توضح الطريقة التي تمشي بها الكثير عن شعورك في أي لحظة. عندما تضطهد أو تكون مكتئبًا ، على سبيل المثال ، فأنت أكثر عرضة لحدوث كتفيك مقارنةً بالرضا أو الاكتئاب. الاستفادة من هذا المعجم الجسدي ، قام باحثون من جامعة تشابل هيل وجامعة ماريلاند مؤخراً بالتحقيق في طريقة للتعلم الآلي يمكنها تحديد مشاعر الشخص المتصورة ، التكافؤ (مثل سلبي أو إيجابي) ، والإثارة (الهدوء أو الطاقة) من مشيهم وحده. يزعمون أن مقاربتهم - التي يعتقدون أنها الأولى من نوعها - حققت دقة 80.07٪ في التجارب الأولية.
وكتب المشاركون في الدراسة "تلعب العواطف دورًا كبيرًا في حياتنا ، حيث تحدد تجاربنا وتشكل كيف ننظر إلى العالم وتتفاعل مع البشر الآخرين". "نظرًا لأهمية المشاعر المتصورة في الحياة اليومية ، يعد التعرف التلقائي على المشاعر مشكلة حرجة في العديد من المجالات مثل الألعاب والترفيه والأمن وتطبيق القانون والتسوق والتفاعل بين الإنسان والحاسوب والتفاعل بين الإنسان والآلة."
اختار الباحثون أربعة مشاعر - سعيدة وحزينة وغاضبة ومحايدة - لميلهم إلى "أن تستمر فترة طويلة" و "وفرة" في نشاط المشي. بعد ذلك ، قاموا باستخراج المشايات من مقاطع فيديو المشي المتعددة لتحديد المعالم المؤثرة قبل استخراج الأشكال باستخدام تقنية تقدير الوضع ثلاثي الأبعاد. أخيرًا ، استخدموا نموذجًا طويل المدى للذاكرة (LSTM) - وهو نموذج قادر على تعلم التبعيات طويلة الأجل - للحصول على ميزات من تسلسلات تطرح ، والتي تم دمجها مع مصنف غابة عشوائي (والذي ينتج عن التنبؤ المتوسط بعدة قرارات فردية الأشجار) لتصنيف إلى أربع فئات العاطفة المذكورة أعلاه.
في الأعلى: يصنف نظام الذكاء الاصطناعي عواطف الناس من طريقة المشي.
تضمنت الميزات أشياء مثل وضعية الكتف والمسافة بين الخطوات المتتالية والمنطقة بين اليدين والرقبة. تم استخدام زاوية ميل الرأس للتمييز بين المشاعر السعيدة والحزينة ، بينما حددت المواقف الأكثر إحكاما و "تمدد الجسم" المشاعر الإيجابية والسلبية ، على التوالي. أما بالنسبة للإثارة التي يلاحظ العلماء أنها تتوافق مع الحركات المتزايدة ، فقد أخذ النموذج بعين الاعتبار حجم السرعة والتسارع و "هزات الحركة" في مفاصل اليدين والقدمين ومفاصل الرأس.
عالج نظام الذكاء الاصطناعي عينات من Emotion Walk ، أو EWalk ، وهي مجموعة بيانات جديدة تحتوي على 1،384 مشية تم استخراجها من مقاطع فيديو مكونة من 24 موضوعًا يتجولون في حرم الجامعة سواء في الداخل أو في الهواء الطلق. وصف ما يقرب من 700 مشارك من Amazon Mechanical Turk العواطف ، واستخدم الباحثون هذه الملصقات لتحديد مستوى التكافؤ والإثارة.
في الاختبارات ، أفاد الفريق أن طريقة اكتشاف المشاعر قد وفرت تحسنًا بنسبة 13.85٪ عن الخوارزميات الحديثة وتحسين 24.60٪ عن LSTMs "الفانيليا" التي لا تفكر في الميزات العاطفية. هذا لا يعني أنه مضمون - دقته تعتمد إلى حد كبير على تقدير تشكل الإنسان ثلاثي الأبعاد ودقة استخراج المشية. ولكن على الرغم من قيودها ، فإنهم يعتقدون أنها ستوفر أساسًا قويًا للدراسات التي تتضمن المزيد من الأنشطة وخوارزميات التعرف على المشاعر.
"إن مقاربتنا هي أيضًا الطريقة الأولى لتوفير خط أنابيب في الوقت الفعلي للتعرف على المشاعر من خلال مقاطع الفيديو التي تمشي من خلال الاستفادة من تقدير الوضع البشري ثلاثي الأبعاد". "كجزء من العمل في المستقبل ، نود أن نجمع المزيد من مجموعات البيانات ومعالجة [القيود]."
