به تصویر زیر نگاه کنید. آیا فکر می‌کنید زن جوان تعجب کرده است؟ شما ممکن است اشتباه کنید. حسی که از حالت خاصی از چهره درک می‌شود، نه‌تنها به خود چهره، بلکه به زمینه‌ای بستگی دارد که در آن این تظاهر رخ می‌دهد.

همه‌ی ما لباسی که افراد مختلف آن را به رنگ‌های متفاوت می‌دیدند، به‌خاطر داریم. توهمی مانند این مورد، نشان می‌دهد حتی پدیده‌ی بنیادینی مانند ادراک رنگ نیز می‌تواند با ابهام همراه باشد. عواطف در مقایسه با رنگ‌ها ماهیت بسیار پیچیده‌تری دارند و می‌توانند موجب سردرگمی‌های بیشتری شوند. ادراک ما از حالات عاطفی دیگران نه‌تنها به ویژگی‌های فیزیکی چهره بستگی دارد؛ بلکه به مجموعه‌ عوامل دیگری نیز وابسته است که هم روی ادراک (برای مثال تجربه‌ی گذشته‌ی فرد یا زمینه‌ی فرهنگی یا انتظارات فردی) و هم روی خود موقعیت اثر می‌گذارند.

پژوهشگران آزمایشگاه Neurodata برای آزمایش این ایده، آزمایش کوتاهی طراحی کردند و در آن، از بیش از ۱,۴۰۰ فرد از ۲۹ کشور مختلف خواستند به چهار جفت عکس نگاه کنند. اولین تصویر از هر جفت، زنی را با حالت خاص چهره نشان می‌داد. مورد دوم مشابه عکس اول بود به‌جز اینکه چیزی به آن اضافه شده بود: یک برس ریمل، کتاب، عینک، خلال دندان یا یک گیتار. سپس افراد به هر تصویر نگاه می‌کردند و به این پرسش پاسخ می‌‌دادند که آیا به‌نظر آن‌ها حالت چهره‌ی زن عاطفی است یا نه. وقتی چیزی به تصویر اضافه می‌شد، پاسخ شرکت‌کنندگان تغییر می‌کرد. به‌طور متوسط، افراد بر این باور بودند که چهره‌ی نشان داده‌شده در تصاویری که به آن‌ها چیزی اضافه نشده بود، عاطفی است (۳.۵۲ مورد از ۴ مورد). پس از اینکه شیئی به تصویر اضافه شد، اغلب افراد عقیده‌ی خود را تغییر دادند و می‌گفتند تنها یکی از چهار عکس عاطفی است (۱.۲ مورد از ۴ مورد). به‌ عبارت دیگر، این نتایج نشان می‌دهد در بیش از ۶۰ درصد موارد، افزودن اشیاء به صحنه ادراک افراد از حالات عاطفی موجود در تصاویر را تغییر داد.

چرا تفاوت آن‌قدر برجسته است؟

روشی که با آن خود را به‌شکل غیرکلامی بیان می‌کنیم، تحت‌تأثیر عوامل زیادی مانند اختلافات فردی ازنظر سن، جنسیت، جامعه یا فرهنگ و اختلاف در موقعیت قرار می‌گیرد. این امر برای انسان‌ها طبیعی است که برای توضیح آنچه در اطراف آن‌ها اتفاق می‌افتد، به‌دنبال فرمولی جهانی باشند که برای همه‌ی افراد و موقعیت‌ها صدق کند. عواطف نیز از این قاعده مستثنی نیستند و در دهه‌ی ۱۹۷۰، روان‌شناسی آمریکایی به‌نام پل اکمن مفهومی درباره‌ی جهانی‌بودن احساسات ارائه داد و اظهار کرد تمامی انسان‌ها هرجایی که باشند، ۶ عاطفه‌ی اصلی را تجربه می‌کنند و آن‌ را به‌شیوه یکسانی نشان می‌دهند.

در مطالعه‌ای که چندین سال پیش منتشر شد، روان‌شناس دیگری به‌نام کارلوس کریولی تصمیم گرفت مفهوم غربی عواطف را آزمایش کند. او به تروبریاند، مجمع‌الجزایری دورافتاده در پاپوا گینه‌نو، سفر کرد و در آنجا چهار جامعه‌ی منزوی را پیدا کرد که در مکان‌های سنتی زندگی می‌کردند. کریولی در جریان آزمایش‌های میدانی خود متوجه شد حالتی از چهره که در جوامع غربی به‌عنوان ترس تعبیر می‌شود، در میان این مردم تهدید را القا می‌کند. زندگی در جزایز جداافتاده و تماس محدود با جهان خارج تأثیر فراوانی روی نحوه‌ی تجربه‌ی عواطف در مردم تروبریاند گذاشته بود و روشی که آن‌ها با آن برخی از حالات عاطفی چهره‌ را درک می‌کردند، به‌نظر نمی‌رسید با مدل ساده‌ی اکمن سازگار باشد. لیزا فلمن بارت در کتاب «هیجان‌ها چگونه ساخته می‌شوند؟»، می‌نویسد:

