رمزگشایی هوش هیجانی: مدل محاسباتی MIT در پیش بینی احساسات اکسل می کند
محققان با استفاده از بینش هایی در مورد چگونگی درک احساسات دیگران توسط افراد، مدلی طراحی کرده اند که این جنبه از هوش اجتماعی انسان را تقریب می کند.
هنگام تعامل با شخص دیگری، احتمالاً بخشی از زمان خود را صرف پیش بینی احساس او نسبت به آنچه می گویید یا انجام می دهید، می کنید. این کار به یک مهارت شناختی به نام نظریه ذهن نیاز دارد که به ما کمک می کند تا باورها، خواسته ها، نیات و احساسات دیگران را استنباط کنیم.
دانشمندان علوم اعصاب MIT اکنون یک مدل محاسباتی طراحی کرده اند که می تواند احساسات دیگران – از جمله شادی، قدردانی، سردرگمی، پشیمانی و خجالت – را با تقریب هوش اجتماعی ناظران انسانی پیش بینی کند. این مدل برای پیش بینی احساسات افراد درگیر در یک موقعیت بر اساس معضل زندانی طراحی شده است، یک سناریوی تئوری بازی کلاسیک که در آن دو نفر باید تصمیم بگیرند که آیا با شریک زندگی خود همکاری کنند یا به آنها خیانت کنند.
برای ساخت این مدل، محققان چندین عامل را که فرضیهای برای تأثیرگذاری بر واکنشهای عاطفی افراد مطرح شده است، ترکیب کردند، از جمله خواستههای آن فرد، انتظارات او در یک موقعیت خاص، و اینکه آیا کسی مراقب اعمال آنها است یا خیر.
ربکا ساکس، پروفسور مغز و جان دبلیو جارو میگوید: «اینها شهودهای بسیار رایج و ابتدایی هستند، و آنچه گفتیم این است که ما میتوانیم گرامر بسیار ابتدایی را در نظر بگیریم و مدلی بسازیم که پیشبینی احساسات را از این ویژگیها یاد بگیرد.» علوم شناختی، یکی از اعضای موسسه تحقیقات مغز مک گاورن MIT و نویسنده ارشد این مطالعه.
شان دای هولیهان دکترای 22، فوق دکترای مؤسسه علوم محاسباتی Neukom در کالج دارتموث، نویسنده اصلی این مقاله است که در 5 ژوئن در Philosophical Transactions A منتشر شد . نویسندگان دیگر عبارتند از ماکس کلیمن-وینر دکترای 18، فوق دکترای MIT و دانشگاه هاروارد. دکتر لوک هویت ’22، محقق مدعو در دانشگاه استنفورد. و Joshua Tenenbaum، استاد علوم شناختی محاسباتی در MIT و عضو مرکز مغزها، ذهنها و ماشینها و آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL).
پیش بینی احساسات
ساکس میگوید در حالی که تحقیقات زیادی برای آموزش مدلهای کامپیوتری انجام شده است تا وضعیت عاطفی افراد را بر اساس حالات چهرهشان استنباط کنند، اما این مهمترین جنبه هوش هیجانی انسان نیست. بسیار مهمتر، توانایی پیش بینی واکنش عاطفی شخص به رویدادها قبل از وقوع آنها است.
او میگوید: «مهمترین چیز در مورد درک احساسات دیگران این است که پیشبینی کنیم دیگران چه احساسی خواهند داشت، قبل از اینکه اتفاقی بیفتد. “اگر تمام هوش هیجانی ما واکنشی بود، یک فاجعه بود.”
محققان برای مدلسازی چگونگی انجام این پیشبینیها توسط ناظران انسانی، از سناریوهای برگرفته از یک نمایش بازی بریتانیایی به نام «توپهای طلا» استفاده کردند. در این نمایش، شرکت کنندگان با یک گلدان 100000 دلاری در معرض خطر قرار می گیرند. پس از مذاکره با شریک خود، هر شرکت کننده مخفیانه تصمیم می گیرد که استخر را تقسیم کند یا سعی در سرقت آن داشته باشد. اگر هر دو تصمیم به جدایی بگیرند، هر کدام 50000 دلار دریافت می کنند. اگر یکی شکافت و یکی بدزد، دزد تمام پات را می گیرد. اگر هر دو سعی کنند دزدی کنند، هیچ کس چیزی به دست نمی آورد.
بسته به نتیجه، شرکت کنندگان ممکن است طیف وسیعی از احساسات را تجربه کنند – شادی و آرامش اگر هر دو شرکت کننده از هم جدا شوند، تعجب و عصبانیت اگر حریف او گلدان را بدزدد، و شاید احساس گناه با هیجان در صورت سرقت موفقیت آمیز باشد.
برای ایجاد یک مدل محاسباتی که بتواند این احساسات را پیش بینی کند، محققان سه ماژول جداگانه طراحی کردند. ماژول اول برای استنباط ترجیحات و باورهای افراد بر اساس عمل آنها، از طریق فرآیندی به نام برنامه ریزی معکوس آموزش داده می شود.
