Làm thế nào một hệ thống máy tính học cách đọc cảm xúc của con người

Máy tính đọc cảm xúc của con người

Máy tính đọc cảm xúc của con người

Marianne Reddan đã dành 10 năm qua nhìn chằm chằm vào khuôn mặt người, tìm kiếm dấu vết của hai cảm xúc khác biệt nhưng có liên quan mật thiết: bất ngờ và sợ hãi. Sau rất nhiều thời gian nghiên cứu sự phức tạp của biểu cảm khuôn mặt, cô hầu như không thể phân biệt chúng nữa.

Đó là lý do tại sao, Red Reddan, một chuyên gia khoa học thần kinh sau tiến sĩ tại Đại học Stanford, biết rằng nghiên cứu của cô đã được thực hiện khi một hệ thống chạy bằng máy học được đào tạo để phát hiện cảm xúc phân biệt thành công giữa hai người.

Reddan đã rất ấn tượng khi thấy rằng hệ thống, được biết đến với tên là Em EmNet, Trực tiếp chỉ nhìn vào biểu cảm trên khuôn mặt để cảm nhận cảm xúc của con người. Nó đang lấy bối cảnh để xác định tâm trạng chung, giống như một người.

Nếu EmoNet có thể làm mọi người ngạc nhiên và sợ hãi, thì nó nói với tôi rằng nó không chỉ thu nhận những biểu cảm trên khuôn mặt, mà còn học được điều gì đó quan trọng về những hành động đang diễn ra.

Việc kinh doanh tạo ra hệ thống máy học đó, một mạng lưới thần kinh có nguồn gốc từ nhiều bộ dữ liệu hiện có trước đây, đã đưa các nhà nghiên cứu từ Đại học Colorado Boulder và Đại học Duke một năm để phát triển.

Tái sử dụng AlexNet, một mô hình học sâu cho phép máy tính nhận ra các vật thể (nó được mô phỏng theo vỏ não thị giác của con người) và đào tạo lại nó để nhận ra cảm xúc thay vì các vật thể.

AlexNet đã được đào tạo để xác định các đối tượng khác nhau bằng cách được cung cấp hình ảnh của các mặt hàng như ghế và bút và gán nhãn lớp cho hình ảnh. Reddan và các nhà nghiên cứu khác tự hỏi liệu một phân loại tương tự có thể được thực hiện với cảm xúc. Với việc máy học trở nên thực sự tốt trong việc phát hiện các vật thể, nó dường như đã sẵn sàng cho một thử thách mới

Trưởng nhóm nghiên cứu Philip Kragel, người làm việc như một cộng tác viên nghiên cứu tại Viện Khoa học nhận thức của Đại học Colorado Boulder, đã cung cấp cho mạng lưới thần kinh 25.000 hình ảnh và yêu cầu hệ thống sắp xếp chúng thành 20 loại cảm xúc, một số tinh tế.

Danh sách này bao gồm những cảm xúc như lo lắng và buồn chán, nhưng những trải nghiệm cảm xúc của con người ít rõ ràng hơn như sự đánh giá cao về mặt thẩm mỹ của người khác và sự đau đớn về sự đồng cảm. miêu tả

Sau đó là thời gian để xem các kỹ năng phân loại cảm xúc của Emonet đã so sánh với bộ não của con người trung bình như thế nào. Mười tám đối tượng của con người đã được đưa vào và nối với các máy chụp cộng hưởng từ chức năng (fMRI). Hoạt động não của họ được đo khi chúng được chiếu flash 112 hình ảnh và mạng lưới thần kinh đã phân tích các hình ảnh song song.

Kết quả cho thấy mạng lưới thần kinh có khả năng theo dõi phản ứng cảm xúc của chính con người và các đặc điểm hình ảnh cụ thể, phong phú có thể được ánh xạ một cách đáng tin cậy đến những cảm xúc khác biệt, theo bài báo, được công bố trên tạp chí Science Advances.

Xây dựng một mạng lưới thần kinh, một chương trình máy tính mô phỏng bộ não con người, đã là một giấc mơ khoa học trong nhiều năm, nhưng ngay cả các máy tính tinh vi cũng phải vật lộn với một số khía cạnh của trải nghiệm con người. Cảm xúc của người Viking là một phần lớn trong cuộc sống hàng ngày của chúng tôi, K Kelel nói với tờ Daily Beast. Nếu mạng lưới thần kinh không có tài khoản cho họ thì nó sẽ có sự hiểu biết rất hạn chế về cách thức hoạt động của bộ não.

Kragel đã rất ngạc nhiên khi mạng lưới thần kinh hoạt động tốt như nó đã làm, nhưng nó vẫn còn những hạn chế. Hai loại mà hệ thống phân loại chính xác nhất là ham muốn tình dục, và khao khát tình dục, và nó thường không làm tốt với những cảm xúc năng động như bất ngờ, có thể dễ dàng chuyển sang niềm vui hoặc sự tức giận. Hệ thống cũng đấu tranh để nói lên sự khác biệt giữa các cảm xúc như chầu, vui chơi và niềm vui, một phần vì những cảm xúc đó rất gắn bó với nhau.

Trong tương lai, một mạng lưới thần kinh như Emonet có thể được sử dụng để kiểm duyệt nội dung trực tuyến, đóng vai trò là bộ lọc nội dung sàng lọc các bài đăng trực quan trước khi chúng gặp mắt người.

Nhà nghiên cứu Hannah Davis, giáo sư âm nhạc thế hệ tại NYU và cựu học giả OpenAI, trước đây đã từng làm việc trong một dự án nơi cô sử dụng AI để tạo ra cảnh quan cảm xúc trên bức ảnh hình ảnh một máy tính liên quan đến việc gợi lên những cảm xúc khác nhau của con người. Cô nói rằng nghiên cứu cảm xúc mới có vẻ sáng tạo trong cách nó đã lập bản đồ các mô hình não và tạo ra một mô hình có thể giải mã biểu cảm khuôn mặt theo các loại đó. Nhưng trong khi Davis tin rằng việc dạy máy tính đọc cảm xúc vốn dĩ không nguy hiểm, thì đó cũng có nguy cơ cho rằng tất cả bộ não đều hoạt động như nhau và phân loại hành vi của mọi người dựa trên các mô hình quá chung chung, cô ấy đã viết trong email.
Trong tương lai, Kragel muốn điều tra xem một mạng lưới thần kinh như EmoNet có thể phân loại cảm xúc trong ngôn ngữ nói, sử dụng âm sắc và âm sắc để phát hiện sự khác biệt. Reddan vẫn thận trọng về ý nghĩa của nghiên cứu. Phát hiện một biểu hiện trên khuôn mặt tương quan với cảm xúc của con người không giống như hiểu được nó.

Hãy bình luận đầu tiên

Để lại một phản hồi

Thư điện tử của bạn sẽ không được hiện thị công khai.


*