واقعیت اجتماعی فقط به کلمات مربوط نمی‌شود؛ بلکه به اعماق وجود شما نفوذ می‌کند. اگر غذای پخته‌شده را به‌عنوان کیک مضر یا سالم درک کنید، پژوهش‌ها نشان می‌دهد بدن شما آن را به‌طور متفاوتی متابولیزه می‌کند. به‌ همین ترتیب، کلمات و مفاهیم فرهنگ شما روی تشکیل ارتباطات مغزی و تغییرات فیزیکی شما بر جریان احساس تأثیر می‌گذارند.

زمینه‌ی فرهنگی تنها عامل مؤثر در ایجاد تفاوت درخورملاحظه در ادراک نیست و تفاوت‌های بسیار ظریف‌تر و عجیب‌تر و انفرادی‌تری نیز وجود دارد. برای مثال، کودکان در مقایسه با نوجوانان و بزرگ‌سالان در تشخیص حالات عاطفی چهره کُندتر و بی‌دقت‌تر عمل می‌کنند. فرناندو فریرا سانتوس، از آرمایشگاه اعصاب و روان دانشگاه پورتو در پرتغال، درزمینه‌ی تفاوت‌های سنی در ادراک عواطف مطالعه می‌کند. او می‌خواهد بداند آیا بین سن و توانایی تشخیص حالات عاطفی چهره ارتباطی وجود دارد. فریرا سانتوس می‌گوید:

پیوند بین وضعیت روانی و حالات چهره هرگز رابطه‌ای یک‌به‌یک نیست. وضعیت روانی خاصی، مثلا حالتی عاطفی، می‌تواند با رفتارهای متفاوتی همبسته باشد؛ درحالی‌که رفتار واحد ممکن است در شرایط روحی مختلفی بروز کند. حرکات چهره‌ متفاوت نیستند؛ بنابراین، یک سیگنال چهره‌ای ممکن است معانی مختلفی داشته باشد.

بنابراین درک عواطف چیزی بیش از تشخیص طبقه‌ی خاصی از عواطف مانند ترس یا خشم است که حالات خاصی از چهره‌ی آن را نشان دهند. روشی که در آن کودکان نحوه‌ی نشانه‌گذاری روی حالات عاطفی چهره را یاد می‌گیرند، آموزنده است. آن‌ها این کار را با ارزش‌گذاری روی حالات چهره آغاز می‌کنند و تظاهرات خوب و بد را از هم تشخیص می‌دهند و به‌تدریج طبقه‌بندی‌های بزرگ‌سالانه‌ای مانند ترس، ناراحتی و... را توسعه می‌دهند. فریرا سانتوس می‌گوید:

کودکان حالات کلیشه‌ای چهره‌ را یاد می‌گیرند که در فرهنگشان وجود دارد.

کریستن لیندکوئیست، از دانشگاه کارولینای‌شمالی نیز با این موضوع موافق است. او می‌گوید:

بیشتر داده‌ها نشان می‌دهند مردم به‌‌دلیل تفاوت در آموزش، ازنظر توانایی درک عواطف از روی چهره باهم متفاوت هستند. اطلاعاتی که روی چهره نمایش داده می‌شود، مبهم است و افراد ازنظر اینکه چقدر از زمینه و یادگیری قبلی برای ابهام‌زدایی از این اطلاعات استفاده می‌کنند، باهم فرق می‌کنند. این امر توضیح می‌دهد چرا کودکان با افزایش سن در درک حالات چهره‌‌ی دیگران مهارت بیشتری کسب می‌کنند و چرا برخی از افراد ازنظر اجتماعی بسیار هوشیار هستند؛ درحالی‌که دیگران چنین نیستند.

