CWMAN-EEG: Conditionally Weighted Multi-source Adversarial Network for Across-subject EEG Emotion Recognition

إن الدماغ البشري عبارة عن مشهد شاسع ومتغير من النشاط الكهربائي، حيث تطلق إشارات مستمرة تشفر كل شيء، بدءاً من فكرة عابرة وصولاً إلى شعور عميق الجذور. ومن بين هذه الإشارات، توفر تقنية تخطيط كهربائية الدماغ (EEG) نافذة فريدة على حالاتنا العاطفية. فمن خلال وضع أجهزة استشعار على فروة الرأس، يمكن للعلماء تسجيل الإيقاعات الكهربائية للدماغ بسرعة ودقة مذهلتين، مما يلتقط البصمة العصبية للفرح أو الحزن أو الخوف قبل أن ينطق الشخص بكلمة واحدة. تحمل هذه التكنولوجيا وعوداً هائلة في مجالات تتراوح من مراقبة الصحة العقلية إلى التفاعل الأكثر سلاسة بين الإنسان والحاسوب. ومع ذلك، ظل هناك عائق كبير يقف في طريق جعل هذه التكنولوجيا موثوقة للاستخدام اليومي، وهو أن الدماغ شخصي للغاية. فتماماً كما لا يمتلك شخصان بصمات أصابع متطابقة، لا ينتج دماغان متماثلين أنماطاً كهربائية متطابقة، حتى عند الشعور بنفس العاطفة تماماً. وتخلق هذه الفردية حاجزاً ضخماً أمام الحواسيب التي تحاول التعلم من شخص ما وتطبيق تلك المعرفة على شخص آخر، مما يؤدي غالباً إلى فشل النظام عند مواجهة مستخدم جديد.

وللتغلب على هذا العائق، لجأ الباحثون إلى تقنية تُعرف باسم "تكييف النطاق" (domain adaptation)، والتي تعلم الحاسوب أساساً كيفية التعرف على الأنماط عبر أشخاص مختلفين من خلال إيجاد الخيوط المشتركة التي تربط بينهم. وتقدم دراسة حديثة أجراها "يو فاي تشين" وزملاؤه في المختبر الرئيسي لعلوم الهندسة الرياضية والحوسبة المتقدمة وجامعة تشنغتشو منهجاً جديداً يسمى CWMAN-EEG. يعالج هذا الأسلوب مشكلة الاختلافات الفردية ليس من خلال معاملة جميع الناس كمجموعة واحدة مدمجة، بل من خلال احترام خصائصهم الفريدة مع البحث في الوقت نفسه عن الجوهر العاطفي المشترك. لقد طور الباحثون نظاماً يتعلم من عدة أشخاص في وقت واحد، حيث يعامل كل شخص كمصدر متميز للمعلومات. وبدلاً من حشر هذه الأدمغة المختلفة في قالب واحد، يستخدم النظام استراتيجية مزدوجة: فهو يحدد السمات العالمية للعواطف المشتركة بين جميع البشر، بينما يحافظ في الوقت ذاتما على السمات الفردية الخاصة بإشارات دماغ كل شخص. وهذا يسمح للنظام ببناء فهم قوي للعاطفة يمكن نقله إلى شخص جديد غير مرئي بدقة أكبر بكثير من الأساليب السابقة.

يكمن الابتكار الجوهري في هذا العمل في كيفية اتخاذ النظام لقرار بشأن التجارب الماضية التي يجب الوثوق بها عند التعلم عن شخص جديد. ففي العديد من الأنظمة الحالية، يتم دمج البيانات من أشخاص مختلفين ببساطة، أو يُعطى كل شخص صوتاً متساوياً في عملية التعلم. وقد وجد الباحثون أن هذا النهج غالباً ما يؤدي إلى الارتباك، لأن الأنماط الدماغية لبعض الأشم تكون أكثر تشابهاً مع المستخدم الجديد من غيرهم. ولإصلاح ذلك، صمم الفريق آلية "توزين شرطي" (conditional weighting mechanism). تخيل النظام كطالب يحاول تعلم موضوع جديد؛ فهو يستمع إلى العديد من المعلمين، لكنه يتعلم بسرعة أن يولي اهتماماً أكبر للمعلمين الذين تتوافق أساليب تدريسهم وأمثلتهم بشكل وثيق مع احتياجاته التعليمية، بينما يتجاهل أولئك الذين تختلف أساليبهم كثيراً. وبالمثل، يقوم هذا الشبكة بحساب مدى تشابه كل شخص مصدر مع الشخص المستهدف لكل فئة عاطفية محددة. ومن ثم يخصص "وزناً" لكل مصدر، مما يمنح تأثيراً أكبر للمصادر شديدة التشابه وتأثيراً أقل للمصادر غير المتشابهة. ويحدث هذا التعديل الديناميكي باستمرار، مما يضمن أن النظام يتعلم من الأمثلة الأكثر صلة ويتجاهل الضجيج الناتج عن تلك التي قد تجعله يتعثر.

