Οι ερευνητές διεξήγαγαν δοκιμές χρησιμοποιώντας ένα λογισμικό ικανό να ανιχνεύει περίπλοκες λεπτομέρειες των συναισθημάτων που παραμένουν κρυφές στο ανθρώπινο μάτι. Το λογισμικό, το οποίο χρησιμοποιεί ένα “τεχνητό δίχτυ” για να χαρτογραφήσει τα βασικά χαρακτηριστικά του προσώπου, μπορεί να αξιολογήσει τις εντάσεις πολλών διαφορετικών εκφράσεων του προσώπου ταυτόχρονα. Η ομάδα του Πανεπιστημίου του Μπρίστολ και του Μητροπολιτικού Πανεπιστημίου του Μάντσεστερ συνεργάστηκε με τους συμμετέχοντες στη μελέτη “Children of the 90s” του Μπρίστολ για να διαπιστώσει πόσο καλά οι υπολογιστικές μέθοδοι μπορούν να καταγράψουν αυθεντικά ανθρώπινα συναισθήματα μέσα στην καθημερινή οικογενειακή ζωή. Αυτό περιελάμβανε τη χρήση βίντεο που τραβήχτηκαν στο σπίτι, τα οποία καταγράφηκαν από κάμερες κεφαλής που φορούσαν τα μωρά κατά τη διάρκεια των αλληλεπιδράσεων με τους γονείς τους. Τα ευρήματα, που δημοσιεύονται στο Frontiers, δείχνουν ότι οι επιστήμονες μπορούν να χρησιμοποιήσουν τεχνικές μηχανικής μάθησης για να προβλέψουν με ακρίβεια τις ανθρώπινες κρίσεις των εκφράσεων του προσώπου των γονέων με βάση τις αποφάσεις των υπολογιστών.
Η επικεφαλής συγγραφέας Romana Burgess, διδακτορική φοιτήτρια στο EPSRC Digital Health and Care CDT στη Σχολή Ηλεκτρολόγων, Ηλεκτρονικών και Μηχανολόγων Μηχανικών του Πανεπιστημίου του Μπρίστολ, εξήγησε: “Οι άνθρωποι βιώνουν περίπλοκα συναισθήματα – οι αλγόριθμοι μας λένε ότι κάποιος μπορεί να είναι 5% λυπημένος ή 10% χαρούμενος, για παράδειγμα. “Η χρήση υπολογιστικών μεθόδων για την ανίχνευση εκφράσεων του προσώπου από δεδομένα βίντεο μπορεί να είναι πολύ ακριβής, όταν τα βίντεο είναι υψηλής ποιότητας και αντιπροσωπεύουν βέλτιστες συνθήκες — για παράδειγμα, όταν τα βίντεο καταγράφονται σε χώρους με καλό φωτισμό, όταν οι συμμετέχοντες κάθονται πρόσωπο με πρόσωπο με την κάμερα και όταν τα γυαλιά ή τα μακριά μαλλιά δεν εμποδίζουν το πρόσωπο. “Μας ιντρίγκαρε η απόδοσή τους στις χαοτικές, πραγματικές συνθήκες των οικογενειακών σπιτιών. “Το λογισμικό εντόπισε ένα πρόσωπο σε περίπου 25% των βίντεο που τραβήχτηκαν σε πραγματικές συνθήκες, γεγονός που αντανακλά τη δυσκολία αξιολόγησης των προσώπων σε τέτοιου είδους δυναμικές αλληλεπιδράσεις”. Η ομάδα χρησιμοποίησε δεδομένα από τη μελέτη υγείας Children of the 90s – γνωστή και ως Avon Longitudinal Study of Parents and Children (ALSPAC). Οι γονείς κλήθηκαν να παρακολουθήσουν μια κλινική στο Πανεπιστήμιο του Μπρίστολ όταν τα μωρά τους ήταν 6 μηνών.
