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. Ich rozpoznawaniem poprzez technologię zajmuje się dr inż. Teresa Zawadzka z Politechniki Gdańskiej. Badaczka pracuje nad rozwojem grafowej sieci neuronowej.
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.
BADANIA DOTYCZĄ ODCZYTYWANIA EMOCJI
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.
W jakim celu konkretne maszyny posługujące się sztuczną inteligencją powinny umieć rozpoznawać ludzkie emocje?
– Potrzeb i zastosowań jest mnóstwo – tłumaczy dr Zawadzka. – 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 – wyjaśnia.
„PRZYKŁADY MOŻNA MNOŻYĆ”
– 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 – podkreśla doktor Zawadzka.
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.
KONSEKWENCJĄ SKUTECZNIEJSZE ROZPOZNAWANIE EMOCJI
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.
Posłuchaj rozmowy Włodka Raszkiewicza z dr inż. Teresą Zawadzką:
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”.
Włodzimierz Raszkiewicz/ua
