Исследователи федерального исследовательского центра РАН (Санкт-Петербург) разработали нейросетевую модель для автоматического распознавания эмоциональных состояний человека на основе данных электроэнцефалографии (ЭЭГ) . Система способна в реальном времени классифицировать эмоции как позитивные, негативные или нейтральные.
🎯 Зачем это нужно?
Основная практическая значимость разработки связана с задачами мониторинга психофизиологического состояния операторов объектов критической инфраструктуры. Существующие методы, основанные на анализе видео, мимики и речи, демонстрируют ограниченную надёжность из-за зависимости от внешних условий (освещение, фоновый шум) и культурных различий в выражении эмоций. ЭЭГ-сигнал лишён этих ограничений , позволяя получать объективные данные напрямую из активности мозга.
🔬 Как проходило обучение и каковы результаты
Модель обучалась на открытых базах данных мозговой активности FACED и SEED, включающих записи более 130 участников различного пола и возраста.
Ключевая сложность исследования заключалась в том, что мозговая активность каждого участника уникальна даже при переживании одинаковых эмоциональных состояний. Несмотря на это, точность классификации валентности эмоций составила 70–80%.
🚀 Перспективы
В перспективе разработка может стать частью устройства для мониторинга состояния сотрудников критической инфраструктуры, позволяя своевременно выявлять усталость, стресс или эмоциональные срывы, которые могут привести к ошибкам в работе.
📚 На страже безопасности через понимание эмоций
Разработка петербургских учёных открывает новые возможности для обеспечения безопасности на критически важных объектах (АЭС, диспетчерские, пульты управления). Возможность объективно, в обход мимики и речи, оценивать эмоциональное состояние оператора в реальном времени позволяет предотвращать ошибки, связанные с человеческим фактором. Точность в 70–80% при учёте уникальности мозговой активности каждого человека — серьёзный прорыв, который в будущем может привести к созданию носимых устройств, повышающих надёжность работы специалистов.