Così i ricercatori hanno creato un modello computazionale che può imitare la capacità degli esseri umani di prevedere le emozioni

Quella di anticipare le emozioni umane è una nostra capacità, di esseri umani. Sapranno farlo anche i sistemi artificiali? Sembra essere, stando alle ultime ricerche scientifiche, la nuova frontiera della cosiddetta Cognitive Artificial Intelligence.

Sui social c’è un’affissione che riguarda ChatGpt e che sta facendo il giro del web. Un cartellone chiede al chatbot di “costruire un palazzo”. Ovviamente è tutta una provocazione, per ricordare alle persone che ci sono delle cose che l’Intelligenza Artificiale proprio non può fare, come realizzare costruzioni. C’è un grosso però: un limite nella organicità di ciò a cui ChatGpt può accedere riguarda solo i tempi attuali, o perlomeno, ciò che conosciamo degli sviluppi della robotica.

Realtà come DeepMind ci hanno già dimostrato la possibilità per i robot di avvicinare le loro capacità a quelle dell’uomo e un futuro in cui a costruire un palazzo saranno delle macchine, potenziate dai successori di ChatGpt, non è poi così lontano. Il punto di non ritorno potrebbe essere la possibilità per gli algoritmi di emozionarsi, prevedere come si sentiranno dopo un evento. In poche parole, avvicinarsi ancora di più all’uomo e alla sua capacità di anticipare le emozioni umane. E su questo punto siamo già sulla buona strada.

Anticipare le emozioni umane, la ricerca

I neuroscienziati del MIT hanno progettato un modello computazionale in grado di prevedere le emozioni di altre persone – tra cui gioia, gratitudine, confusione, rimpianto e imbarazzo. Il modello è stato progettato per prevedere le emozioni dei tester coinvolti in una situazione basata sul dilemma del prigioniero, un classico scenario della teoria dei giochi in cui due persone devono decidere se cooperare con il proprio partner o tradirlo (gioco in cui si comprende bene cosa significa “anticipare le emozioni umane”). Per costruire il modello, i ricercatori hanno incorporato diversi fattori che sono stati ipotizzati potessero influenzare le reazioni emotive, inclusi i desideri di quella persona, le loro aspettative in una situazione particolare e la possibilità che qualcuno stesse osservando le loro azioni.

«Si tratta di intuizioni di base molto comuni», ha spiegato Rebecca Saxe, professoressa del John W. Jarve di Brain and Cognitive Sciences, membro del McGovern Institute for Brain Research del MIT e autrice dello studio. «Ci siamo chiesti se avremmo potuto integrare quella grammatica di base per creare un modello che imparasse a prevedere le emozioni della gente, secondo alcuni parametri».

Sebbene una grande quantità di ricerca sia stata dedicata all’addestramento dei modelli per anticipare le emozioni umane, o meglio dedurre lo stato emotivo di una persona in base alle espressioni facciali, questo non è l’aspetto più importante dell’intelligenza emotiva umana. 

«Molto più importante è la capacità di prevedere la risposta emotiva di qualcuno agli eventi prima che si verifichino», è ripotato nello studio. «Anticipare ciò che gli altri proveranno prima che la cosa sia accaduta appartiene all’uomo, non alle macchine. Se tutta la nostra intelligenza emotiva fosse reattiva, sarebbe una catastrofe».

Le Golden Balls

Per provare a modellare il modo in cui gli osservatori umani fanno queste previsioni, i ricercatori hanno utilizzato scenari tratti da un gioco televisivo britannico chiamato “Golden Balls”. Nello show, i concorrenti giocano in coppia, per cercare di portarsi a casa un piatto da 100.000 dollari. Dopo aver negoziato con il proprio partner, ogni concorrente decide, segretamente, se dividere il pool o provare a rubarlo. Se entrambi decidono di dividersi, ricevono ciascuno 50.000 dollari. Se uno divide e uno ruba, il ladro ottiene l’intero piatto. Se entrambi cercano di rubare, nessuno ottiene nulla.

