Des chercheurs ont mis au point un système reposant sur une intelligence artificielle, capable de reconnaître des émotions à partir des signaux d'un électroencéphalogramme. Et les résultats obtenus sont sans précédent.
L'étude a été menée par des scientifiques travaillant pour l'université Texas Tech (États-Unis), l'université de Tabriz et l'Akram Hospital (à ne pas confondre avec l'Arkham Asylum), tous deux en Iran. L'idée d'origine était d'aller plus loin dans l'exploitation des résultats d'un électroencéphalogramme.
Trois systèmes d'IA différents
Ce test est déjà utilisé pour détecter certains troubles neuropsychiatriques, mais cette fois, les chercheurs ont voulu s'en servir pour identifier les émotions du sujet.À cet effet, ils ont eu recours à l'intelligence artificielle et ont créé trois systèmes de classification. Chacun d'entre eux reposait sur une méthode d'apprentissage différente : méthode des k plus proches voisins, machine à vecteurs de support et réseau de neurones artificiels.
Et comme tout algorithme d'IA, les classifieurs ont dû être entraînés à l'aide d'une base de données. Celle utilisée dans l'étude porte le nom de DEAP et comprend une liste d'analyse d'émotions de 32 individus, à partir de signaux physiologiques, dont les résultats d'un électroencéphalogramme. Les participants étaient invités à regarder 40 vidéos musicales d'une minute et à les évaluer selon différents critères, dont l'attrait et l'excitation.
Un niveau de précision inédit
Ensuite, les scientifiques ont utilisé une méthode mathématique afin de réduire le bruit des signaux d'électroencéphalogramme. Puis, chacun a été divisé en quatre composantes, nommées gamma, bêta, alpha et thêta.Les trois classifieurs ont alors été testés, pour obtenir le meilleur résultat possible à chaque itération. Et par rapport aux données de DEAP, le système le plus performant a obtenu 91,3 % de précision sur le critère d'excitation des participants et 91,1 % sur l'attrait ressenti. Un niveau jamais atteint pour un algorithme appliqué à ce jeu de données.
Les chercheurs espèrent à présent affiner leurs modèles, pour aider notamment à soigner les troubles du spectre de l'autisme ou de déficit de l'attention.
Source : VentureBeat