Στην κλινική, στο πλαίσιο της μελέτης ERC MHINT Headcam Study, δόθηκαν στους γονείς δύο φορητές κάμερες κεφαλής για να τις πάρουν στο σπίτι και να τις χρησιμοποιήσουν κατά τη διάρκεια των αλληλεπιδράσεων με τα μωρά τους. Τόσο οι γονείς όσο και τα βρέφη φορούσαν τις κάμερες κεφαλής κατά τη διάρκεια του ταΐσματος και των αλληλεπιδράσεων παιχνιδιού. Στη συνέχεια χρησιμοποίησαν ένα λογισμικό “αυτοματοποιημένης κωδικοποίησης προσώπου” για να αναλύσουν υπολογιστικά τις εκφράσεις του προσώπου των γονέων στα βίντεο και έβαλαν ανθρώπινους κωδικοποιητές να αναλύσουν τις εκφράσεις του προσώπου στα ίδια βίντεο. Η ομάδα ποσοτικοποίησε πόσο συχνά το λογισμικό ήταν σε θέση να ανιχνεύσει το πρόσωπο στο βίντεο και αξιολόγησε πόσο συχνά οι άνθρωποι και το λογισμικό συμφωνούσαν στις εκφράσεις του προσώπου. Τέλος, χρησιμοποίησαν μηχανική μάθηση για να προβλέψουν τις ανθρώπινες κρίσεις με βάση τις αποφάσεις των υπολογιστών. Η Romana Burgess δήλωσε: “Ο υπολογιστής είναι ένας από τους πιο αξιόπιστους υπολογιστές που μπορεί να χρησιμοποιήσει το λογισμικό: “Η ανάπτυξη αυτοματοποιημένης ανάλυσης προσώπου στο οικιακό περιβάλλον των γονέων θα μπορούσε να αλλάξει τον τρόπο με τον οποίο ανιχνεύουμε πρώιμα σημάδια διαταραχών της διάθεσης ή της ψυχικής υγείας, όπως η μεταγεννητική κατάθλιψη.
“Για παράδειγμα, θα μπορούσαμε να περιμένουμε ότι οι γονείς με κατάθλιψη θα έδειχναν περισσότερες θλιβερές εκφράσεις και λιγότερες χαρούμενες εκφράσεις προσώπου. Η καθηγήτρια Rebecca Pearson από το Μητροπολιτικό Πανεπιστήμιο του Μάντσεστερ, συν-συγγραφέας και επιστημονικός υπεύθυνος του έργου ERC, εξήγησε: “Αυτές οι καταστάσεις θα μπορούσαν να γίνουν καλύτερα κατανοητές μέσω λεπτών αποχρώσεων στις εκφράσεις του προσώπου των γονέων, παρέχοντας ευκαιρίες έγκαιρης παρέμβασης που κάποτε ήταν αδιανόητες. Για παράδειγμα, οι περισσότεροι γονείς προσπαθούν να “καλύψουν” τη δική τους αγωνία και να φανούν “εντάξει” στους γύρω τους. Οι πιο λεπτοί συνδυασμοί μπορούν να ληφθούν από το λογισμικό, συμπεριλαμβανομένων εκφράσεων που είναι ένας συνδυασμός θλίψης και χαράς ή που αλλάζουν γρήγορα”. Τώρα η ομάδα σχεδιάζει να διερευνήσει τη χρήση της αυτοματοποιημένης κωδικοποίησης του προσώπου στο οικιακό περιβάλλον ως εργαλείο για την κατανόηση των διαταραχών της διάθεσης και της ψυχικής υγείας και των αλληλεπιδράσεων. Αυτό θα συμβάλει στην πρωτοπορία μιας νέας εποχής παρακολούθησης της υγείας, φέρνοντας την καινοτόμο επιστήμη απευθείας στο σπίτι.
H Romana Burgess είπε επίσης: “Η έρευνά μας χρησιμοποίησε φορητές κάμερες κεφαλής για να καταγράψει γνήσια, μη σεναριογραφημένα συναισθήματα σε καθημερινές αλληλεπιδράσεις γονέα-βρέφους. Σε συνδυασμό με τη χρήση υπολογιστικών τεχνικών αιχμής, αυτό σημαίνει ότι μπορούμε να αποκαλύψουμε κρυφές λεπτομέρειες που ήταν προηγουμένως ανέφικτες από το ανθρώπινο μάτι, αλλάζοντας τον τρόπο με τον οποίο κατανοούμε τα πραγματικά συναισθήματα των γονέων κατά τη διάρκεια των αλληλεπιδράσεων με τα μωρά τους”. Ως επέκταση του έργου ERC, συλλέγονται τώρα δεδομένα από κάμερες κεφαλής σε εφήβους, με το σχέδιο να χρησιμοποιηθούν οι ίδιες μέθοδοι για την κατανόηση των σύνθετων συναισθημάτων των εφήβων στο σπίτι, βλέπε Teencam Pilot Study — Institute of Population Health — University of Liverpool. Ο καθηγητής Nic Timpson, κύριος ερευνητής του προγράμματος Children of the 90s, σχολίασε: “Η έρευνα για το παιδί της δεκαετίας του ’90 είναι πολύ σημαντική: “Οι οικογένειες του Μπρίστολ συμμετέχουν εδώ και δεκαετίες σε σημαντικές έρευνες για την υγεία και εδώ πρωτοπορούν σε νέους τρόπους μελέτης της ψυχικής υγείας με τη χρήση αυτού του πραγματικού υλικού από την κάμερα κεφαλής”.
