ИИ распознает эмоции спортсменов

Эмоции по движениям тела обычно исследуют с помощью нейросетей, которые обучают на данных смоделированных или надуманных ситуаций. Однако точность при таком подходе оставляет желать лучшего. Недавно в печати появилась первая работа, посвященная распознаванию сильных эмоций у спортсменов в условиях игрового поединка. Этот шаг вперед сделала группа германских специалистов, которой руководил профессор Дарко Екуц (Darko Jekauc) из Технологического института Карлсруэ.

С помощью нейронных сетей ученые научились выявлять эмоции участников теннисных матчей, записанных на видео. Исследователи записали видеоролики с 15 теннисистами, обращая особое внимание на язык тела при выигрыше или проигрыше одного очка — опущенную голову, поднятые в знак ликовании руки, висящую в руке ракетку, изменения походки.

После обучения на этих данных новый алгоритм ИИ научился ассоциировать сигналы тела с различными состояниями аффекта и смог делать вывод о том, выиграно очко или нет. Нейросеть с точностью до 68,9 % выявляла сильные эмоции на корте. Эта цифра сопоставима и иногда даже превосходит результаты прежних исследований, а также оценок эмоций зрителями.

Интересно, что и люди, и нейросеть лучше распознают негативные эмоции. По словам профессора Екуца, причина может быть в том, что они выражаются более очевидными способами. Он отметил, что, по мнению психологов, это связано с эволюционной целесообразностью. Дело в необходимости быстрого разрешения конфликтов для сплочения социальной группы.

Авторы исследования надеются, что оно найдет применение в спорте, например для улучшения методов тренировок или предотвращения выгорания, а также в здравоохранении, образовании, сфере обслуживания, даже при организации безопасного дорожного движения. Правда, ученые отмечают, что здесь нужно учитывать потенциальные риски, связанные с конфиденциальностью и неправомерным использованием данных. Профессор заявил, что перед применением алгоритма необходимо прояснить этические и юридические вопросы. Статью опубликовало издание Knowledge-Based Systems.