Los neurocientíficos del MIT han creado un modelo computacional que predice con éxito las emociones humanas en entornos sociales, utilizando el juego del Dilema del Prisionero como base. El modelo considera los deseos de los individuos, las expectativas y la influencia de los observadores, deduciendo motivaciones, comparando resultados con expectativas y prediciendo emociones en base a estos factores. Este modelo, que imita la inteligencia social humana, superó a otros modelos de predicción de emociones y los investigadores pretenden adaptarlo para aplicaciones más amplias.
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.
Cuando interactúa con otra persona, probablemente dedique parte de su tiempo a tratar de predecir 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.
Los 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, acercando la inteligencia social a 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.
Si bien se han realizado muchas investigaciones 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 la profesora del MIT Rebecca Saxe. Mucho más importante es la capacidad de predecir la respuesta emocional de uno a los eventos antes de que ocurran. Crédito: Christine Daniloff, MIT
Para construir el modelo, los investigadores incorporaron varios factores que se cree que 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 esta gramática muy básica y crear un modelo que aprenderá a predecir emociones a partir de estas características”, dice Rebecca Saxe, profesora de cerebro y neurociencia en John W. Jarve. . Cognitive Sciences, miembro del Instituto McGovern para la Investigación del Cerebro del MIT y autor principal del estudio.
Sean Dae Houlihan PhD ’22, becario postdoctoral en el Neukom Institute for Computational Science en Dartmouth College, es el autor principal del artículo, que se publicó el 5 de junio en Philosophical Transactions A. Otros autores incluyen a Max Kleiman-Weiner PhD ’18, un becario postdoctoral en el MIT y la Universidad de Harvard; Luke Hewitt PhD ’22, académico visitante en la Universidad de Stanford; y Joshua Tenenbaum, profesor de ciencia cognitiva computacional en el MIT y miembro del Centro de Cerebros, Mentes y Máquinas del MIT y del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).
prediciendo emociones
Si bien se han realizado muchas investigaciones para entrenar modelos de computadora 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 uno a los eventos antes de que ocurran.
“Lo más importante de comprender las emociones de otras personas es anticipar lo que otras personas van a sentir 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 competidor decide en secreto si divide el grupo o intenta robarlo. Si ambos deciden dividirse, cada uno recibirá $50,000. Si alguien parte y otro roba, el ladrón se lleva todo el bote. Si ambos intentan robar, nadie obtiene nada.
Dependiendo del resultado, los concursantes pueden experimentar una variedad de emociones: alegría y alivio si ambos concursantes se separan, sorpresa y furia si su oponente roba el bote, y tal vez culpa mezclada con emoción si alguien logra robar.
Para crear un modelo computacional capaz de 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 de que si observas 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 competidores en función de sus acciones en el juego. Por ejemplo, si alguien decide dividir en un intento de dividir el bote, se puede inferir que también esperaba que la otra persona lo hiciera. Si alguien decide robar, es posible que haya esperado que la otra persona robara y no quería ser engañado. O puede que hayan estado esperando a que la otra persona se separara y decidieran intentar aprovecharse de ellos.
El modelo también puede integrar conocimientos sobre jugadores específicos, como la ocupación del competidor, 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 podrían estar sintiendo los concursantes, según el resultado y lo que se sabe sobre sus expectativas. Este tercer módulo fue entrenado para predecir emociones en base a las predicciones de los observadores humanos sobre cómo se sentirían los concursantes después de un resultado determinado. 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.
“A partir de los datos, el modelo aprende que lo que significa, por ejemplo, sentir mucha alegría en esa situación, es conseguir lo que querías, hacerlo de manera justa y hacerlo sin sacar ventaja”, dice Saxe.
intuiciones esenciales
Una vez que los tres módulos estuvieron en funcionamiento, los investigadores los usaron en un nuevo conjunto de datos de programas de juegos para determinar cómo las predicciones de emoción de los modelos se comparan con las predicciones hechas por observadores humanos. Este modelo se desempeñó mucho mejor en esta 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. Esto incluye cálculos de cómo una persona evaluará emocionalmente y reaccionará 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 perciben.
“Nuestro modelo tiene estas intuiciones centrales, que los estados mentales que subyacen a la emoción son sobre lo que querías, lo que esperabas, lo que sucedió y quién lo vio. Y lo que la gente quiere no son solo cosas. No solo quieren dinero; quieren ser justos, pero tampoco quieren ser tontos, no quieren que les mientan”, dice.
“Los investigadores ayudaron a desarrollar una comprensión más profunda de cómo las emociones contribuyen a determinar nuestras acciones; y luego, invirtiendo 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. . . el estudio.
En el trabajo futuro, los investigadores esperan adaptar el modelo para que pueda hacer 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 las expresiones faciales de los concursantes después de que se anuncien los resultados.
Referencia: «Predicción de emociones como cálculo en una teoría generativa de la mente» por Sean Dae Houlihan, Max Kleiman-Weiner, Luke B. Hewitt, Joshua B. Tenenbaum y Rebecca Saxe, 5 de junio de 2023, Philosophical Transactions A.
DOI: 10.1098/rsta.2022.0047
La investigación fue financiada por el Instituto McGovern; el Premio de Ciencias del Cerebro Paul E. y Lilah Newton; el Centro de Cerebros, Mentes y Máquinas; el laboratorio de inteligencia artificial MIT-IBM Watson; y la Iniciativa de Investigación Universitaria Multidisciplinaria.
