Technologia i emocje. Badania na grafowych sieciach neuronowych | Politechnika Gdańska

Emocje możemy rozpoznawać na różne sposoby. Najprościej – przez obserwację i wyciąganie własnych wniosków. Emocje wyrażane są w mimice, postawie i ruchach ciała, ale odzwierciedlają je również symptomy fizjologiczne. W obrazie EKG czy EEG, albo w badaniach przewodnictwa skórnego, możemy odczytać nie tylko zmiany fizyczne w funkcjonowaniu organizmu, ale także strach, ból, radość czy smutek.

Informatyka afektywna

Do rozpoznawania emocji wykorzystywana jest obecnie sztuczna inteligencja i uczenie maszynowe – to część nowej dziedziny nauki nazywanej „affective computing” (w języku polskim używa się określenia „informatyka afektywna”). Nauka ta zajmuje się sposobami i narzędziami do rozpoznawania, analizy, interpretacji i stymulacji stanów emocjonalnych użytkowników urządzeń cyfrowych i mobilnych. Łączy informatykę z psychologią, kognitywistyką, neurobiologią, socjologią, edukacją, projektowaniem czy etyką.

Dr inż. Teresa Zawadzka z Wydziału Elektroniki, Telekomunikacji i Informatyki prowadzi wraz ze swoimi studentami badania dotyczące możliwości odczytywania emocji za pomocą grafowych sieci neuronowych. Ze względu na swoje niezwykłe możliwości ekspresji, grafowe sieci neuronowe są w dziedzinie uczenia maszynowego niezwykle pomocne. Jest to rodzaj sztucznej inteligencji, zajmujący się przetwarzaniem danych zapisanych za pomocą struktury grafu.

Struktury grafowe pozwalają na przechowanie bardzo różnorodnych danych i zależności między nimi – nie tylko emocji, ale również kontekstu ich wystąpienia. Przez kontekst rozumiemy tu zarówno osobę, której emocja dotyczy, a także okoliczności powstania emocji (czas, miejsce czy impulsy stymulujące).

 W jakim celu konkretne maszyny posługujące się sztuczną inteligencją powinny umieć rozpoznawać ludzkie emocje?

– Potrzeb i zastosowań jest mnóstwo – tłumaczy naukowczyni – Zacznijmy od osób chorych, np. w śpiączce, po udarze, które nie mogą wyrazić mimiką czy werbalnie, że odczuwają ból czy lęk. Odpowiednio przeprowadzona analiza pewnych parametrów monitoringu ich zdrowia, może pokazać z jakimi emocjami się zmagają. Innym przykładem może być samochód, gdzie już w tej chwili montowane są czujniki koncentracji. Taki czujnik, analizując np. ruch naszych gałek ocznych, temperaturę ciała, będzie wnioskował czy jesteśmy odpowiednio skoncentrowani na drodze, czy nie grozi nam zaśnięcie, czy nie powinniśmy odpocząć. A edukacja? Mamy dwoje dzieci, z których jedno motywują trudności, a drugie takie trudności zupełnie zniechęcają. Oboje grają w tę samą grę edukacyjną. Jeśli odpowiedni czujnik, zamontowany np. w komputerze wyłapie ich emocje – ekscytację czy też znudzenie, kolejne zadanie w grze będzie dostosowane do ich odczuć i potrzeb – pełne wyzwań dla pierwszego, odprężające dla drugiego. Można mnożyć takie przykłady.

Unifikacja to większe możliwości

Opaski, kamery, czujniki to narzędzia do zbierania danych. Dane przez naukowców zbierane są również podczas zaplanowanych eksperymentów.  Jednak gromadzone są one w różnych zbiorach, odmiennie opisywanych przez różnych badaczy. Zespół dr Teresy Zawadzkiej pracuje nad budową takiej grafowej sieci neuronowej, która byłaby oparta o zróżnicowane zbiory danych.

– Próbujemy zintegrować różne eksperymenty do jednego zbioru – podkreśla Tomasz Wierciński, student prowadzący badania w ramach swojego indywidualnego toku studiów – i docelowo stworzyć system, które umożliwi zapisywanie danych w ujednolicony sposób. Dzięki temu, dane z eksperymentów mogłyby być łatwo wyszukiwane w bazach i używane do uczenia algorytmów.

Dalekosiężnym celem nad którym pracują naukowcy jest opracowanie wytycznych w jaki sposób zapisywać zbiory danych by były one jak najbardziej uniwersalne. Katalog nazewnictwa, format, rodzaje danych itd.

– Stworzenie takich wytycznych w postaci  narzędzia, prostego systemu z którego korzystaliby naukowcy z innych ośrodków badawczych, zajmujący się informatyką afektywną, pozwoliłoby na powiększane baz danych i lepsze uczenie algorytmów. A konsekwencją tego jest skuteczniejsze rozpoznawanie emocji – dodaje badaczka.

Projekt „Grafowe sieci neuronowe dla zintegrowanych sygnałów pochodzących z eksperymentów ukierunkowanych na rozpoznawanie emocji”, realizowanym w ramach programu Radium, jest podprojektem szerszego projektu realizowanego w ramach programu Technetium pn. „"Rozszerzenie dla ontologii ROAD dla wybranych typów kanałów (jeden lub więcej) oraz rozwój metody analizy spójności rozpoznanych emocji w zbiorach danych opisanych".

Projekt pn. „Grafowe sieci neuronowe dla zintegrowanych sygnałów pochodzących z eksperymentów ukierunkowanych na rozpoznawanie emocji”
Przyznane środki: 21 400 zł
Projekt realizowany w ramach Centrum technologii Cyfrowych

Zobacz inne artykuły o realizacji projektów IDUB