Liệu máy có thể chỉ cần liếc nhìn là biết được sự khác biệt giữa hình ảnh vui và buồn không? Liệu nó có thể phân biệt được giữa phim hài lãng mạn và phim kinh dị trong vài giây không? Tất cả những câu hỏi này và những câu hỏi khác sẽ được biết thông qua nghiên cứu do các nhà khoa học thần kinh tại Đại học Colorado ở Boulder thực hiện trong quá trình phát triển hệ thống EmoNet.
Tor Wager, người đã tham gia nghiên cứu này và hiện vẫn là giáo sư tâm lý học và thần kinh học tại Đại học Colorado, cho biết công nghệ máy học hoạt động tốt trong việc phân loại hình ảnh theo loại sinh vật mà chúng chứa. Hình ảnh.
Nghiên cứu này về máy học và quá trình xử lý hình ảnh của não người tập trung vào ứng dụng của mạng nơ-ron để phân tích và phân loại cảm xúc. Câu hỏi đặt ra là về cách thức và vị trí hình ảnh được thể hiện trong não người. Nghiên cứu viên tại Viện Khoa học Nhận thức cho biết vỏ não thị giác cũng có vai trò quan trọng trong việc điều trị và phát triển cảm xúc.
Sự ra đời của EmoNet
Craigel ban đầu đã tạo ra mạng nơ-ron AlexNet, cho phép máy tính nhận dạng các vật thể bằng cách thao tác thông tin trong luồng video mô phỏng thị giác ở con người (phân loại theo vật thể được cung cấp bởi một hệ thống hình ảnh chứa các vật thể như ghế hoặc bút).
Sau khi học cách khám phá các vật thể tốt, có thể bắt đầu một thử thách mới là xác định và phân loại cảm xúc trong hình ảnh. Ông đã chuẩn bị một mạng nơ-ron mới để dự đoán cảm giác của một người khi họ nhìn thấy một hình ảnh cụ thể và mạng nơ-ron đó có tên là EmoNet để phân loại cảm xúc bằng cách mô phỏng bộ não con người.
Ban đầu, cô được đào tạo bằng cách cung cấp 25.000 hình ảnh giữa các hình ảnh tự nhiên và hình ảnh gợi cảm và được yêu cầu phân loại những hình ảnh đó thành 20 loại cảm xúc như sợ hãi và phấn khích, nhưng cô đã có thể phân loại 11 loại cảm xúc một cách chính xác và nhất quán, kết quả là hợp lý và cũng có các tỷ lệ khác nhau trong phân loại, trong đó khả năng nhận dạng lớp tốt hơn lớp khác.
Kết quả đầu tiên của EmoNet
Ví dụ, cô ấy đã xác định chính xác 95% hình ảnh khiêu dâm và thấy khó để xác định những cảm xúc chính xác nhất như ngạc nhiên, có thể chuyển thành vui mừng hoặc tức giận. Ngoài ra, những cảm xúc như tình yêu, giải trí và vui mừng cho chế độ dường như rất đan xen.
Màu sắc cũng có tác động đến sự phân loại đó. Ví dụ, khi EmoNet nhìn thấy màn hình đen, nó sẽ chỉ ra cảm giác lo lắng. Nó không chỉ giới hạn ở việc xác định cảm xúc mà còn xác định mức độ mạnh mẽ của cảm xúc (đo cường độ cảm xúc trong hình ảnh).
Sau đó, cô ấy đã được các nhà nghiên cứu thử nghiệm, nơi các bộ phim ngắn được chiếu và được hỏi liệu cô ấy là một bộ phim hài lãng mạn, kinh dị hay hành động? Họ đã trả lời đúng hai phần ba số câu trả lời.
Marian Redan, nhà khoa học thần kinh tại Đại học Oxford, cho biết khi bà phát hiện ra EmoNet, mạng lưới này có thể phân biệt cảm giác ngạc nhiên và sợ hãi, không chỉ xác định biểu cảm khuôn mặt mà còn tìm hiểu điều gì đó quan trọng về biểu cảm và phản ứng trên khuôn mặt.
Những gì bạn nhìn thấy và cảm nhận của bạn
Để kiểm tra EmoNet nhiều hơn và cải thiện nó đã được so sánh với kỹ năng não bộ của con người, đưa 18 người đến máy ảnh MRI chức năng để đo hoạt động não của họ, trong 4 giây, 112 hình ảnh nhấp nháy được hiển thị và EmoNet đã nhìn thấy và phân tích cùng một hình ảnh song song tức là thu được các Mẫu hoạt động của não và EmoNet cùng nhau và so sánh.
Kriegel cho biết EmoNet là một chương trình máy tính mô phỏng não bộ con người. Tuy nhiên, tôi đã học cách nhận ra cảm xúc theo cách hợp lý, chỉ ra những điểm tương đồng trong các mẫu hoạt động của não ở vùng sọ và các mô-đun EmoNet để biểu diễn cảm xúc.
Kriegel cũng cho biết rằng cảm xúc là một phần lớn trong cuộc sống hàng ngày của chúng ta. Ngay cả khi mạng lưới này không thể phân tích đầy đủ, nó sẽ có hiểu biết hạn chế về cách não hoạt động, nhưng điều ngạc nhiên là mạng lưới nơ-ron đã có thể thực hiện công việc cần thiết, nhưng hạn chế và đây là một khởi đầu tốt.
EmoNet Trong tương lai
EmoNet có thể được sử dụng để cải thiện tương tác giữa người và máy tính, giúp phát triển nghiên cứu cảm xúc và cũng có thể được sử dụng như bộ lọc trước video để người dùng có thể chặn hình ảnh và video theo ý muốn.
Kriegel cũng muốn nghiên cứu xem liệu một mạng lưới nơ-ron, chẳng hạn như EmoNet, có thể phân loại cảm xúc theo âm thanh và tiếng động hay không.
Cuối cùng, liệu mô hình này có thực sự cảm thấy không?
“Anh ấy không cảm thấy”, Redan nói. “Anh ấy chỉ cần phân loại cảm xúc thành các danh mục, chứ không phải sự phức tạp của cảm giác ở con người. Có lẽ một ngày nào đó anh ấy có thể cảm nhận được những cảm xúc đó”.