Исследователи Массачусетского технологического института разработали новую модель машинного обучения, которая выводит компьютеры на шаг вперед в интерпретации человеческих эмоций.
Новая модель может превзойти традиционные системы в обнаружении небольших изменений лица людей при понимании настроения. Оно было получено путем обучения тысяч изображений лиц.
Говорят, что модель сможет адаптироваться к группе людей с использованием «небольших дополнительных обучающих данных». Он разработан на основе сочетания метода МО (сочетания экспертов) и методов персонализации модели.
Согласно статье, в которой разрабатывается модель, комбинация методов способствовала обнаружению очень детальных данных о выражениях лица людей. Это также был первый случай, когда эти два метода были объединены для эффективных вычислений.
Эксперты в MoE — это модели нейронных сетей, обученные решению задачи обработки, дающей один результат. Наряду с этим была включена сеть шлюзов для расчета вероятностей, с помощью которой эксперт может лучше всего обнаружить настроения невидимых сущностей.
МО были персонализированы для обучения, предоставляя видеозаписи из общедоступной базы данных RECOLA, состоящей из разговоров на платформе видеочата, предназначенной для эффективных вычислительных приложений.
Из базы данных было использовано 18 видеозаписей, на девяти из которых эксперты прошли обучение, а на остальных девяти были протестированы. Кроме того, для классификации объектов эксперты использовали остаточную сеть под названием ResNet.
После дополнительных испытаний был сделан вывод, что модели достаточно эффективны, чтобы адаптироваться к группам населения и отдельным людям при очень небольшом количестве данных. По мнению исследователей, данные, основанные на цвете кожи, необходимы для того, чтобы сделать модели более гибкими для различных групп населения.
Одна из конечных целей исследователей этих моделей — сделать их достаточно способными, чтобы помочь компьютерам и роботам учиться на небольших меняющихся данных для естественного определения того, что чувствуют люди, чтобы лучше служить нам.
