Οι ερευνητές διεξήγαγαν δοκιμές χρησιμοποιώντας ένα λογισμικό ικανό να ανιχνεύει περίπλοκες λεπτομέρειες συναισθημάτων που παραμένουν κρυμμένα στο ανθρώπινο μάτι. Το λογισμικό, το οποίο χρησιμοποιεί ένα «τεχνητό δίχτυ» για να χαρτογραφήσει βασικά χαρακτηριστικά του προσώπου, μπορεί να αξιολογήσει τις εντάσεις πολλαπλών διαφορετικών εκφράσεων του προσώπου ταυτόχρονα.
Ανίχνευση συναισθημάτων στους γονείς
Η ομάδα του Πανεπιστημίου του Bristol και του Manchester Metropolitan University συνεργάστηκε με τους συμμετέχοντες στη μελέτη Bristol’s Children of the 90s για να δει πόσο καλά οι υπολογιστικές μέθοδοι θα μπορούσαν να αποτυπώσουν αυθεντικά ανθρώπινα συναισθήματα μέσα στην καθημερινή οικογενειακή ζωή. Αυτό περιελάμβανε τη χρήση βίντεο που τραβήχτηκαν στο σπίτι, που τραβήχτηκαν από κάμερες κεφαλής που φορούσαν τα μωρά κατά τη διάρκεια των αλληλεπιδράσεων με τους γονείς τους.
Τα ευρήματα, που δημοσιεύθηκαν στο Frontiers in Psychology, δείχνουν ότι οι επιστήμονες μπορούν να χρησιμοποιήσουν τεχνικές μηχανικής μάθησης για να προβλέψουν με ακρίβεια τις ανθρώπινες κρίσεις για τις εκφράσεις του προσώπου των γονέων με βάση τις αποφάσεις των υπολογιστών. Επικεφαλής συγγραφέας Romana Burgess, Ph.D. φοιτητής στο EPSRC Digital Health and Care CDT στη Σχολή Ηλεκτρολόγων, Ηλεκτρονικών και Μηχανολόγων Μηχανικών στο Πανεπιστήμιο του Μπρίστολ, εξήγησε:
“Οι άνθρωποι βιώνουν περίπλοκα συναισθήματα – οι αλγόριθμοι μας λένε ότι κάποιος μπορεί να είναι 5% λυπημένος ή 10% χαρούμενος, για παράδειγμα. Η χρήση υπολογιστικών μεθόδων για την ανίχνευση εκφράσεων του προσώπου από δεδομένα βίντεο μπορεί να είναι πολύ ακριβής, όταν τα βίντεο είναι υψηλής ποιότητας και αντιπροσωπεύουν βέλτιστες συνθήκες—για παράδειγμα, όταν τα βίντεο εγγράφονται σε δωμάτια με καλό φωτισμό, όταν οι συμμετέχοντες κάθονται κατά πρόσωπο. κάμερα και όταν τα γυαλιά ή τα μακριά μαλλιά δεν εμποδίζουν το πρόσωπο.
Μας κίνησε το ενδιαφέρον η απόδοσή τους στις χαοτικές, πραγματικές ρυθμίσεις των οικογενειακών σπιτιών. Το λογισμικό εντόπισε ένα πρόσωπο στο 25% περίπου των βίντεο που τραβήχτηκαν σε πραγματικές συνθήκες, αντικατοπτρίζοντας τη δυσκολία αξιολόγησης προσώπων σε αυτού του είδους τις δυναμικές αλληλεπιδράσεις.”
Λεπτομέρειες για την μελέτη
Η ομάδα χρησιμοποίησε δεδομένα από τη μελέτη υγείας των Παιδιών της δεκαετίας του ’90—γνωστή και ως Avon Longitudinal Study of Parents and Children (ALSPAC). Οι γονείς προσκλήθηκαν να παρευρεθούν σε κλινική στο Πανεπιστήμιο του Μπρίστολ όταν τα μωρά τους ήταν 6 μηνών.