عواطف در ماشین‌ و انسان‌: چه چیز مشترکی داریم؟

دنیای تجربیات عاطفی اطلاعات مهمی درباره‌ی هر شخص دراختیار ما قرار می‌دهد. به‌دلایل متعدد، این موضوع مدت‌ها درزمینه‌ی هوش مصنوعی نادیده گرفته شده است. به‌طور سنتی، هوش مصنوعی با تفکر عقلانی و توانایی حل مسئله و انجام عملیات پیچیده‌ی منطقی همراه بوده است؛ اگرچه عواطف بخش مهم و جدانشدنی از زندگی ما هستند. به‌همین دلیل است که الگوریتم‌های هوشمند امروزی در حال یادگیری درک وضعیت عاطفی انسان و واکنش مناسب دربرابر آن هستند. برای برنامه‌ی هوش مصنوعی شاید وظیفه‌ی درک صحیح عواطف انسانی و ابراز احساسات دربرابر آن‌ها از بازی شطرنج عملیات بسیار سخت‌تری باشد.

آزمایش کوچکی که شرح داده شد، نشان می‌دهد وقتی سخن از بروز احساسات به‌میان می‌آید، همه‌چیز مبهم است. الگوریتم‌های تجزیه‌و‌تحلیل عواطف باید بسیار پیچیده‌تر از چیزی باشند که اکنون هستند. در تجزیه‌و‌تحلیل عواطف، هر جزء قطعه‌ی صوتی یا ویدئویی با دقت بسیار زیاد تفکیک و سپس به‌عنوان مجموعه‌ای از فریم‌های جداگانه‌ی ساکن در زمان در نظر گرفته می‌شود. اگر از مسیر طبیعی رویدادها خارج شویم، تشخیص عواطف می‌تواند به مشکلی واقعی تبدیل شود. تشخیص عواطف مختلط یا دروغین یا پنهانی به اطلاعات زمینه‌ نیاز دارد؛ اما وظیفه‌ی درک چنین زمینه‌ای هنوز برای کامپیوترها دشوار است. الساندرو وینسیارلی، از دانشگاه گلاسگو، به آموزش ارتباط اجتماعی به هوش مصنوعی علاقه‌مند است. وی در این باره می‌گوید:

به‌طور کلی نشانه‌های غیرکلامی (حالات چهره و تُن صدا و حالات بدن) در مقایسه با کلمات مفهوم را به‌شیوه‌ی انعطاف‌پذیرتری منتقل می‌کنند. این یکی از دلایل اصلی این موضوع است که چرا ارتباط غیرکلامی این‌چنین ابزار قدرتمندی برای انتقال تفاوت‌های ظریف است؛ به‌ویژه وقتی به جنبه‌های اجتماعی و عاطفی تعاملات مربوط می‌شود. اگرچه این امر به بهای بی‌اعتمادی و ابهامی حاصل می‌شود که تنها با درنظرگرفتن زمینه می‌توان با آن مقابله کرد.

در یادگیری ماشین، مفهوم زمینه دو شکل اصلی دارد. اولین مورد مربوط رویکرد چندحالته (چندوجهی) برای تشخیص خودکار عواطف است که در آن کانال‌های مختلف (برای مثال حالت‌های مختلف چهره وحالات بدن) به‌عنوان زمینه‌ای برای یکدیگر عمل می‌کنند. وینسیارلی توضیح می‌دهد:

نشان داده شده است که ترکیب کانال‌ها به برخی اثرها منجر می‌شود. این امر توسعه‌ی رویکردهای تکنولوژیکی را آسان‌تر می‌کند که از تجزیه‌و‌تحلیل مشترک چندین نشانه بهره‌مند می‌شود. احتمال اینکه تکنولوژی چندین نشانه را به‌اشتباه تفسیر کند، کمتر از احتمال تفسیر اشتباه آن‌ها به‌صورت انفرادی است. این امر به دقت بیشتر در تشخیص عواطف منجر می‌شود.

نوع دوم زمینه آشنا‌تر است: شناسایی ویژگی‌های مربوط به موقعیتی خاص که در آن ارتباط برقرار می‌شود. این نیز یکی از کارهای دشوار برای هوش مصنوعی است. وینسیارلی می‌گوید:

در اینجا هیج مدل یا اصل روشنی برای تجزیه‌و‌تحلیل زمینه مشخص نشده است. تکنولوژی نتوانسته است ویژگی‌های قابل‌‌اندازه‌گیری را شناسایی کند که بتوانند موقعیت را توصیف کنند. حتی موفق‌ترین تلاش‌ها در این زمینه که W5 نامیده می‌شود (شامل کی، چرا، کجا، چه چیزی و چه کسی)، به موفقیت چندانی دست نیافته است. اگرچه رواج حسگرهای پوشیدنی و تلفن‌های همراه این امر را امکان‌پذیر ساخته است که حجم عظیمی از اطلاعات درباره‌ی محیطی ثبت شود که هر فرد در آن قرار گرفته است. این موضوع احتمالا کلید حرکت به‌سوی توسعه‌ی تکنولوژی‌هایی است که به زمینه وابستگی بیشتری داشته باشند.