengan tugas yang menyebabkan kekecewaan tulen - mengisi borang dalam talian yang terperinci, hanya kemudian mencari maklumat yang dihapus setelah menekan butang "kirim" - 90 persen dari mereka tersenyum, kata Hogue.
Gambar pegun menunjukkan sedikit perbezaan antara senyuman kecewa ini dan senyuman gembira yang dihasilkan oleh video bayi yang comel, tetapi analisis video menunjukkan bahawa perkembangan kedua-dua senyuman itu agak berbeza: Selalunya, senyuman gembira bertambah sedikit demi sedikit, sambil kecewa senyuman muncul dengan cepat tetapi pudar cepat.
Dalam eksperimen seperti itu, penyelidik biasanya bergantung pada ekspresi emosi yang dilakonkan, kata Hoque, yang dapat memberikan hasil yang menyesatkan.
"Data yang dilakonkan lebih mudah diklasifikasikan dengan tepat" daripada tindak balas yang sebenarnya, katanya. Tetapi ketika cuba menafsirkan gambaran tindak balas sebenar, orang menunjukkan prestasi yang lebih baik daripada kebetulan, menilai ini dengan tepat hanya sekitar 50 peratus waktu.
Penyelidik mengatakan bahawa memahami kehalusan yang memotivasi emosi adalah tujuan utama penyelidikan ini. "Orang yang menderita autisme diajar bahawa senyum bererti seseorang senang," katanya, tetapi penyelidikan menunjukkan bahawa tidak semudah itu.
Walaupun orang mungkin tidak tahu dengan tepat isyarat apa yang mereka tanggapi, waktu tidak banyak berkaitan dengan bagaimana orang menafsirkan ungkapan, katanya, Sebagai contoh, mantan perdana menteri Britain Gordon Brown dilihat secara meluas sebagai senyum palsu, terutama kerana masa yang tidak wajar dari senyumannya, kata Hoque.
Begitu juga, iklan kempen untuk mantan calon presiden Herman Cain menampilkan senyuman yang berkembang begitu perlahan - butuh sembilan saat untuk muncul - sehingga dilenyapkan secara meluas, termasuk penipuan oleh pelawak Stephen Colbert. "Mendapatkan masa yang tepat sangat penting jika anda ingin dianggap tulus dan tulen dengan senyuman anda," kata Hoque.
Dr. Jeffrey Cohn, seorang profesor psikologi di University of Pittsburgh yang tidak terlibat dalam penyelidikan ini, mengatakan karya ini "membuka jalan baru dengan fokus pada kekecewaan, pengalaman mendasar manusia. Walaupun para penyelidik kesakitan telah mengenal pasti tersenyum dalam konteks ekspresi kesakitan, kumpulan MIT mungkin yang pertama meniru senyum dalam ekspresi emosi negatif. "
Cohn berkata, "Ini adalah karya yang sangat menarik dalam sains tingkah laku komputasi yang mengintegrasikan psikologi, visi komputer, pemprosesan pertuturan dan pembelajaran mesin untuk menghasilkan pengetahuan baru ... dengan implikasi klinikal." Dia mengatakan ini "adalah peringatan penting bahawa tidak semua senyum positif. Telah ada kecenderungan untuk 'membaca' kenikmatan setiap kali senyuman dijumpai. Untuk interaksi manusia-komputer, antara bidang dan aplikasi lain, diperlukan pandangan yang lebih bernuansa. "
Selain memberi latihan kepada orang-orang yang mengalami kesulitan dengan ekspresi, penemuan itu mungkin menarik bagi pemasar, kata Hoque. "Hanya kerana pelanggan tersenyum, itu tidak bermakna mereka berpuas hati," katanya. Dan mengetahui perbezaannya menjadi penting dalam mengukur cara terbaik untuk memberi respons kepada pelanggan, dia berkata: "Makna tersembunyi di sebalik senyuman itu sangat penting."
Para penyelidik yakin analisis itu dapat membantu membuat komputer yang bertindak balas dengan cara yang sesuai dengan mood pengguna mereka. Salah satu tujuan penyelidikan Affective Computing Group adalah "membuat komputer yang lebih pintar dan hormat," kata Hoque.
Sumber: MIT
