Un modèle informatique imite la capacité des humains à prédire les émotions

Les images téléchargeables sur le site Web du bureau MIT News sont mises à la disposition des entités non commerciales, de la presse et du grand public sous une licence Creative Commons Attribution Non-Commercial No Derivatives. Vous ne pouvez pas modifier les images fournies, sauf pour les recadrer à la taille. Une ligne de crédit doit être utilisée lors de la reproduction d'images ; si aucune n'est fournie ci-dessous, attribuez les images à "MIT".

Image précédente Image suivante

Lorsque vous interagissez avec une autre personne, vous passez probablement une partie de votre temps à essayer d'anticiper ce qu'elle ressentira à propos de ce que vous dites ou faites. Cette tâche nécessite une compétence cognitive appelée théorie de l'esprit, qui nous aide à déduire les croyances, les désirs, les intentions et les émotions des autres.

Les neuroscientifiques du MIT ont maintenant conçu un modèle informatique qui peut prédire les émotions des autres - y compris la joie, la gratitude, la confusion, le regret et l'embarras - se rapprochant de l'intelligence sociale des observateurs humains. Le modèle a été conçu pour prédire les émotions des personnes impliquées dans une situation basée sur le dilemme du prisonnier, un scénario classique de la théorie des jeux dans lequel deux personnes doivent décider de coopérer avec leur partenaire ou de le trahir.

Pour construire le modèle, les chercheurs ont incorporé plusieurs facteurs supposés influencer les réactions émotionnelles des gens, notamment les désirs de cette personne, ses attentes dans une situation particulière et si quelqu'un surveillait ses actions.

"Ce sont des intuitions de base très courantes, et ce que nous avons dit, c'est que nous pouvons prendre cette grammaire très basique et créer un modèle qui apprendra à prédire les émotions à partir de ces caractéristiques", déclare Rebecca Saxe, professeure John W. Jarve de Brain and Cognitive Sciences, membre du McGovern Institute for Brain Research du MIT et auteur principal de l'étude.

Sean Dae Houlihan PhD '22, post-doctorant au Neukom Institute for Computational Science du Dartmouth College, est l'auteur principal de l'article, qui apparaît aujourd'hui dans Philosophical Transactions A. Parmi les autres auteurs, citons Max Kleiman-Weiner PhD '18, post-doctorant au MIT et à l'Université de Harvard ; Luke Hewitt PhD '22, chercheur invité à l'Université de Stanford; et Joshua Tenenbaum, professeur de sciences cognitives computationnelles au MIT et membre du Center for Brains, Minds, and Machines et du Laboratoire d'informatique et d'intelligence artificielle (CSAIL) du MIT.

Prédire les émotions

Bien que de nombreuses recherches aient porté sur la formation de modèles informatiques pour déduire l'état émotionnel d'une personne en fonction de son expression faciale, ce n'est pas l'aspect le plus important de l'intelligence émotionnelle humaine, dit Saxe. Beaucoup plus importante est la capacité de prédire la réaction émotionnelle d'une personne à des événements avant qu'ils ne se produisent.

"La chose la plus importante pour comprendre les émotions des autres est d'anticiper ce que les autres ressentiront avant que la chose ne se produise", dit-elle. "Si toute notre intelligence émotionnelle était réactive, ce serait une catastrophe."

Pour essayer de modéliser la façon dont les observateurs humains font ces prédictions, les chercheurs ont utilisé des scénarios tirés d'un jeu télévisé britannique appelé "Golden Balls". Dans l'émission, les candidats sont jumelés avec un pot de 100 000 $ en jeu. Après avoir négocié avec son partenaire, chaque concurrent décide, en secret, de partager la cagnotte ou d'essayer de la voler. Si les deux décident de se séparer, ils reçoivent chacun 50 000 $. Si l'un partage et que l'autre vole, le voleur remporte tout le pot. Si les deux essaient de voler, personne n'obtient rien.

Selon le résultat, les concurrents peuvent ressentir une gamme d'émotions - joie et soulagement si les deux concurrents se séparent, surprise et fureur si l'un de leurs adversaires vole le pot, et peut-être culpabilité mêlée d'excitation si l'un vole avec succès.

Pour créer un modèle informatique capable de prédire ces émotions, les chercheurs ont conçu trois modules distincts. Le premier module est formé pour déduire les préférences et les croyances d'une personne en fonction de son action, grâce à un processus appelé planification inverse.

