Lice odražava emocionalno stanje osobe. Tumačenje izraza lica kao dela psihoterapije ili psihoterapijskog istraživanja, na primer, je efikasan način da se okarakteriše kako se osoba oseća u tom trenutku. Tokom 1970-ih, psiholog Pol Ekman je razvio standardizovani sistem kodiranja da dodeli osnovne emocije kao što su sreća, gađenje ili tuga izrazu lica na slici ili video sekvenci.
„Ekmanov sistem je veoma rasprostranjen, i predstavlja standard u istraživanju psiholoških emocija“, kaže dr Martin Stepan, psiholog sa Fakulteta za psihologiju Univerziteta u Bazelu.
Ali proces analize i interpretacije snimljenih izraza lica kao deo istraživačkih projekata ili psihoterapije je izuzetno dugotrajan, zbog čega specijalisti psihijatrije često koriste manje pouzdane, indirektne metode kao što je merenje provodljivosti kože, koje takođe može biti mera emocionalnog uzbuđenja. .
„Želeli smo da saznamo da li sistemi veštačke inteligencije mogu pouzdano da odrede emocionalna stanja pacijenata na video snimcima“, kaže Martin Steppan, koji je razvio studiju zajedno sa profesorom emeritusom Klausom Šmekom, dr Ronanom Cimermanom i dr Lukasom Furerom iz UPK. Istraživači su objavili svoje nalaze u časopisu Psichopatologi.
Istraživači su koristili besplatno dostupne veštačke neuronske mreže koje su obučene da detektuju šest osnovnih emocija (sreća, iznenađenje, bes, gađenje, tuga i strah) koristeći više od 30.000 fotografija lica. Ovaj AI sistem je zatim analizirao video podatke sa terapijskih sesija sa ukupno 23 pacijenta sa graničnom patologijom ličnosti u Centru za naučno računarstvo Univerziteta u Bazelu. Kompjuter visokih performansi morao je da obradi više od 950 sati video zapisa za ovu studiju.
Rezultati su bili zapanjujući: Statistička poređenja između analize tri obučena terapeuta i AI sistema su pokazala izuzetan nivo slaganja. Sistem veštačke inteligencije procenio je izraze lica pouzdano kao ljudski, ali je takođe bio u stanju da otkrije čak i najprolaznije emocije unutar milisekundinog opsega, kao što je kratak osmeh ili izraz gađenja.
Ove vrste mikro izraza imaju potencijal da ih promaše terapeuti ili ih mogu primetiti samo podsvesno. Sistem veštačke inteligencije je stoga u stanju da meri prolazne emocije sa povećanim nivoom osetljivosti u poređenju sa obučenim terapeutima.
Analiza veštačke inteligencije takođe je otkrila nešto prilično neočekivano. Pacijenti koji su pokazali emocionalnu uključenost i nasmešili se na početku terapijske sesije, ređe su otkazivali psihoterapiju od ljudi koji su delovali emocionalno nevezano za svog terapeuta. Ovaj „društveni“ osmeh bi stoga mogao biti dobar prediktor uspeha terapije kod osobe sa simptomima granične patologije ličnosti.
„Bili smo zaista iznenađeni kada smo otkrili da relativno jednostavni sistemi veštačke inteligencije mogu tako pouzdano da dodele izraze lica njihovim emocionalnim stanjima“, kaže Steppan.
AI bi stoga mogao postati važan alat u terapiji i istraživanju. Sistemi veštačke inteligencije mogli bi da se koriste u analizi postojećih video snimaka iz istraživačkih studija kako bi se lakše i direktnije otkrili emocionalno relevantni momenti u razgovoru. Ova sposobnost takođe može pomoći u podršci nadzoru psihoterapeuta.
„Ipak, terapeutski rad se i dalje prvenstveno bavi ljudskim odnosima i ostaje ljudski domen“, kaže Steppan. — Barem za sada.
