Utilizzando approfondimenti su come le persone intuiscono gli altri emozionii ricercatori hanno progettato un modello che approssima questo aspetto dell’intelligenza sociale umana.
Quando interagisci con un’altra persona, probabilmente trascorri del tempo cercando di anticipare come si sentiranno riguardo a ciò che stai dicendo o facendo. Questo compito richiede un’abilità cognitiva chiamata teoria della mente, che ci aiuta a dedurre le credenze, i desideri, le intenzioni e le emozioni di altre persone.
Mentre molte ricerche sono state fatte per addestrare modelli di computer per dedurre lo stato emotivo di qualcuno in base alla loro espressione facciale, questo non è l’aspetto più importante dell’intelligenza emotiva umana, afferma la professoressa del MIT Rebecca Saxe. Molto più importante è la capacità di prevedere la risposta emotiva di qualcuno agli eventi prima che si verifichino. Credito immagine: Christine Daniloff, MIT
I neuroscienziati del MIT hanno ora progettato un modello computazionale in grado di prevedere le emozioni di altre persone – tra cui gioia, gratitudine, confusione, rimpianto e imbarazzo – che si avvicinano all’intelligenza sociale degli osservatori umani.
Il modello è stato progettato per prevedere le emozioni delle persone coinvolte in una situazione basata sul dilemma del prigioniero, un classico scenario della teoria dei giochi in cui due persone devono decidere se cooperare con il proprio partner o tradirlo.
Per costruire il modello, i ricercatori hanno incorporato diversi fattori ipotizzati per influenzare le reazioni emotive delle persone, inclusi i desideri di quella persona, le aspettative in una particolare situazione e se qualcuno stava osservando le loro azioni.
Emozioni – foto artistica illustrativa. Credito immagine: Toa Heftiba tramite Unsplash, licenza gratuita
“Queste sono intuizioni di base molto comuni, e quello che abbiamo detto è che possiamo prendere quella grammatica di base e creare un modello che imparerà a prevedere le emozioni da quelle caratteristiche”, afferma Rebecca Saxe, professoressa di John W. Jarve di Brain and Cognitive Sciences, membro del McGovern Institute for Brain Research del MIT e autore senior dello studio.
Sean Dae Houlihan PhD ’22, postdoc presso il Neukom Institute for Computational Science del Dartmouth College, è l’autore principale del cartache appare in Operazioni filosofiche A.
Altri autori includono Max Kleiman-Weiner PhD ’18, postdoc al MIT e alla Harvard University; Luke Hewitt PhD ’22, visiting scholar alla Stanford University; e Joshua Tenenbaum, professore di scienze cognitive computazionali al MIT e membro del Center for Brains, Minds, and Machines e del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT.
Prevedere le emozioni
Mentre una grande quantità di ricerca è stata dedicata all’addestramento di modelli di computer per dedurre lo stato emotivo di qualcuno in base alla loro espressione facciale, questo non è l’aspetto più importante dell’intelligenza emotiva umana, afferma Saxe.
Molto più importante è la capacità di prevedere la risposta emotiva di qualcuno agli eventi prima che si verifichino.
“La cosa più importante per capire le emozioni degli altri è anticipare ciò che gli altri proveranno prima che la cosa sia accaduta”, dice. “Se tutta la nostra intelligenza emotiva fosse reattiva, sarebbe una catastrofe”.
Per provare a modellare il modo in cui gli osservatori umani fanno queste previsioni, i ricercatori hanno utilizzato scenari tratti da un gioco televisivo britannico chiamato “Golden Balls”. Nello show, i concorrenti sono accoppiati con un piatto di $ 100.000 in palio.
Emozioni positive – foto illustrativa. Credito immagine: geralt tramite Pixabay, dominio pubblico CC0
Dopo aver negoziato con il proprio partner, ogni concorrente decide, segretamente, se dividere il pool o provare a rubarlo. Se entrambi decidono di dividersi, ricevono ciascuno $ 50.000. Se uno divide e uno ruba, il ladro ottiene l’intero piatto. Se entrambi cercano di rubare, nessuno ottiene nulla.
A seconda del risultato, i concorrenti possono provare una serie di emozioni: gioia e sollievo se entrambi i concorrenti si dividono, sorpresa e rabbia se il proprio avversario ruba il piatto e forse senso di colpa misto a eccitazione se uno ruba con successo.
