Modelo computacional imita a capacidade humana de prever emoções

As imagens para download no site do escritório de notícias do MIT são disponibilizadas para entidades não comerciais, imprensa e público em geral sob uma licença Creative Commons Attribution Non-Commercial No Derivatives. Você não pode alterar as imagens fornecidas, exceto cortá-las no tamanho. Uma linha de crédito deve ser utilizada na reprodução das imagens; se não houver um abaixo, credite as imagens ao "MIT".

imagem anterior imagem seguinte

Ao interagir com outra pessoa, você provavelmente gasta parte do seu tempo tentando prever como ela se sentirá sobre o que você está dizendo ou fazendo. Essa tarefa requer uma habilidade cognitiva chamada teoria da mente, que nos ajuda a inferir as crenças, desejos, intenções e emoções de outras pessoas.

Os neurocientistas do MIT agora projetaram um modelo computacional que pode prever as emoções de outras pessoas – incluindo alegria, gratidão, confusão, arrependimento e constrangimento – aproximando a inteligência social dos observadores humanos. O modelo foi projetado para prever as emoções das pessoas envolvidas em uma situação baseada no dilema do prisioneiro, um cenário clássico da teoria dos jogos em que duas pessoas devem decidir se cooperam com seu parceiro ou o traem.

Para construir o modelo, os pesquisadores incorporaram vários fatores que supostamente influenciam as reações emocionais das pessoas, incluindo os desejos dessa pessoa, suas expectativas em uma situação particular e se alguém estava observando suas ações.

"Essas são intuições básicas muito comuns, e o que dissemos é que podemos pegar essa gramática muito básica e criar um modelo que aprenderá a prever emoções a partir dessas características", diz Rebecca Saxe, professora de cérebro e Cognitive Sciences, membro do McGovern Institute for Brain Research do MIT e autor sênior do estudo.

Sean Dae Houlihan PhD '22, pós-doutorado no Neukom Institute for Computational Science em Dartmouth College, é o principal autor do artigo, que aparece hoje em Philosophical Transactions A. Outros autores incluem Max Kleiman-Weiner PhD '18, pós-doutorado em MIT e Universidade de Harvard; Luke Hewitt PhD '22, um pesquisador visitante na Universidade de Stanford; e Joshua Tenenbaum, professor de ciência cognitiva computacional no MIT e membro do Centro de Cérebros, Mentes e Máquinas e do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT.

Prevendo emoções

Embora muitas pesquisas tenham sido feitas para treinar modelos de computador para inferir o estado emocional de alguém com base em sua expressão facial, esse não é o aspecto mais importante da inteligência emocional humana, diz Saxe. Muito mais importante é a capacidade de prever a resposta emocional de alguém aos eventos antes que eles ocorram.

"O mais importante sobre o que é entender as emoções de outras pessoas é antecipar o que as outras pessoas sentirão antes que a coisa aconteça", diz ela. "Se toda a nossa inteligência emocional fosse reativa, isso seria uma catástrofe."

Para tentar modelar como os observadores humanos fazem essas previsões, os pesquisadores usaram cenários retirados de um game show britânico chamado "Golden Balls". No programa, os competidores são colocados em pares com um pote de $ 100.000 em jogo. Depois de negociar com seu parceiro, cada competidor decide, secretamente, se divide o pool ou tenta roubá-lo. Se ambos decidirem se separar, cada um receberá $ 50.000. Se alguém dividir e outro roubar, o ladrão fica com o pote inteiro. Se ambos tentarem roubar, ninguém ganha nada.

Dependendo do resultado, os competidores podem experimentar uma variedade de emoções - alegria e alívio se ambos os competidores se separarem, surpresa e fúria se o oponente roubar o pote e talvez culpa misturada com empolgação se alguém conseguir roubar.

Para criar um modelo computacional capaz de prever essas emoções, os pesquisadores projetaram três módulos separados. O primeiro módulo é treinado para inferir as preferências e crenças de uma pessoa com base em sua ação, por meio de um processo chamado planejamento inverso.