دانشمندان روش جدیدی برای تشخیص احساسات با استفاده از سیگنال‌های بی‌سیم پیشنهاد می‌کنند.
براساس تحقیقات جدید از دانشگاه کوئین‌مری لندن، یک رویکرد جدید هوش‌مصنوعی (AI) مبتنی‌بر سیگنال‌های بی‌سیم می‌تواند به آشکارسازی احساسات درونی ما کمک کند.
این مطالعه منتشرشده در مجله “PLOS ONE” ، استفاده از امواج رادیویی برای اندازه‌گیری سیگنال‌های ضربان قلب، تنفس و پیش‌بینی احساس فرد حتی در غیاب علائم بصری دیگر، از جمله حالات صورت را نشان می‌دهد.
در ابتدا از شرکت‌کنندگان خواسته شد، ویدیویی را که محققان به دلیل توانایی ایجاد یکی از چهار نوع احساس اصلی انتخاب کرده‌اند، مشاهده کنند.{عصبانیت ، غم ، شادی و لذت}
در حالی که افراد در حال تماشای فیلم بودند، محققان سیگنال‌های رادیویی بی ضرری -مانند سیگنال های رادار- به سمت فرد ساطع کرده و سیگنال‌هایی را که ازآن‌ها منعکس می‌شد را اندازه‌گیری کردند.
با تجزیه و تحلیل تغییرات ناشی از حرکات جزئی بدن این سیگنال‌ها، محققان توانستند اطلاعات “پنهان” در مورد قلب و میزان تنفس فرد را کشف کنند.
تحقیقات قبلی از روش‌های غیرتهاجمی یا بی‌سیم مشابه برای تشخیص احساسات استفاده کرده است، اما در این مطالعات، تجزیه و تحلیل داده‌ها با استفاده از رویکردهای یادگیری ماشین کلاسیک انجام یافته بود. در این روش از الگوریتمی برای تشخیص و طبقه بندی احساسات استفاده می‌شود. برای این مطالعه جدید، دانشمندان در عوض از تکنیک‌های یادگیری عمیق استفاده کردند. در این تکنیک، یک شبکه عصبی مصنوعی ویژگی‌های خاص خود را از داده‌های خام وابسته به زمان می‌آموزد. این روش نشان داد که می‌تواند احساسات را با دقت بیشتری نسبت به روش‌های سنتی یادگیری ماشین تشخیص دهد.
Achintha Avin Ihalage، دانشجوی دکترا در کوئین مری، گفت: “یادگیری عمیق به ما این امکان را می‌دهد که داده‌ها را به روشی مشابه نحوه کار مغز انسان با نگاه کردن به لایه‌های مختلف اطلاعات و ایجاد ارتباط بین آن‌ها ارزیابی کنیم. بیشتر ادبیات منتشرشده با استفاده از یادگیری ماشینی، احساسات را به روشی وابسته به موضوع اندازه گیری میکند، سیگنالی را از فرد خاصی ضبط میکند و از آن برای پیش‌بینی احساسات آن‌ها در مرحله بعد استفاده میکند.
“با یادگیری عمیق می‌توانیم احساسات را به روش مستقل از موضوع، دقیق اندازه‌گیری کنیم، جایی که می‌توانیم به کل سیگنال‌های افراد مختلف نگاه کنیم و از این داده‌ها بیاموزیم و از آن‌ها برای پیش‌بینی احساسات افراد خارج از آموزش پایگاه داده خود استفاده کنیم. “
به طور سنتی، تشخیص احساسات به ارزیابی سیگنال‌های قابل‌مشاهده مانند حالت‌های صورت، گفتار، حرکات بدن یا حرکات چشم متکی بود. با این حال، این روش‌ها می‌توانند غیرقابل‌اعتماد باشند، زیرا به‌طور موثری احساسات درونی فرد را جذب نمی‌کنند و محققان به طور فزاینده‌ای به دنبال سیگنال‌های “نامرئی” مانند ECG برای درک احساسات هستند.
سیگنال‌های ECG فعالیت الکتریکی در قلب را تشخیص می‌دهند و ارتباطی بین سیستم عصبی و ریتم قلب ایجاد می‌کنند. تاکنون اندازه‌گیری این سیگنال‌ها با استفاده از حسگرهایی که روی بدن قرار گرفته‌اند، انجام شده است، اما اخیراً محققان به دنبال رویکردهای غیرتماسی هستند که از امواج رادیویی استفاده کرده و این سیگنال‌ها را تشخیص می‌دهند.
محققان درگیر در مطالعات روانشناختی یا علوم اعصاب اغلب از روش‌های تشخیص احساسات انسانی استفاده می‌کنند اما تصور می‌شود که این رویکردها می‌توانند پیامدهای گسترده‌تری در مدیریت سلامت و سلامتی نیز داشته باشند.
در آینده، تیم تحقیقاتی قصد دارد با متخصصان مراقبت‌های بهداشتی و دانشمندان علوم‌اجتماعی در مورد پذیرش عمومی و نگرانی‌های اخلاقی پیرامون استفاده از این فناوری کار کند.
احسن نور خان ، دانشجوی دکترای کوئین مری و اولین نویسنده این تحقیق، گفت: “توانایی تشخیص احساسات با استفاده از سیستم‌های بی‌سیم موضوعی است که علاقه محققان را جلب میکند زیرا گزینه دیگری برای حسگرهای بزرگ ارائه می‌دهد و می‌تواند به طور مستقیم در خانه‌های هوشمند و خانه‌های آینده مورداستفاده قرار گیرند. در این مطالعه، ما با استفاده از امواج رادیویی کارهایی را انجام داده‌ایم که احساسات را تشخیص می‌دهند و نشان می‌دهد که استفاده از تکنیک‌های یادگیری عمیق می‌تواند دقت نتایج ما را بهبود بخشد. “
“ما اکنون به دنبال بررسی این موضوع هستیم که چگونه می‌توانیم از سیستم های کم هزینه موجود مانند روترهای بی سیم (wifi) برای شناسایی احساسات تعداد زیادی از افراد جمع‌شده، به عنوان مثال در یک اداره یا محیط کار استفاده کنیم. این نوع روش ما را قادر می‌سازد علاوه براین، بهبود دقت تشخیص احساسات در محیط کار با استفاده از تکنیک های پیشرفته یادگیری عمیق از اهداف ما است. ” پروفسور یانگ هائو” ، سرپرست پروژه افزود: “این تحقیق فرصت های زیادی را برای کاربردهای عملی به ویژه در موارد تعامل انسان-ماشین ایجاد میکند.”