A seconda del risultato, i concorrenti possono provare una serie di emozioni: gioia e sollievo se entrambi si dividono, sorpresa e rabbia se il proprio avversario ruba il piatto e forse senso di colpa misto a eccitazione se uno ruba con successo.

Per creare un modello computazionale in grado di prevedere queste emozioni e simulare come gli esseri umani siano in grado di anticipare le emozioni umane, i ricercatori hanno progettato tre moduli separati. Il primo è addestrato a dedurre le preferenze e le convinzioni di una persona in base alla sua azione, attraverso un processo chiamato “pianificazione inversa”. Si basa su ciò che accade quando vediamo solo una piccola parte del comportamento di qualcuno, da cui poi dedurre probabilisticamente come potrebbe evolversi una situazione. Utilizzando questo approccio, il primo modulo può prevedere le motivazioni dei concorrenti in base alle loro azioni nel gioco. Ad esempio, se qualcuno decide di dividere nel tentativo di condividere il piatto, si può dedurre che si aspetta che anche l’altra persona divida. Se qualcuno decidesse di rubare, potrebbe essere perché si aspetta che l’altra persona rubi e non voglia quindi essere imbrogliato.  Oppure, ci si aspetta che l’altra persona si separi e dunque si decide di provare ad approfittarne. Il modello può anche integrare la conoscenza di giocatori specifici, come l’occupazione del concorrente, per aiutarlo a dedurre la motivazione più probabile.

Il secondo modulo confronta l’esito del gioco con ciò che ogni giocatore voleva e si aspettava che accadesse. Quindi, un terzo modulo prevede quali emozioni potrebbero provare i concorrenti, in base al risultato e a ciò che si sapeva delle loro aspettative. Quest’ultimo è stato addestrato per prevedere le emozioni sulla base delle previsioni di osservatori umani su come si sarebbero sentiti i concorrenti dopo un particolare risultato. 

Gli autori sottolineano che si tratta di un modello di intelligenza sociale umana, progettato per imitare il modo in cui gli osservatori ragionano in modo causale sulle emozioni reciproche.

«Dai dati, il modello apprende che ciò che significa, ad esempio, provare molta gioia in questa situazione, è ottenere ciò che volevi, farlo con correttezza e senza trarne vantaggio», le parole di Saxe.

Intuizioni fondamentali per anticipare le emozioni umane (artificialmente)

Una volta che i tre moduli sono stati installati e funzionanti, i ricercatori li hanno utilizzati su un nuovo set di dati del game show per determinare in che modo le previsioni emotive dei modelli si confrontano con le previsioni fatte dagli osservatori umani. Il risultato, secondo i ricercatori, ha portato a conclusioni molto più vicine a quelle ottenute finora, con esperimenti precedenti ma meno “referenziati” dal punto di vista dei modelli.

Il successo deriva dalla sua incorporazione di fattori chiave che anche il cervello umano usa per prevedere come qualcun altro reagirà a una data situazione. Ad esempio, i calcoli su come una persona valuterà e reagirà emotivamente a una situazione, in base ai propri desideri e aspettative, che riguardano non solo il guadagno materiale ma anche il modo in cui verremo percepiti dagli altri.

«Il nostro modello incorpora delle metriche umane, che non si basano solo sull’ottenimento di un premio economico ma anche sull’essere considerati onesti dagli altri, senza essere imbrogliati o passare per sempliciotti», continuano dal MIT.

I ricercatori sono riusciti a costruire una comprensione più profonda di come le emozioni contribuiscono a determinare le nostre azioni, e poi, capovolgendo il loro modello, a spiegare come poter usare le azioni delle persone per dedurre le loro emozioni sottostanti. Una linea che aiuta a considerare le emozioni non solo come “sentimenti”, ma come un ruolo cruciale e sottile nel comportamento umano.