Science fiction? Imagerie cérébrale ID Émotions particulières
L'Université Carnegie Mellon a combiné l'imagerie par résonance magnétique fonctionnelle (IRMf) et l'apprentissage automatique pour mesurer les signaux cérébraux afin de lire les émotions chez les individus. Les résultats illustrent comment le cerveau catégorise les sentiments, donnant aux chercheurs le premier processus fiable pour analyser les émotions.
Jusqu'à présent, la recherche sur les émotions a longtemps été entravée par le manque de méthodes fiables pour les évaluer, principalement parce que les gens sont souvent réticents à rapporter honnêtement leurs sentiments. Ce qui complique encore les choses, c'est que de nombreuses réponses émotionnelles peuvent ne pas être ressenties consciemment.
L'identification des émotions basée sur l'activité neuronale s'appuie sur des études antérieures qui utilisaient des techniques similaires pour créer un modèle de calcul qui identifie les pensées des individus sur des objets concrets - souvent appelées «lecture de l'esprit».
"Cette recherche introduit une nouvelle méthode avec le potentiel d'identifier les émotions sans compter sur la capacité des gens à s'auto-déclarer", a déclaré Karim Kassam, Ph.D., auteur principal de l'étude.
"Il pourrait être utilisé pour évaluer la réponse émotionnelle d'un individu à presque n'importe quel type de stimulus, par exemple, un drapeau, un nom de marque ou un candidat politique."
L'un des défis pour l'équipe de recherche était de trouver un moyen d'évoquer de manière répétée et fiable différents états émotionnels des participants. Les approches traditionnelles, telles que la présentation de sujets qui provoquent des émotions, auraient probablement échoué parce que l'impact des extraits de films diminue avec une diffusion répétée.
Les chercheurs ont résolu le problème en recrutant des acteurs de l’école d’art dramatique de la CMU.
«Notre grande avancée a été l’idée de mon collègue Karim Kassam de tester des acteurs, qui sont expérimentés dans le cyclisme à travers les états émotionnels», a déclaré le chercheur George Loewenstein, Ph.D., professeur d’économie et de psychologie. «Nous avons eu la chance, à cet égard, que la CMU dispose d’une superbe école de théâtre.»
Pour l’étude, 10 acteurs ont été scannés au Centre d’imagerie scientifique et de recherche sur le cerveau de la CMU tout en visualisant les mots de neuf émotions: colère, dégoût, envie, peur, bonheur, luxure, fierté, tristesse et honte.
À l'intérieur du scanner IRMf, les acteurs ont été invités à entrer dans chacun de ces états émotionnels plusieurs fois, dans un ordre aléatoire.
Le modèle informatique a pu identifier correctement le contenu émotionnel des photos visualisées en utilisant l'activité cérébrale des spectateurs.
Pour identifier les émotions dans le cerveau, les chercheurs ont d'abord utilisé les schémas d'activation neuronale des participants dans les premiers scans pour identifier les émotions ressenties par les mêmes participants lors des scans ultérieurs.
Le modèle informatique a atteint une précision de classement de 0,84. La précision du classement fait référence au rang centile de l'émotion correcte dans une liste ordonnée des suppositions du modèle informatique; une estimation aléatoire donnerait une précision de classement de 0,50.
Ensuite, l'équipe a pris l'analyse d'apprentissage automatique des émotions auto-induites pour deviner quelle émotion les sujets ressentaient lorsqu'ils étaient exposés aux photographies dégoûtantes.
Le modèle informatique a atteint une précision de classement de 0,91. Avec neuf émotions parmi lesquelles choisir, le modèle a classé le dégoût comme l'émotion la plus probable 60% du temps et comme l'une de ses deux meilleures estimations 80% du temps.
Enfin, ils ont appliqué une analyse d'apprentissage automatique des modèles d'activation neuronale de tous les participants sauf un pour prédire les émotions ressenties par le participant réticent.
Cela répond à une question importante: si nous prenons un nouvel individu, le mettons dans le scanner et l'exposons à un stimulus émotionnel, avec quelle précision pourrions-nous identifier sa réaction émotionnelle? Ici, le modèle a atteint une précision de classement de 0,71, encore une fois bien au-dessus du niveau d'estimation aléatoire de 0,50.
«Malgré les différences manifestes entre la psychologie des personnes, différentes personnes ont tendance à coder neuralement les émotions de manière remarquablement similaire», a noté Amanda Markey, étudiante diplômée au Département des sciences sociales et décisionnelles.
Une découverte surprenante de la recherche était que des niveaux de précision presque équivalents pouvaient être atteints même lorsque le modèle informatique utilisait des modèles d'activation dans une seule des différentes sous-sections du cerveau humain.
«Cela suggère que les signatures d'émotions ne se limitent pas à des régions cérébrales spécifiques, telles que l'amygdale, mais produisent des modèles caractéristiques dans un certain nombre de régions cérébrales», a déclaré Vladimir Cherkassky, Ph.D., Programmeur principal de recherche au département de psychologie.
L'équipe de recherche a également constaté que si le modèle classait en moyenne l'émotion correcte au plus haut parmi ses suppositions, il était le meilleur pour identifier le bonheur et le moins précis pour identifier l'envie.
Il confond rarement les émotions positives et négatives, suggérant que celles-ci ont des signatures neuronales distinctes. Et, il était le moins susceptible de confondre la luxure avec toute autre émotion, suggérant que la luxure produit un modèle d'activité neuronale qui est distinct de toutes les autres expériences émotionnelles.
Selon le chercheur Marcel Just, Ph.D., «Nous avons constaté que trois principaux facteurs d'organisation sous-tendent les signatures neuronales de l'émotion, à savoir la valence positive ou négative de l'émotion, son intensité - légère ou forte, et sa socialité - implication ou non- l'implication d'une autre personne.
«C'est ainsi que les émotions sont organisées dans le cerveau.»
Source: Université Carnegie Mellon
