Araştırmalar, İnsan Duygularını Ölçmek için Yapay Zekayı Kullanıyor

Bilişsel Sinirbilim Derneği'nin (CNS) yıllık toplantısında sanal olarak sunulan yeni araştırma, veriye dayalı hesaplama yöntemlerinin en temel insan özelliğini - duygularını açıklamak için nasıl kullanıldığını gösteriyor. Araştırmacılar, bulgularının insanlıktaki duyguların yapısı hakkındaki eski fikirleri alt üst edeceğine inanıyor.

Bilim adamları, zihin gezintisi sırasında kendiliğinden duyguları nasıl ürettiğimizden kültürler arasında yüz ifadelerini nasıl çözdüğümüze kadar her şeyi anlamak için bilgi işlem gücü kullanıyorlar.

Araştırmacılar, bulguların duyguların iyi oluşa, psikiyatrik bozuklukların nörobiyolojisine ve hatta daha etkili sosyal robotların nasıl yapılacağına nasıl katkıda bulunduğunu karakterize etmede önemli olduğuna inanıyor.

Duke Üniversitesi'nden Dr. Kevin LaBar, "Yapay zeka (AI), bilim insanlarının duyguları daha önce imkansız olduğu düşünülen şekillerde incelemelerine olanak tanıyor, bu da duyguların biyolojik sinyallerden üretildiğini düşünme şeklimizi değiştiren keşiflere yol açıyor," dedi.

Altı temel insan duygusu - korku, öfke, tiksinti, üzüntü, mutluluk ve şaşkınlık - on yıllardır insan psikolojisinde evrensel olarak kabul edildi. Yine de bu fikrin toplumsal yaygınlığına rağmen, uzmanlar bilimsel fikir birliğinin aslında bu duyguların evrensel olmaktan uzak olduğunu gösterdiğini iddia ediyor.

Glasgow Üniversitesi'nde araştırmacı olan Dr. Rachael Jack, özellikle Doğu Asya'dan gelen insanlar için bu duyguların yüz tanıma konusunda kültürler arasında önemli bir boşluk olduğunu söyledi.

Jack, "yüzün dili" olarak adlandırdığı şeyi anlamak için çalışıyor; anlamlı yüz ifadeleri oluşturmak için bireysel yüz hareketlerinin farklı şekillerde nasıl birleştiği (harflerin kelimeleri oluşturmak için nasıl birleştiği gibi).

Jack, "Bunu biraz hiyeroglifleri veya bilinmeyen eski bir dili kırmaya çalışmak gibi düşünüyorum" dedi. "Sözlü ve yazılı dil hakkında, hatta yüzlerce eski dil hakkında çok şey biliyoruz, ancak her gün kullandığımız ve tüm insan toplumları için çok kritik olan sözlü olmayan iletişim sistemleri hakkında nispeten az resmi bilgiye sahibiz."

Yeni çalışmada, Jack ve ekibi, duyguların yüz ifadelerinin bir tarif kitabı gibi, bu yüz hareketlerinin dinamik modellerini oluşturmak için veri odaklı yeni bir yöntem geliştirdiler. Ekibi şimdi bu modelleri sosyal robotlar ve sanal insanlar gibi dijital ajanlara aktarıyor, böylece sosyal olarak nüanslı ve kültürel olarak hassas yüz ifadeleri oluşturabilirler.

Araştırmalarından, kaş kaldırma, burun kırışıklığı veya dudak sedye gibi bireysel yüz hareketlerinin bir alt kümesini rastgele seçebilen ve her birinin yoğunluğunu ve zamanlamasını rastgele etkinleştiren yeni bir yüz hareketi üreteci oluşturdular.

Bu rastgele etkinleştirilen yüz hareketleri daha sonra bir yüz animasyonu oluşturmak için birleşir. Farklı kültürlerden katılımcıları çalışın ve ardından yüz animasyonunu altı klasik duyguya göre sınıflandırın veya bu duyguların hiçbirini algılamıyorlarsa "diğer" i seçebilirler.

Bu tür birçok denemeden sonra, araştırmacılar, her denemede sunulan yüz hareketleri ile katılımcıların cevapları arasında bir matematiksel model oluşturan istatistiksel bir ilişki kurarlar.

Jack, "Deneycilerin varsayılmış bir dizi yüz ifadesini alıp dünyanın dört bir yanındaki katılımcılara gösterdiği geleneksel teori odaklı yaklaşımların aksine, psikofiziksel bir yaklaşım ekledik" dedi.

