211service.com
Hoe één intelligente machine menselijke emoties leerde herkennen
Als het op communicatie aankomt, zijn mensen enorm gevoelig voor elkaars emotionele toestanden. De meeste mensen verwachten inderdaad dat hun correspondenten rekening houden met hun emotionele toestand. En wanneer dit gebeurt, is communicatie meestal effectiever.
Dus als computers ooit effectief met mensen willen communiceren, hebben ze een manier nodig om deze truc te herhalen en de emotionele toestand van hun gesprekspartners te beoordelen. Begrijpen of een persoon een positieve of negatieve gemoedstoestand heeft, kan een enorm verschil maken voor de kwaliteit van de reactie die een computer kan geven.
Maar hoe dit te doen? Een manier om iemands gemoedstoestand te beoordelen, is door de elektrische signalen die door de hersenen worden geproduceerd te analyseren met behulp van een EEG-machine. Dit kan op betrouwbare wijze verschillende aspecten van de hersentoestand onthullen, zoals het concentratie- of focusniveau enzovoort.
De emotionele toestanden van de hersenen zijn echter complex, en veel eerder werk heeft opgemerkt dat de hersengolven die verband houden met specifieke emoties in de loop van de tijd lijken te veranderen. Daarom heeft niemand een manier gevonden om ze duidelijk en betrouwbaar te identificeren met behulp van hersengolven.
Vandaag verandert dat dankzij het werk van Wei-Long Zheng en vrienden van de Shanghai Jiao Tong University. Deze jongens hebben een manier gevonden om de emotionele hersentoestanden te identificeren en betrouwbaar te herhalen. Ze brachten de techniek op de proef door week na week emotionele toestanden bij dezelfde proefpersonen te identificeren door alleen naar hun hersengolven te kijken.
Wei-Long en zijn bedrijf begonnen met het maken van een database om te bestuderen. Hiervoor vroegen ze 15 studenten om 15 filmpjes te bekijken die elk werden geassocieerd met positieve, negatieve of neutrale emoties.
Tijdens elke bezichtiging nam het team het gezicht van het onderwerp op, evenals de elektrische signalen van 62 elektroden die op het hoofd van het onderwerp waren bevestigd. Vervolgens werd hen gevraagd of de film een positieve, negatieve of neutrale reactie opriep en om hun emotionele opwindingsniveaus te beoordelen op een schaal van 1 tot 5. Cruciaal was dat het team het experiment op dezelfde proefpersonen gedurende een periode van weken herhaalde.
Wei-Long en het bedrijf gebruikten vervolgens een machine learning-algoritme om de dataset te analyseren, op zoek naar gemeenschappelijke kenmerken in de hersengolven van mensen in dezelfde emotionele toestanden.
En ja hoor, het algoritme vond een reeks patronen die positieve, negatieve en neutrale emoties duidelijk onderscheidden die in de loop van de tijd voor verschillende onderwerpen en voor dezelfde onderwerpen werkten met een nauwkeurigheid van ongeveer 80 procent. De prestaties van ons emotieherkenningssysteem laten zien dat de neurale patronen relatief stabiel zijn binnen en tussen sessies, zeggen ze.
Er moet natuurlijk meer gebeuren. De proefpersonen in dit onderzoek waren allemaal relatief jonge studenten aan een Chinese universiteit. Wei-Long en zijn bedrijf willen kijken hoe emotionele hersentoestanden veranderen met leeftijd, geslacht en ras. Dat is voor de toekomst.
Op dit moment is dat interessant werk dat de studie van emoties zou kunnen verbeteren en op een dag intelligente machines zou kunnen helpen de emotionele toestanden van mensen waarmee ze omgaan beter te begrijpen.
Referentie: arxiv.org/abs/1601.02197 : Stabiele patronen in de loop van de tijd identificeren voor emotieherkenning van EEG