یافته های یک مطالعه جالب که اخیراً در نشریه Nature منتشر شده اند، نشان می دهند که انسان ها در سراسر جهان حالت های صورت مشابهی را در موقعیت های مختلف اجتماعی ایجاد می کنند.
در این تحقیق که با تجزیه و تحلیل بیش از 6 میلیون فیلم از وضعیت های مختلف مردم انجام شده است، عمومیت قابل توجهی در نحوه بیان احساسات افراد سراسر جهان در موقعیت های مختلف اجتماعی نشان داده شده است.
به گزارش سیناپرس، در پژوهش مورد اشاره، محققان می خواستند بدانند که آیا مردم در سراسر دنیا به شکلی یکسان احساسات خود را در مواجهه با شرایط خاص بروز می دهند. برای مثال در عروسی ها بیشتر لبخند می زنند و هنگام مراسم خاکسپاری بیشتر اخم می کنند؟
برای این منظور، پژوهشگران دانشگاه کالیفرنیا برکلی با همکاری مرکز تحقیقاتی گوگل، از یک شبکه عصبی عمیق یا DNN استفاده کردند. این شبکه، شامل نوعی یادگیری ماشینی است که می تواند برای ارزیابی رفتار افراد در دنیای واقعی استفاده گردیده و نشان دهد که آیا زمینه های اجتماعی با حالات خاص چهره در فرهنگ های مختلف ارتباط دارد یا خیر.
به گزارش سیناپرس، بدین منظور، سیستم DNN با کمک گرفتن از مردم انگلیسی زبان در هند به گونه ای تحت یادگیری قرار گرفت که بتواند تا 16 الگو از حرکات صورت را مرتبط با دسته بندی های متمایز احساسات افراد شناسایی کند. این سیستم سپس یاد گرفت که الگوهای مشابه را با عبارات جداگانه ای دسته بندی نماید.
پس از اجرای فرایند یادگیری، محققان به کمک DNN، شش میلیون ویدیوی یوتیوب از 144 کشور مختلف را ارزیابی کردند و مشاهده کردند که در زمینه های مشابه احساسی در سراسر جهان، DNN به عبارات مشابهی می رسد.
بر این اساس، هر نوع حالت چهره، ارتباط مشخصی با مجموعه ای از زمینه ها داشت که تا 70 درصد در 12 منطقه جهانی مشابه بود. این موضوع نشان دهنده سطح قابل توجهی از جهانی بودن در نحوه بروز احساسات در چهره است. در واقع این یافته ها پیامدهای مهمی در درک ریشه ها، عملکردها و جهانی بودن احساسات دارند.
محققان معتقدند این سیستم، ارتباط بین عبارات و موقعیت های احساسی اجتماعی را در محیط های طبیعی تر از مطالعات قبلی شناسایی می کند.
با این حال به گفته آن ها، در آینده باید از گروه های فرهنگی متنوع تری برای آموزش DNN استفاده شود تا صرفاً به انگلیسی زبان ها و کلیشه های مربوط به نحوه بیان احساس توسط آن ها، وابسته نباشد.
نویسنده: محمدرضا دلفیه
No tags for this post.