Modelo computacional imita la capacidad de los humanos para predecir emociones

Utilizando información sobre cómo las personas intuyen las emociones de los demás, los investigadores diseñaron un modelo que se aproxima a este aspecto de la inteligencia social humana.

Al interactuar con otra persona, es probable que pase parte de su tiempo tratando de anticipar cómo se sentirán con respecto a lo que está diciendo o haciendo.

Esta tarea requiere una habilidad cognitiva llamada teoría de la mente, que nos ayuda a inferir las creencias, deseos, intenciones y emociones de otras personas.

Neurocientíficos del MIT ahora han diseñado un modelo computacional que puede predecir las emociones de otras personas, incluida la alegría, la gratitud, la confusión, el arrepentimiento y la vergüenza, acercándose a la inteligencia social de los observadores humanos.

El modelo fue diseñado para predecir las emociones de las personas involucradas en una situación basada en el dilema del prisionero, un escenario clásico de teoría de juegos en el que dos personas deben decidir si cooperan con su pareja o la traicionan.

Para construir el modelo, los investigadores incorporaron varios factores que, según la hipótesis, influyen en las reacciones emocionales de las personas, incluidos los deseos de esa persona, sus expectativas en una situación particular y si alguien estaba observando sus acciones.

“Estas son intuiciones básicas muy comunes, y lo que dijimos es que podemos tomar esa gramática muy básica y hacer un modelo que aprenderá a predecir emociones a partir de esas características“, dice Rebecca Saxe, profesora de cerebro y cerebro de John W. Jarve. Cognitive Sciences, miembro del Instituto McGovern para la Investigación del Cerebro del MIT y autor principal del estudio.

Si bien se ha realizado una gran cantidad de investigación para entrenar modelos informáticos para inferir el estado emocional de alguien en función de su expresión facial, ese no es el aspecto más importante de la inteligencia emocional humana, dice Saxe.

Mucho más importante es la capacidad de predecir la respuesta emocional de alguien a los eventos antes de que ocurran.

“Lo más importante de lo que es entender las emociones de otras personas es anticipar lo que otras personas sentirán antes de que suceda”, dice.

“Si toda nuestra inteligencia emocional fuera reactiva, sería una catástrofe”.

Para tratar de modelar cómo los observadores humanos hacen estas predicciones, los investigadores utilizaron escenarios tomados de un programa de juegos británico llamado “Golden Balls”.

En el programa, los concursantes se emparejan con un bote de $100,000 en juego.

Después de negociar con su compañero, cada concursante decide, en secreto, si dividir el bote o tratar de robárselo.

Si ambos deciden dividirse, cada uno recibe $50,000. Si uno divide y otro roba, el ladrón se queda con todo el bote. Si ambos intentan robar, nadie obtiene nada.

Según el resultado, los concursantes pueden experimentar una variedad de emociones: alegría y alivio si ambos concursantes se separan, sorpresa y furia si el oponente roba el bote, y tal vez culpa mezclada con emoción si uno logra robar.

Para crear un modelo computacional que pueda predecir estas emociones, los investigadores diseñaron tres módulos separados.

El primer módulo está capacitado para inferir las preferencias y creencias de una persona en función de su acción, a través de un proceso llamado planificación inversa.

“Esta es una idea que dice que si ves solo un poco del comportamiento de alguien, puedes inferir probabilísticamente cosas sobre lo que querían y esperaban en esa situación”, dice Saxe.

Con este enfoque, el primer módulo puede predecir las motivaciones de los concursantes en función de sus acciones en el juego.

Por ejemplo, si alguien decide dividir en un intento de compartir el bote, se puede inferir que también esperaba que la otra persona se dividiera.

Si alguien decide robar, es posible que haya esperado que la otra persona robara y no quería ser engañado.

O bien, pueden haber esperado que la otra persona se separara y decidieron tratar de aprovecharse de ellos.

El modelo también puede integrar el conocimiento sobre jugadores específicos, como la ocupación del concursante, para ayudarlo a inferir la motivación más probable de los jugadores.

El segundo módulo compara el resultado del juego con lo que cada jugador quería y esperaba que sucediera.

Luego, un tercer módulo predice qué emociones pueden estar sintiendo los concursantes, según el resultado y lo que se sabía sobre sus expectativas.

Este tercer módulo fue entrenado para predecir emociones con base en predicciones de observadores humanos sobre cómo se sentirían los concursantes después de un resultado en particular.

Los autores enfatizan que este es un modelo de inteligencia social humana, diseñado para imitar cómo los observadores razonan causalmente sobre las emociones de los demás, no un modelo de cómo se sienten realmente las personas.

“De los datos, el modelo aprende que lo que significa, por ejemplo, sentir mucha alegría en esta situación, es conseguir lo que querías, hacerlo siendo justo y hacerlo sin aprovecharte”, Saxe dice.

Una vez que los tres módulos estuvieron en funcionamiento, los investigadores los usaron en un nuevo conjunto de datos del programa de juegos para determinar cómo se comparan las predicciones de emociones de los modelos con las predicciones hechas por observadores humanos.

Este modelo se desempeñó mucho mejor en esa tarea que cualquier modelo anterior de predicción de emociones.

El éxito del modelo se deriva de la incorporación de factores clave que el cerebro humano también utiliza para predecir cómo reaccionará otra persona ante una situación determinada, dice Saxe.

Estos incluyen cálculos de cómo una persona evaluará y reaccionará emocionalmente ante una situación, en función de sus deseos y expectativas, que se relacionan no solo con la ganancia material sino también con la forma en que los demás la ven.

“Nuestro modelo tiene esas intuiciones centrales, que los estados mentales que subyacen a la emoción son sobre lo que querías, lo que esperabas, lo que sucedió y quién vio.

Y lo que la gente quiere no son solo cosas. No solo quieren dinero; quieren ser justos, pero también no ser tontos, no ser engañados”, dice ella.

“Los investigadores han ayudado a construir una comprensión más profunda de cómo las emociones contribuyen a determinar nuestras acciones; y luego, dando la vuelta a su modelo, explican cómo podemos usar las acciones de las personas para inferir sus emociones subyacentes.

Esta línea de trabajo nos ayuda a ver las emociones no solo como ‘sentimientos’, sino como desempeñando un papel crucial y sutil en el comportamiento social humano”, dice Nick Chater, profesor de ciencias del comportamiento en la Universidad de Warwick, que no participó en el estudio.

En el trabajo futuro, los investigadores esperan adaptar el modelo para que pueda realizar predicciones más generales basadas en situaciones distintas al escenario del programa de juegos utilizado en este estudio.

También están trabajando en la creación de modelos que puedan predecir lo que sucedió en el juego basándose únicamente en la expresión de los rostros de los concursantes después de que se anunciaran los resultados.

Fuente: MIT News