"Yüz ifadelerini örnekleme ve test etme konusunda daha veriye dayalı ve daha agnostiktir ve eleştirel olarak, kültürel katılımcıların öznel algılarını kullanarak, belirli bir duyguya ilişkin algılarını hangi yüz hareketlerinin tetiklediğini anlamak için kullanır, örneğin," O mutlu "."

Bu çalışmalar, duyguların evrensel yüz ifadelerine dair yaygın olarak düşünülen altı ifadeyi yalnızca dört kültürler arası ifadeye yoğunlaştırdı. Jack, "Yüz ifadelerinde kültürler arası iletişimi engelleyebilecek önemli kültürel farklılıklar var" dedi. "Her zaman olmamakla birlikte, Doğu Asya yüz ifadelerinin Batı yüz ifadelerinden daha anlamlı gözlere sahip olduğunu görüyoruz - tıpkı Doğu ve Batı ifadeleri gibi!

Belirli mesajların doğru kültürler arası iletişimini desteklemek için kullanılabilecek kültürel ortaklıklar da olduğunu ekliyor; örneğin mutlu, ilgili ve sıkılmış yüz ifadeleri Doğu ve Batı kültürlerinde benzerdir ve kültürler arasında kolaylıkla tanınabilir.

Jack ve ekibi şimdi modellerini, küresel olarak kullanılabilen robotların ve diğer dijital aracıların sosyal sinyalleşme yeteneklerini geliştirmek için kullanıyor. "Yüz ifadesi modellerimizi bir dizi dijital aracıya aktarmak ve performanstaki çarpıcı iyileşmeyi görmek için çok heyecanlıyız" diyor.

Duke'dan LaBar, öznel duygu deneyiminin beyinde nasıl aracılık edildiğini anlamak, duygusal sinirbilimin kutsal kasesi olduğunu söyledi."Bu zor bir sorun ve bugüne kadar çok az ilerleme kaydedildi." LaBar ve meslektaşları, laboratuvarında beyin dinlenme halindeyken ortaya çıkan duyguları anlamaya çalışıyor.

"İster iç düşüncelerle ister anılarla tetiklenmiş olsun, bu" bilinç akışı "duyguları, uzun süreli ruh hali durumlarına yol açabilen ve hafızayı ve karar vermeyi önyargılı hale getirebilen ruminasyon ve endişenin hedefleridir," dedi.

Yakın zamana kadar, araştırmacılar bu duyguları beyin fonksiyonunun dinlenme durumu sinyallerinden çözemediler. Artık LaBar'ın ekibi, korku, öfke ve şaşkınlık gibi küçük bir duygu kümesinin nörogörüntüleme belirteçlerini elde etmek için makine öğrenimi araçlarını uygulayabildi. Dahası, araştırmacılar, denekler bir MRI tarayıcısında dinlenirken bu duyguların beyinde kendiliğinden nasıl ortaya çıktığını modellediler.

Çalışmanın özü, duyguları birbirinden ayıran beyin aktivitesi modellerini ayırt etmek için bir makine öğrenimi algoritması eğitmektir. Araştırmacılar, belirli duyguları tetikleyen müzik ve film klipleri sunulan bir grup katılımcıdan alınan bir eğitim veri setiyle bir örüntü sınıflandırıcı algoritma sunuyor.

Algoritma, geri bildirimi kullanarak, her bir duygunun sinyalini optimize etmek için beynin farklı bölgelerinden gelen girdileri tartmayı öğrenir. Araştırmacılar daha sonra sınıflandırıcının test örneğinden oluşturduğu beyin ağırlıkları setini kullanarak yeni bir katılımcı örnekleminde ortaya çıkan duyguları ne kadar iyi tahmin edebildiğini test ediyor.

Labar, "Duyguya özgü beyin kalıpları denekler arasında bu şekilde doğrulandığında, bu kalıpların tarayıcıda sadece istirahatte yatan katılımcılarda kendiliğinden ortaya çıktığına dair kanıt arıyoruz" dedi.

"Ardından, kalıp sınıflandırıcının, insanların tarayıcıda kendiliğinden bildirdiği duyguları doğru bir şekilde tahmin edip etmediğini belirleyebilir ve bireysel farklılıkları belirleyebiliriz."

Kaynak: Bilişsel Sinirbilim Derneği / EurekAlert