FaceReader와 감정에 관한 다양한 과학 이론

 

감정은 수십 년 동안 인기 있는 연구 주제였습니다. 이것은 해당 주제에 관한 방대한 양의 논문과 이를 둘러싼 여러 과학적 논쟁을 보면 알 수 있습니다. 예를 들어, 잘 알려진 논의는 기본적인 감정 표현의 세트의 존재와 감정이 보편적으로 유사한지 또는 문화적으로 다양한지에 관한 것입니다. (1)

현재 감정에 관해 널리 받아들여지는 단일 이론은 아직 없습니다. 또한 일부 비평가들은 얼굴 표정을 기반으로 감정을 분류한다는 일반적인 아이디어에 의문을 제기합니다. (2) 우리는 이것이 FaceReader의 과학적 기반에 대한 질문으로 이어진다는 것을 이해합니다.

이 게시물에서 우리는 FaceReader가 과학적 엄격함과 책임 있는 AI원칙에 따라 어떻게 설계되었는지 간략하게 설명하며, 이를 통해 모든 연구자는 자신이 속한 과학적 사고방식 내에서 FaceReader를 사용할 수 있음을 알려드리려고 합니다. 

 

감정의 과학적 이론

감정을 연구하기 위한 다양한 접근법이 있습니다. 이것은 Gross & Barrett(2011)(3)이 만든 그림 1에 잘 요약되어 있습니다.

 

[그림1-감정에 관한 대표적인 이론가들이 4가지 관점 스펙트럼(Gross & Barrett, 2011)]

 

Ekman(빨간색)과 Russell(녹색) 이론의 스펙트럼에 대한 입장을 주목해 주세요. 그들은 기본 감정 이론과 심리적 구성 이론이라는 서로 다른 사고 학파 출신입니다. 이러한 주요 이론적 관점은 감정을 구성하는 요소, 감정을 유발하는 요소, 그리고 감정을 분류하는 방법 및 연구하는 방법에 대해 서로 다른 관점을 가지고 있습니다.

 

얼굴 표정과 감정적 반응

이러한 서로 다른 이론들은 더 넓은 관점에서 감정을 다루지만, 우리는 주로 얼굴 표정과의 관계에 중점을 두고 있습니다. 얼굴 표정은 정서적 반응의 두드러진 유형이며 FaceReader의 주요 포인트입니다. 많은 연구자들은 이미 얼굴 표정과 감정 사이의 관계가 확실하지 않고 오히려 확률의 관계 중 하나라고 지적하고 있습니다. (4) 일부 연구자들은 중복되는 정보에 초점을 맞추고 감정의 보편성(개인과 문화 모두)을 보는 반면, 다른 연구자들은 차이점에 초점을 맞추고 감정 반응의 다양성을 강조합니다. 이러한 다양한 감정 관점에서 이론을 세우는 연구자들이 여전히 있습니다. 또한 기본 감정이론은 가장 공개적으로 비판받을 수 있지만 여전히 이를 따르는 연구자들이 있습니다. (5)(6)

일반적으로 얼굴 표정 연구의 타당성은 감정 표정에 대한 다양한 연구에서 나타납니다. (7) 얼굴 표정의 인식과 생성에 대한 연구는 풍부하며 두려움과 행복과 같은 일차적인 감정이 지배적이었습니다. FaceReader가 생성하는 출력을 통해 연구자는 자신이 선택한 이론적 관점에서 감정을 연구할 수 있습니다.

 

 

 

FaceReader에서 자신만의 해석을 구축합니다.

FaceReader는 AFCS(Automaticed Facial Coding System: 자동 얼굴 코딩 시스템)으로 정의됩니다. FaceReader는 얼굴 표정, 눈 움직임, 얼굴빛 흡수 변화(RPG) 및 기타 보조 얼굴 매개 변수를 조합하여 출력을 도출하며, 해당 출력을 네 가지 방식으로 배열하여 표시할 수 있습니다. 처음 두 가지 방식은 이론 중심, 세 번째 방식은 불가지론적 방식, 네 번째 방식은 사용자 정의 방식입니다.

 

1. 기본 정서 이론(Ekman)

2. 감정의 정서가(Valence)와 감정의 각성(Arousal)을 지닌 감정의 복합 모델(Circumplex model of emotions) (Russell)

3. FACS(Facial Action Coding System)-가장 많이 인용되는 얼굴 표정 측정 도구

4. 사용자 정의 방식-시선추적, 화면까지의 상대 거리 및 RPPG 등의 입력과 함께 사용자는 GUI 기반 모듈에서 자체 출력을 구축할 수 있습니다.

*GUI(A graphic user interface)-사용자가 아이콘, 버튼, 메뉴와 같은 그래픽 구성 요소와 상호 작용하는 디지털 인터페이스입니다. *

 

 

사용자 정의 방식의 맞춤형 표현을 생성함으로써 연구자들은 그들 자신만의 결과물을 만들 수 있습니다. 그들은 감정의 다양한 얼굴 표정과 관련된 기존 Action Unit조합에 대한 기존 연구를 사용하여 이를 수행합니다. 또는 추가적인 차원(ex머리 위치에 따른 접근 대 회피) 또는 해석 레이블(ex행복) 없이 웃는 것과 같은 물리적 신호를 생성하도록 선택할 수 있습니다. 결국, 누군가가 웃고 있다는 사실이 반드시 누군가가 행복하다고 느낀다는 것을 의미하는 것은 아닙니다.

