Immagine copertina generata con l’intelligenza artificiale
La rilevazione delle emozioni attraverso l’intelligenza artificiale potrebbe diventare molto più precisa grazie a un nuovo metodo sviluppato dai ricercatori della Northwestern Polytechnical University.
Dataset multimodale: come funziona il tracciamento emotivo
Il problema nasce da un limite dei sistemi tradizionali: un intero video viene spesso associato a una sola emozione, anche quando contiene momenti neutri o di transizione. Il risultato è una forma di rumore nelle etichette temporali, che rischia di non rappresentare correttamente lo stato emotivo reale di una persona. Un team della School of Artificial Intelligence, guidato dal professor Xie Songyun, ha cercato di superare questo ostacolo sviluppando il dataset multimodale FIRMED, progettato per individuare il momento preciso in cui un’emozione raggiunge il suo picco.
Il nuovo approccio parte da un principio della psicologia cognitiva noto come “peak-end rule”, secondo cui nel ricordo di un’esperienza assumono particolare importanza i momenti emotivamente più intensi e la parte finale dell’esperienza stessa.
I ricercatori hanno quindi sviluppato un sistema di etichettatura più dettagliato, basato sul ricordo immediato e sulla localizzazione del picco emotivo. Dopo aver guardato i video utilizzati nell’esperimento, i partecipanti hanno potuto rivederli immediatamente e indicare uno o più momenti particolarmente evidenti dal punto di vista emotivo, specificandone anche categoria e intensità.
Questa procedura permette di evitare di interrompere la naturale raccolta delle emozioni e dei segnali fisiologici, riducendo al tempo stesso i possibili errori legati a un ricordo troppo distante dall’esperienza originale.
Il momento esatto: quattro secondi per catturare l’emozione
Una volta individuato il momento segnalato dai partecipanti, gli studiosi hanno costruito attorno a esso una finestra temporale di quattro secondi, comprendente i due secondi precedenti e i due successivi al picco.
I confronti effettuati durante gli esperimenti hanno indicato che proprio questa durata rappresenta il compromesso migliore tra completezza e precisione. Una finestra più lunga, infatti, rischia di diluire le caratteristiche dell’emozione.
Con cinque secondi, per esempio, alcuni segnali associati a sorpresa e disgusto risultavano meno definiti. Anche i cambiamenti nei segnali fisiologici diventavano meno efficaci nel rappresentare determinate emozioni, con effetti osservati sulla soppressione dell’attività alfa legata alla paura e sul potenziamento dell’attività gamma associato alla felicità.
La precisione delle etichette viene messa alla prova
Per verificare l’affidabilità del metodo, due revisori indipendenti hanno analizzato 150 registrazioni selezionate casualmente. Il confronto ha prodotto un valore di Cohen’s kappa pari a 0,96 per l’accordo sulla categoria emotiva.
Anche la precisione temporale è risultata elevata: il 97,7% dei marcatori temporali si trovava entro un secondo dal momento individuato come riferimento. A questo si sono aggiunti cambiamenti rilevanti nei segnali EEG e nella conduttanza cutanea, fornendo ulteriori elementi a sostegno della localizzazione dei momenti emotivamente significativi.
I modelli di IA migliorano con il picco emotivo
Il passaggio successivo è stato verificare se etichette più precise potessero effettivamente migliorare le prestazioni dei sistemi di riconoscimento delle emozioni. Per farlo, il team ha testato otto algoritmi rappresentativi, appartenenti a diverse categorie, dal machine learning alle reti neurali ricorrenti e a quelle basate sui grafi.
Il risultato è stato positivo in tutti gli otto casi. Utilizzando le etichette centrate sui picchi emotivi, l’accuratezza media è passata dal 34,7% al 38,5%, con un miglioramento di 3,8 punti percentuali.
I vantaggi più marcati sono emersi nei modelli più profondi capaci di analizzare contemporaneamente le dimensioni spaziali e temporali dei dati.
Dalla classificazione del video all’analisi degli eventi emotivi
La ricerca della Northwestern Polytechnical University segna quindi un cambio di prospettiva nel riconoscimento automatico delle emozioni. Invece di considerare un intero video come rappresentativo di una sola emozione, il metodo punta a localizzare gli eventi emotivi più significativi e ad analizzarne l’evoluzione nel tempo.
Le possibili applicazioni riguardano diversi ambiti. Le interfacce uomo-computer potrebbero rispondere proprio nel momento di maggiore coinvolgimento emotivo, mentre i sistemi dedicati alla salute mentale potrebbero estrarre segmenti audiovisivi clinicamente rilevanti per attività di screening. La stessa tecnologia potrebbe inoltre contribuire allo sviluppo di avvisi emotivi in tempo reale all’interno dei dispositivi indossabili.
Il dataset FIRMED porta così il riconoscimento delle emozioni verso un livello più granulare, nel quale non conta soltanto quale emozione viene provata, ma anche quando raggiunge la sua massima intensità.
Fonte: Pandaily