ساکس میگوید: «این ایدهای است که میگوید اگر شما فقط اندکی از رفتار کسی را ببینید، میتوانید به طور احتمالی چیزهایی را در مورد آنچه که در آن موقعیت میخواستند و انتظار داشتند استنباط کنید.»
با استفاده از این رویکرد، ماژول اول می تواند انگیزه های شرکت کنندگان را بر اساس اقدامات آنها در بازی پیش بینی کند. به عنوان مثال، اگر کسی تصمیم به تقسیم کردن در تلاش برای به اشتراک گذاشتن گلدان داشته باشد، می توان چنین استنباط کرد که او همچنین انتظار داشت که شخص دیگر تقسیم شود. اگر کسی تصمیم به دزدی بگیرد، ممکن است انتظار داشته باشد که طرف مقابل دزدی کند و نمیخواسته فریب بخورد. یا ممکن است انتظار داشته باشند که طرف مقابل از هم جدا شود و تصمیم گرفته باشند از آنها سوء استفاده کنند.
این مدل همچنین میتواند دانش مربوط به بازیکنان خاص، مانند شغل شرکتکننده را ادغام کند تا به محتملترین انگیزه بازیکنان پی ببرد.
ماژول دوم نتیجه بازی را با آنچه که هر بازیکن می خواست و انتظار داشت اتفاق بیفتد مقایسه می کند. سپس، ماژول سوم بر اساس نتیجه و آنچه در مورد انتظارات آنها شناخته شده بود، پیش بینی می کند که شرکت کنندگان چه احساساتی ممکن است داشته باشند. این ماژول سوم برای پیشبینی احساسات بر اساس پیشبینیهای ناظران انسانی درباره احساس شرکتکنندگان پس از یک نتیجه خاص آموزش داده شد. نویسندگان تاکید میکنند که این مدلی از هوش اجتماعی انسان است که برای تقلید از نحوه استدلال علّی ناظران درباره احساسات یکدیگر طراحی شده است، نه مدلی از احساس واقعی مردم.
ساکس: «از دادهها، مدل میآموزد که برای مثال، احساس شادی زیادی در این موقعیت، به دست آوردن آنچه میخواستید، انجام آن با انصاف و انجام آن بدون بهرهگیری است.» می گوید.
شهودهای اصلی
هنگامی که این سه ماژول راهاندازی شدند، محققان از آنها در مجموعه داده جدیدی از نمایش بازی استفاده کردند تا تعیین کنند چگونه پیشبینی احساسات مدلها با پیشبینیهای ناظران انسانی مقایسه میشود. این مدل در آن کار بسیار بهتر از هر مدل قبلی پیشبینی احساسات عمل کرد.
ساکس میگوید موفقیت این مدل از ترکیب عوامل کلیدی ناشی میشود که مغز انسان همچنین هنگام پیشبینی واکنش شخص دیگری به یک موقعیت خاص از آنها استفاده میکند. اینها شامل محاسباتی از نحوه ارزیابی و واکنش عاطفی یک فرد به یک موقعیت، بر اساس خواستهها و انتظاراتشان است، که نه تنها به سود مادی بلکه به نحوه نگرش دیگران نیز مربوط میشود.
«مدل ما آن شهود اصلی را دارد، که حالتهای ذهنی نهفته در احساسات مربوط به آن چیزی است که شما میخواستید، چه انتظاری داشتید، چه اتفاقی افتاد و چه کسی دید. و چیزی که مردم می خواهند فقط چیز نیست. آنها فقط پول نمی خواهند. آنها میخواهند منصف باشند، اما میخواهند مکنده نباشند، فریب نخورند.»
“محققان به ایجاد درک عمیق تر از اینکه چگونه احساسات در تعیین اقدامات ما نقش دارند کمک کرده اند. و سپس، با چرخاندن مدل خود، توضیح میدهند که چگونه میتوانیم از اعمال افراد برای استنتاج احساسات زیربنایی آنها استفاده کنیم. نیک چاتر، استاد علوم رفتاری در دانشگاه وارویک، میگوید: «این خط کار به ما کمک میکند تا احساسات را نه تنها بهعنوان «احساس» ببینیم، بلکه بهعنوان نقشی اساسی و ظریف در رفتار اجتماعی انسان ببینیم . مطالعه.
در کار آینده، محققان امیدوارند که مدل را به گونهای تطبیق دهند که بتواند پیشبینیهای کلی تری را بر اساس موقعیتهایی غیر از سناریوی نمایش بازی مورد استفاده در این مطالعه انجام دهد. آنها همچنین در حال کار بر روی ساخت مدل هایی هستند که می توانند اتفاقات بازی را تنها بر اساس حالت چهره شرکت کنندگان پس از اعلام نتایج پیش بینی کنند.
دیدگاهتان را بنویسید