Στην κλινική, ως μέρος της μελέτης ERC MHINT Headcam, οι γονείς έλαβαν δύο φορητές κάμερες κεφαλής για να τις παίρνουν στο σπίτι και να τις χρησιμοποιούν κατά τη διάρκεια των αλληλεπιδράσεων με τα μωρά τους. Οι γονείς και τα βρέφη φορούσαν τις κάμερες κεφαλής κατά τη διάρκεια των αλληλεπιδράσεων σίτισης και παιχνιδιού.
Στη συνέχεια χρησιμοποίησαν ένα λογισμικό “αυτοματοποιημένης κωδικοποίησης προσώπου” για να αναλύσουν υπολογιστικά τις εκφράσεις του προσώπου των γονέων στα βίντεο και έβαλαν τους ανθρώπινους κωδικοποιητές να αναλύσουν τις εκφράσεις του προσώπου στα ίδια βίντεο. Η ομάδα ποσοτικοποίησε πόσο συχνά το λογισμικό ήταν σε θέση να ανιχνεύσει το πρόσωπο στο βίντεο και αξιολόγησε πόσο συχνά οι άνθρωποι και το λογισμικό συμφώνησαν στις εκφράσεις του προσώπου.
Τέλος, χρησιμοποίησαν μηχανική μάθηση για να προβλέψουν τις ανθρώπινες κρίσεις με βάση τις αποφάσεις του υπολογιστή. Η Romana είπε, “Η ανάπτυξη αυτοματοποιημένης ανάλυσης προσώπου στο περιβάλλον του σπιτιού των γονιών θα μπορούσε να αλλάξει τον τρόπο με τον οποίο ανιχνεύουμε πρώιμα σημάδια διαταραχών της διάθεσης ή ψυχικής υγείας, όπως η επιλόχεια κατάθλιψη. Για παράδειγμα, μπορεί να περιμένουμε από τους γονείς με κατάθλιψη να δείχνουν πιο λυπημένες εκφράσεις και λιγότερο χαρούμενοι εκφράσεις του προσώπου.”
Η καθηγήτρια Rebecca Pearson από το Manchester Metropolitan University, συν-συγγραφέας και PI του έργου ERC, εξήγησε: “Αυτές οι συνθήκες θα μπορούσαν να γίνουν καλύτερα κατανοητές μέσω λεπτών αποχρώσεων στις εκφράσεις του προσώπου των γονέων, παρέχοντας ευκαιρίες έγκαιρης παρέμβασης που κάποτε ήταν αδιανόητες. Για παράδειγμα, οι περισσότεροι γονείς θα προσπαθήσουν να «καλύψουν» τη δική τους αγωνία και να φαίνονται «εντάξει» στους γύρω τους. Το λογισμικό μπορεί να βρει πιο λεπτούς συνδυασμούς, συμπεριλαμβανομένων εκφράσεων που είναι ένα μείγμα λύπης και χαράς ή που αλλάζουν γρήγορα.”
Τώρα η ομάδα σχεδιάζει να διερευνήσει τη χρήση της αυτοματοποιημένης κωδικοποίησης προσώπου στο οικιακό περιβάλλον ως εργαλείο για την κατανόηση των διαταραχών και των αλληλεπιδράσεων της διάθεσης και της ψυχικής υγείας. Αυτό θα βοηθήσει στην πρωτοπορία μιας νέας εποχής παρακολούθησης της υγείας, φέρνοντας την καινοτόμο επιστήμη απευθείας στο σπίτι.
Η Romana κατέληξε: “Η έρευνά μας χρησιμοποίησε φορητές κάμερες για να καταγράψει αυθεντικά συναισθήματα στις καθημερινές αλληλεπιδράσεις γονέα-βρέφους. Μαζί με τη χρήση υπολογιστικών τεχνικών αιχμής, αυτό σημαίνει ότι μπορούμε να αποκαλύψουμε κρυφές λεπτομέρειες που προηγουμένως ήταν απρόσιτες από το ανθρώπινο μάτι, αλλάζοντας πώς κατανοούμε τα πραγματικά συναισθήματα των γονιών κατά τις αλληλεπιδράσεις με τα μωρά τους”.