 

사용자는 최종 책임자입니다.

FaceReader를 모듈식으로 구성함으로써 사용자는 자신만의 (감정) 분류 시스템을 구축할 수 있습니다. 예를 들어 누군가가 무언가를 얼마나 사고 싶어 하는지에 대한 감정 열망은 관심과 밀접하게 연결된 감정이지만 약간 다른 것을 측정하고 싶을 수도 있을 것입니다. FaceReader에서는 이런 특정 감정을 구축하는 것이 가능합니다.

소프트웨어가 출력을 해석하는 가장 일반적인 세 가지 방법 (basic emotions, circumplex model, FACS)을 제공하므로 이제 주요 책임은 사용자에게 있습니다. 또한 FaceRader는 구조화된 드래그 앤 드롭 GUI를 제공하여 자신만의 인식 시스템을 만들 수 있습니다.

 

해석에는 맥락이 필요

실험의 연구 설계를 통해 연구자들은 맥락(ex 자극 또는 상호 작용)에 대해 많이 알 수 있으며 이것은 해석에 도움이 됩니다. 게다가, 연구자들은 참가자들에 대한 추가 측정을 수행하여 생리학 및 눈의 움직임과 같은 경험된 감정을 더욱 밝힐 수 있습니다

 

FaceRader-책임 있는 과학에서 책임 있는 AI까지

감정을 연구하는 데는 다양한 접근방식이 있습니다. FaceReader를 사용하면 연구자는 자신이 운영하는 이론적 프레임워크를 선택할 수 있으며 이러한 방식은 책임 있는 과학 접근 방식을 바탕으로 구축되었습니다. FaceReader 사용자는 참가자의 얼굴에서 나오는 표현과 신호를 해석하고 레이블을 지정하는 방법을 완전히 제어합니다.

얼굴 표정은 근본적인 감정 과정과 직접적인 관련이 없습니다. 얼굴 표정은 신호이며, 다른 측정 도구와 마찬가지로 신호의 변동성이 클 수 있습니다. 신호가 특정 프로세스, 인구 또는 맥락과 관련이 있는지 여부는 여러 도구를 사용하여 각 특정 연구 분야 내에서 조사하고 검증해야 합니다.

또한 FaceReader는 책임 있는 AI원칙을 염두에 두고 설계되어 개인 정보 보호 설계 및 공정한 알고리즘을 위해 노력합니다. 예를 들어, 민감한 입력(ex인종)을 사용하지 않으며 얼굴 인식(ex사람을 특정인으로 인식)을 실행할 수 없습니다. 또한 성별, 연령 및 민족을 균형 있게 표현한 교육 데이터 세트를 수집하고 편향정도를 반복적으로 테스트하여 편향을 제한하는 데 주의를 기울입니다. 

결론적으로 다양한 이론적 관점의 사용과 활발한 토론은 과학에서 매우 정상적이고 중요합니다. FaceReader는 현장을 돕는 유용한 도구가 될 수 있습니다.

 

 

 

References

1.    See e.g.:

Ekman, P. (1992). An argument for basic emotions. Cognition & emotion, 6(3-4), 169-200. https://doi.org/10.1080/02699939208411068

Gendron, M., Crivelli, C., & Barrett, L.F. (2018). Universality reconsidered: Diversity in making meaning of facial expressions. Current directions in psychological science, 27(4), 211-219. https://doi.org/10.1177/096372141774679

https://www.paulekman.com/blog/darwins-claim-universals-facial-expression-challenged/

Wallbott, H.G. & Scherer, K.R. (1986). How universal and specific is emotional experience? Evidence from 27 countries on five continents. Social science information, 25(4). https://doi.org/10.1177/053901886025004001

2.    Barrett, L.F., Adolphs, R., Marsella, S., Martinez, A. M., & Pollak, S.D. (2019). Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological science in the public interest, 20(1), 1-68. https://doi.org/10.1177/1529100619832930

3.    Gross, J. J., & Feldman Barrett, L. (2011). Emotion generation and emotion regulation: One or two depends on your point of view. Emotion review, 3(1), 8-16. https://doi.org/10.1177/1754073910380974

4.    Scarantino, A. (2015). Basic emotions, psychological construction, and the problem of variability. In L.F. Barrett & J.A. Russell (Eds.), The psychological construction of emotion (pp. 334–376). The Guilford Press. https://psycnet.apa.org/record/2014-10678-014

5.    Hutto, D.D., Robertson, I. & Kirchhoff, M.D. (2018). A new, better BET: rescuing and revising basic emotion theory. Frontiers in psychology, 9, 1217. https://www.frontiersin.org/articles/10.3389/fpsyg.2018.01217/full

6.    Keltner, D., Sauter, D., Tracy, J., & Cowen, A. (2019). Emotional expression: Advances in basic emotion theory. Journal of nonverbal behavior, 43(2), 133-160. https://link.springer.com/article/10.1007/s10919-019-00293-3

7.    E.g. as indicated by almost 100k papers on facial+expression+emotion on Scopus and ±25k papers on facial+expression+emotion+fear/happiness/anger

 

 

 

원문

https://www.noldus.com/blog/scientific-theories-on-emotion