وقبل أن يحاول النظام التكيف مع شخص جديد، يخضع لمرحلة تدريب صارمة حيث يتعلم تنظيم العواطف بوضوح. وقد أدخل الباحثون قيداً محدداً خلال هذه المرحلة لضمان أن أمثلة العاطفة الواحدة، مثل السعادة، تتجمع معاً بإحكام في ذاكرة الحاسوب، بينما تُدفع العواطف المختلفة، مثل الحزن، بعيداً. وهذا يخلق خريطة واضحة ومتميزة للحالات العاطفية. وبمجرد وضع هذا الأساس، ينتقل النظام إلى مرحلة التكييف، حيث يطبق التوزين الشرطي لمواءمة الإشارات الدماغية للشخص الجديد مع الخريطة المتعلمة. ومن خلال الجمع بين هذا التنظيم الدقيق والتوزين الذكي للمصادر، يمكن للنظام التنقل عبر الاختلافات المعقدة بين الأدمغة الفردية دون فقدان المعلومات العاطفية الأساسية.

تم اختبار نتائج هذا النهج على مجموعتي بيانات عامتين تحتويان على تسجيلات دماغية لخمسة عشر شخصاً مختلفاً، كان كل منهم يشاهد مقاطع أفلام مصممة لإثارة عواطف محددة. وفي مجموعة البيانات الأولى، التي ركزت على ثلاث عواطف أساسية، حققت الطريقة الجديدة متوسط دقة بلغ 94.32 بالمائة. وفي مجموعة البيانات الثانية، الأكثر تحدياً والتي تتضمن أربع عواطف متميزة، وصلت الدقة إلى 92.58 بالمائة. وتمثل هذه الأرقام تحسناً كبيراً عن أفضل الأساليب الحالية، التي غالباً ما تكافح للحفاظ على مستويات عالية كهذه من الدقة عند الانتقال من شخص إلى آخر. كما أجرى الباحثون تجارب لمعرفة ما سيحدث إذا أزالوا أجزاءً معينة من نظامهم. فعندما أزالوا القدرة على وزن المصادر بشكل مختلف، انخفضت الدقة بشكل ملحوظ، مما أثبت أن الاختيار الذكي للأدمغة المتشابهة كان عاملاً حاسماً في النجاح. وبالمثل، أدت إزالة الخطوة الأولية التي نظمت العواطف بوضوح أيضاً إلى انخفاض في الأداء، مما أكد أن التنظيم الهيكلي والتوزين التكيفي كانا ضروريين لعمل النظام.

بعيداً عن الأرقام الخام، تقدم الدراسة نظرة أعمق حول كيفية معالجة النظام للمعلومات. فقد أظهرت تصورات البيانات أن النظام نجح في فصل الأنماط العاطفية المشتركة عن الاختلافات الفردية. فالجزء من الشبكة المصمم لإيجاد أرضية مشتركة التقط الجوانب العالمية للشعور بالعاطفة، بينما حافظت الفروع المنفصلة لكل شخص على بصماتها العصبية الفريدة. وقد سمح هذا الفصل للنظام بأن يكون مرناً بما يكفي للتعامل مع التنوع الهائل للأدمغة البشرية، وفي الوقت نفسه دقيقاً بما يكفي لتحديد مشاعر محددة. كما استكشف الباحثون كيف يعمل النظام مع كميات مختلفة من البيانات، ووجدوا أنه يمكنه تحقيق دقة عالية حتى عندما يُعطى عدداً صغيراً فقط من الأمثلة المصنفة من الشخص الجديد لتوجيه العملية. وهذا يشير إلى أن الطريقة فعالة وعملية، وتتطلب تسمية يدوية أقل من العديد من الأساليب الأخرى، وهو أمر بالغ الأهمية نحو التطبيق في العالم الحقيقي.

تمتد تداعيات هذا العمل إلى ما وراء المختبر. فمن خلال إثبات إمكانية بناء نظام يحترم الاختلافات الفردية مع الاستمرار في التعلم من مجموعة، قدم الباحثون مخططاً جديداً لواجهات الدماغ والحاسوب. يمكن أن يؤدي هذا النهج إلى أجهزة تتكيف مع دماغ المستخدم بمرور الوقت دون الحاجة إلى إعادة تدريب مكثفة، مما يجعل تقنية التعرف على العواطف أكثر موثوقية لمراقبة الصحة العقلية أو إنشاء أنظمة تفاعلية مستجيبة. ولا تدعي الدراسة أنها حلت كل مشكلة في هذا المجال، حيث تظل الاختلافات الفردية وتعقيد العاطفة البشرية تحديات هائلة. ومع ذلك، فإن إظهار أن النهج الشرطي الموزون يتفوق على طرق دمج البيانات التقليدية يوفر مساراً واضحاً للمضي قدماً. إنها تشير إلى أن مفتاح إطلاق إمكانات تقنية تخطيط كهربائية الدماغ لا يكمن في فرض التماثل، بل في بناء أنظمة ذكية بما يكفي للتنقل عبر التنوع المعقد والجميل للعقل البشري.