"C'est une idée qui dit que si vous voyez juste un peu le comportement de quelqu'un, vous pouvez déduire de manière probabiliste des choses sur ce qu'il voulait et attendait dans cette situation", explique Saxe.

En utilisant cette approche, le premier module peut prédire les motivations des concurrents en fonction de leurs actions dans le jeu. Par exemple, si quelqu'un décide de se séparer pour tenter de partager le pot, on peut en déduire qu'il s'attendait également à ce que l'autre personne se sépare. Si quelqu'un décide de voler, il se peut qu'il s'attende à ce que l'autre personne vole et qu'il ne voulait pas être trompé. Ou, ils peuvent s'attendre à ce que l'autre personne se sépare et décident d'essayer de profiter d'eux.

Le modèle peut également intégrer des connaissances sur des joueurs spécifiques, tels que la profession du candidat, pour l'aider à déduire la motivation la plus probable des joueurs.

Le deuxième module compare le résultat du jeu avec ce que chaque joueur voulait et attendait. Ensuite, un troisième module prédit les émotions que les candidats peuvent ressentir, en fonction du résultat et de ce que l'on savait de leurs attentes. Ce troisième module a été formé pour prédire les émotions sur la base des prédictions d'observateurs humains sur la façon dont les candidats se sentiraient après un résultat particulier. Les auteurs soulignent qu'il s'agit d'un modèle d'intelligence sociale humaine, conçu pour imiter la façon dont les observateurs raisonnent de manière causale sur les émotions de l'autre, et non un modèle de ce que les gens ressentent réellement.

"À partir des données, le modèle apprend que ce que cela signifie, par exemple, ressentir beaucoup de joie dans cette situation, c'est obtenir ce que vous vouliez, le faire en étant juste et le faire sans en profiter", explique Saxe.

Intuitions fondamentales

Une fois les trois modules opérationnels, les chercheurs les ont utilisés sur un nouvel ensemble de données du jeu télévisé pour déterminer comment les prédictions émotionnelles des modèles se comparaient aux prédictions faites par les observateurs humains. Ce modèle s'est bien mieux comporté dans cette tâche que n'importe quel modèle précédent de prédiction des émotions.

Le succès du modèle découle de son incorporation de facteurs clés que le cerveau humain utilise également pour prédire comment quelqu'un d'autre réagira à une situation donnée, explique Saxe. Ceux-ci incluent des calculs sur la façon dont une personne évaluera et réagira émotionnellement à une situation, en fonction de ses désirs et de ses attentes, qui concernent non seulement le gain matériel, mais aussi la façon dont elle est perçue par les autres.

"Notre modèle a ces intuitions de base, que les états mentaux sous-jacents à l'émotion concernent ce que vous vouliez, ce que vous attendiez, ce qui s'est passé et qui a vu. Et ce que les gens veulent, ce n'est pas que des trucs. Ils ne veulent pas seulement de l'argent ; ils veulent être justes, mais aussi ne pas être dupes, ne pas être trompés", dit-elle.

"Les chercheurs ont aidé à mieux comprendre comment les émotions contribuent à déterminer nos actions, puis, en inversant leur modèle, ils expliquent comment nous pouvons utiliser les actions des gens pour déduire leurs émotions sous-jacentes. Cette ligne de travail nous aide à voir les émotions non seulement comme des" sentiments "mais comme jouant un rôle crucial et subtil dans le comportement social humain ", explique Nick Chater, professeur de sciences du comportement à l'Université de Warwick, qui n'a pas participé à l'étude.

Dans des travaux futurs, les chercheurs espèrent adapter le modèle afin qu'il puisse effectuer des prédictions plus générales basées sur des situations autres que le scénario de jeu télévisé utilisé dans cette étude. Ils travaillent également à la création de modèles capables de prédire ce qui s'est passé dans le jeu en se basant uniquement sur l'expression des visages des concurrents après l'annonce des résultats.

La recherche a été financée par le McGovern Institute; le prix Paul E. et Lilah Newton des sciences du cerveau ; le Centre pour les cerveaux, les esprits et les machines ; le laboratoire MIT-IBM Watson AI ; et l'Initiative de recherche universitaire multidisciplinaire.

Article précédent Article suivant