Per creare un modello computazionale in grado di prevedere queste emozioni, i ricercatori hanno progettato tre moduli separati. Il primo modulo è addestrato a dedurre le preferenze e le convinzioni di una persona in base alla sua azione, attraverso un processo chiamato pianificazione inversa.
“Questa è un’idea che dice che se vedi solo una piccola parte del comportamento di qualcuno, puoi dedurre probabilisticamente cose su ciò che volevano e si aspettavano in quella situazione”, dice Saxe.
Utilizzando questo approccio, il primo modulo può prevedere le motivazioni dei concorrenti in base alle loro azioni nel gioco. Ad esempio, se qualcuno decide di dividere nel tentativo di condividere il piatto, si può dedurre che si aspettava anche che l’altra persona si dividesse.
Se qualcuno decide di rubare, potrebbe essersi aspettato che l’altra persona rubasse e non voleva essere imbrogliato. Oppure, potrebbero essersi aspettati che l’altra persona si separasse e hanno deciso di provare ad approfittarne.
Il modello può anche integrare la conoscenza di giocatori specifici, come l’occupazione del concorrente, per aiutarlo a dedurre la motivazione più probabile dei giocatori.
Il secondo modulo confronta l’esito del gioco con ciò che ogni giocatore voleva e si aspettava che accadesse. Quindi, un terzo modulo prevede quali emozioni potrebbero provare i concorrenti, in base al risultato e a ciò che si sapeva delle loro aspettative.
Questo terzo modulo è stato addestrato per prevedere le emozioni sulla base delle previsioni di osservatori umani su come si sarebbero sentiti i concorrenti dopo un particolare risultato. Gli autori sottolineano che questo è un modello di intelligenza sociale umana, progettato per imitare il modo in cui gli osservatori ragionano in modo causale sulle emozioni reciproche, non un modello di come le persone si sentono realmente.
“Dai dati, il modello apprende che ciò che significa, ad esempio, provare molta gioia in questa situazione, è ottenere ciò che volevi, farlo con correttezza e farlo senza trarne vantaggio”, Saxe dice.
Intuizioni fondamentali
Una volta che i tre moduli sono stati installati e funzionanti, i ricercatori li hanno utilizzati su un nuovo set di dati del game show per determinare in che modo le previsioni emotive dei modelli si confrontano con le previsioni fatte dagli osservatori umani. Questo modello ha funzionato molto meglio in quel compito rispetto a qualsiasi precedente modello di previsione delle emozioni.
Il successo del modello deriva dalla sua incorporazione di fattori chiave che anche il cervello umano usa per prevedere come qualcun altro reagirà a una data situazione, dice Saxe. Questi includono i calcoli di come una persona valuterà e reagirà emotivamente a una situazione, in base ai propri desideri e aspettative, che riguardano non solo il guadagno materiale ma anche il modo in cui sono visti dagli altri.
“Il nostro modello ha quelle intuizioni fondamentali, che gli stati mentali alla base dell’emozione riguardano ciò che volevi, cosa ti aspettavi, cosa è successo e chi ha visto. E ciò che la gente vuole non è solo roba. Non vogliono solo soldi; vogliono essere onesti, ma anche non essere imbroglioni, non essere imbrogliati “, dice.
“I ricercatori hanno contribuito a costruire una comprensione più profonda di come le emozioni contribuiscono a determinare le nostre azioni; e poi, capovolgendo il loro modello, spiegano come possiamo usare le azioni delle persone per dedurre le loro emozioni sottostanti. Questa linea di lavoro ci aiuta a vedere le emozioni non solo come “sentimenti”, ma come un ruolo cruciale e sottile nel comportamento sociale umano”, afferma Nick Chater, professore di scienze comportamentali all’Università di Warwick, che non era coinvolto in lo studio.
In un lavoro futuro, i ricercatori sperano di adattare il modello in modo che possa eseguire previsioni più generali basate su situazioni diverse dallo scenario del gioco utilizzato in questo studio. Stanno anche lavorando alla creazione di modelli in grado di prevedere cosa è successo nel gioco basandosi esclusivamente sull’espressione sui volti dei concorrenti dopo l’annuncio dei risultati.
Scritto da Anne Trafton
Da un’altra testata giornalistica. news de www.technology.org
