Il modello computazionale imita la capacità di prevedere le emozioni umane

Quando interagisci con un’altra persona, probabilmente trascorri una parte del tuo tempo cercando di anticipare come si sentiranno riguardo a ciò che dici o fai. 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.

I neuroscienziati del MIT hanno ora progettato un modello computazionale in grado di prevedere le emozioni degli altri – tra cui gioia, gratitudine, confusione, rimpianto e imbarazzo – che si avvicina all’intelligenza sociale degli osservatori umani. Il modello è stato progettato per prevedere i sentimenti 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 o tradire il proprio partner.

Per costruire il modello, i ricercatori hanno combinato diversi fattori che si ipotizza influenzino le risposte emotive delle persone, inclusi i desideri di quella persona, le sue aspettative in una data situazione e se qualcuno sta osservando le sue azioni.

Garff Professor of Cognitive Sciences, Rebecca Sachs, MD, membro del McGovern Institute for Brain Research del MIT e autrice senior dello studio.

Sean Day Houlihan, PhD, 22 anni, ricercatore post-dottorato presso il Newcomb Institute for Computational Sciences del Dartmouth College, è l’autore principale dell’articolo, che appare oggi su Philosophical Transactions A. Massachusetts Institute of Technology e Università di Harvard. Luke Hewitt PhD ’22, Visiting Scholar presso la Stanford University; e Joshua Tenenbaum, professore di scienze cognitive computazionali al MIT e membro del Center for Minds, Minds, Machines e del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT.

Anticipa i sentimenti

Sachs afferma che mentre sono state condotte molte ricerche sull’addestramento di modelli di computer per dedurre lo stato emotivo di qualcuno sulla base delle espressioni facciali, questo non è l’aspetto più importante dell’intelligenza emotiva umana. La cosa più importante è la capacità di anticipare la risposta emotiva di qualcuno agli eventi prima che accadano.

“La cosa più importante per capire i sentimenti degli altri è anticipare come si sentiranno gli altri prima che accada qualcosa”, dice. “Se tutta la nostra intelligenza emotiva fosse coinvolta, sarebbe un disastro”.

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 The Golden Globes. Nello show, i concorrenti sono abbinati a un piatto di $ 100.000 in palio. Dopo aver negoziato con il proprio partner, ogni concorrente decide segretamente se vuole dividere il pool o provare a rubarlo. Se entrambi decidono di separarsi, riceveranno ciascuno $ 50.000. Se uno difetta e ruba l’altro, il ladro ottiene l’intero piatto. Se entrambi cercano di rubare, nessuno otterrà 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 un avversario ruba il piatto, e forse senso di colpa misto ad eccitazione se uno di loro riesce a rubare.

Per creare un modello computazionale in grado di prevedere questi sentimenti, i ricercatori hanno progettato tre moduli separati. La prima unità è addestrata a dedurre le preferenze e le convinzioni di una persona in base al proprio lavoro, attraverso un processo chiamato back-mapping.

“Questa è l’idea che se vedi un po’ del comportamento di qualcuno, puoi probabilmente dedurre cose su ciò che vogliono e si aspettano in questa situazione”, dice Sachs.

Utilizzando questo approccio, la prima unità potrebbe prevedere le motivazioni dei concorrenti in base alle loro azioni nel gioco. Ad esempio, se qualcuno ha deciso di separarsi nel tentativo di condividere il piatto, si potrebbe dedurre che si aspettava anche che l’altra persona si separasse. Se qualcuno decide di rubare, probabilmente si aspetta che sia l’altra persona a rubare e non vuole essere imbrogliato. O forse si aspettavano che l’altra persona si separasse e hanno deciso di provare ad approfittarsi di loro.

Il modello può anche incorporare la conoscenza di giocatori specifici, come la professione di un concorrente, per aiutarlo a dedurre la motivazione più probabile dei giocatori.

La seconda unità confronta il risultato del gioco con ciò che ogni giocatore vuole e si aspetta che accada. Quindi, una terza unità prevede i sentimenti che 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 determinato risultato. Gli autori sottolineano che si tratta di un modello di intelligenza sociale umana, progettato per imitare il modo in cui gli osservatori pensano in modo causale ai reciproci sentimenti, piuttosto che un modello di ciò che le persone realmente provano.

“Dai dati, il modello apprende che ciò che significa, ad esempio, provare grande gioia in quella situazione, è ottenere ciò che si desidera, farlo con equità e farlo senza benefici”, afferma.

Assiomi di base

Una volta che i tre moduli sono stati messi in gioco, i ricercatori li hanno utilizzati su un nuovo set di dati del game show per determinare come le previsioni dei modelli emotivi fossero confrontate 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 un’altra persona reagirà a una data situazione, dice Sachs. Ciò include resoconti di come una persona valuta e risponde emotivamente a una situazione, in base ai propri desideri e aspettative, che riguardano non solo il guadagno materiale ma anche il modo in cui gli altri la vedono.

“Il nostro modello ha quelle intuizioni di base, che gli stati mentali dietro l’emozione riguardano ciò che vuoi, cosa ti aspetti, cosa è successo, chi ha assistito. E ciò che le persone vogliono non sono solo le cose. Non vogliono solo soldi; vogliono per essere onesti, ma vogliono anche non essere volgari e non imbrogliare.

I ricercatori hanno contribuito a costruire una comprensione più profonda di come le emozioni contribuiscono a determinare le nostre azioni; e poi, invertendo il loro modello, spiegano come possiamo usare le azioni delle persone per dedurre i loro sentimenti sottostanti. Questo tipo di lavoro ci aiuta a vedere le emozioni non solo come ” sentimenti” ma poiché svolgono un ruolo cruciale e delicato nel comportamento sociale umano”, afferma Nick Chater, professore di scienze comportamentali all’Università di Warwick, che non è stato coinvolto nello studio.

In un lavoro futuro, i ricercatori sperano di adattare il modello in modo che possa fare 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 solo sulle espressioni facciali dei concorrenti dopo l’annuncio dei risultati.

La ricerca è stata finanziata dal McGovern Institute. Paul E. e Lilah Newton Brain Science Award; il Centro per cervelli, menti e macchine; MIT-IBM Watson AI Lab; e un’iniziativa di ricerca universitaria interdisciplinare.