Il cervello umano è un vasto e rumoroso paesaggio di attività elettrica, che emette costantemente segnali che riflettono i nostri pensieri, i nostri movimenti e i nostri sentimenti. Quando gli scienziati vogliono capire come ci sentiamo, spesso osservano questi segnali elettrici, noti come elettroencefalografia o EEG, registrati dal cuoio capelluto. È una finestra diretta sulla mente, ma è anche una finestra difficile da leggere. I segnali sono deboli, facilmente distorti dal movimento muscolare e variano enormemente da persona a persona. Un modello che segnala chiaramente la felicità in una persona potrebbe apparire come confusione in un'altra. Questa variabilità crea un ostacolo maggiore per la costruzione di macchine in grado di riconoscere le emozioni. La maggior parte dei sistemi esistenti sono come studenti che imparano a memoria le risposte per un test specifico; funzionano bene sulle persone su cui sono stati addestrati, ma falliscono completamente quando si trovano di fronte a una nuova persona. L'obiettivo della ricerca moderna è costruire sistemi che possano generalizzare, riconoscendo il linguaggio universale dell'emozione indipendentemente da chi lo stia parlando, senza dover vedere preventivamente i dati di quella persona.

Un team di ricercatori ha sviluppato un nuovo approccio per risolvere questo problema, creando un sistema in grado di identificare le emozioni in individui non visti con un'elevata precisione. Chiamano il loro metodo AdaTF-HyperMIL, un framework progettato per navigare nella realtà disordinata dei segnali cerebrali adattandosi alle caratteristiche uniche di ogni momento e di ogni persona. Invece di forzare ogni segnale cerebrale in un unico stampo rigido, il loro sistema agisce come un osservatore flessibile che impara a pesare diversi pezzi di evidenza. Comprende che alcune parti di una registrazione cerebrale sono più importanti di altre, che diverse scale temporali di attività sono rilevanti per diverse emozioni e che la relazione tra tempo e frequenza nel segnale è complessa. Combinando queste intuizioni con una strategia matematica che organizza l'informazione in uno spazio curvo, il sistema riesce a trovare i fili comuni dell'emozione che persistono attraverso diversi esseri umani.

La sfida centrale affrontata dai ricercatori è che uno stato emotivo non è un evento singolo e statico, ma un processo che si dispiega nel tempo. Una registrazione di una persona felice non è solo un singolo scatto; è una serie di brevi finestre di dati, alcune chiare e altre rumorose o irrilevanti. I metodi precedenti spesso trattavano ogni finestra di dati allo stesso modo, assumendo che se una persona fosse stata etichettata come "felice" per una prova, ogni secondo di quella prova dovesse essere felice. Il nuovo sistema rifiuta questa assunzione. Riconosce che all'interno di una singola prova, alcuni momenti trasportano il vero segnale emotivo mentre altri sono solo rumore di fondo. Per gestire questo, il sistema utilizza una tecnica che gli permette di selezionare le finestre più informative e ignorare le altre, filtrando efficacemente l'interferenza per ascoltare la musica.

Inoltre, i ricercatori si sono resi conto che l'attività elettrica del cervello cambia a velocità diverse. Alcuni cambiamenti emotivi avvengono in un lampo, mentre altri si costruiscono lentamente su un periodo più lungo. I modelli più vecchi cercavano di catturare questi cambiamenti usando strumenti fissi che guardavano il cervello a una sola velocità o li combinavano in modo rigido. Il nuovo sistema introduce un meccanimento di routing dinamico che decide, per ogni singolo pezzo di dato, quale scala temporale sia più utile. È come se il sistema avesse un set di lenti con diverse lunghezze focali e scegliesse quella giusta per la scena specifica che sta osservando. Ciò consente di catturare sia i cambiamenti rapidi e fugaci, sia i modelli più lenti e sostenuti, adattando il proprio fuoco in base a ciò che il cervello sta effettivamente facendo in quel momento.

Per dare senso a questi segnali, il sistema osserva anche come tempo e frequenza interagiscono. I segnali cerebrali sono spesso descritti in termini di ritmo (tempo) e di tono (frequenza), e questi due aspetti sono profondamente connessi. I ricercatori hanno costruito un meccanismo che permette a queste due visioni di dialogare, scambiando informazioni per costruire un quadro più ricco. Invece di limitarsi a sovrapporre queste visioni l'una sull'altra, il sistema utilizza un processo di gating per decidere quanto peso dare all'informazione basata sul tempo rispetto a quella basata sulla frequenza per ogni specifico input. Ciò assicura che la comprensione finale dell'emozione sia una fusione bilanciata di entrambe le prospettive, adattata alle specifiche esigenze dei dati in questione.

Una volta che il sistema ha raccolto e raffinato le evidenze dalle varie finestre di una prova, deve combinarle in una singola previsione. Qui, i ricercatori hanno impiegato una strategia chiamata apprendimento multi-istanza (multiple-instance learning). Immaginate un sacchetto di biglie dove solo il sacchetto ha un'etichetta, ma le singole biglie no. Il compito del sistema è capire quali biglie siano le più importanti per determinare l'etichetta del sacchetto. In questo caso, il "sacchetto" è l'intera prova emotiva, e le "biglie" sono le brevi finestre di attività cerebrale. Il sistema impara ad assegnare un'importanza maggiore alle finestre che contengono i segnali emotivi più forti e un'importanza minore a quelle rumorose. Ciò gli consente di costruire una rappresentazione affidabile della prova anche quando i dati sono imperfetti.

Il passaggio finale prevede l'organizzazione di queste rappresentazioni in modo da rendere facile distinguere tra diverse emozioni, anche tra persone diverse. I ricercatori hanno utilizzato uno spazio matematico che è curvo, noto come spazio iperbolico, per organizzare i dati. In questo spazio curvo, il sistema può raggruppare emozioni simili e spingere lontano le emozioni diverse in modo più efficace rispetto a uno spazio piatto e standard. Questo approccio geometrico aiuta il sistema a gestire il fatto che i dati emotivi di persone diverse potrebbero essere spostati o distorti. Imparando a navigare in questo paesaggio curvo, il sistema può trovare il vero centro di ogni categoria emotiva, rendendo più facile classificare correttamente i nuovi dati non visti.

I risultati di questo lavoro sono promettenti. Quando testato su tre diversi dataset standard utilizzati dalla comunità scientifica, il sistema ha raggiunto elevati livelli di accuratezza. Per un dataset che coinvolge tre tipi di emozioni, ha identificato correttamente il sentimento in circa il 95% dei casi. Per un dataset più complesso con quattro tipi di emozioni, ha avuto successo in circa l'82% dei casi. Ha performato bene anche su dataset che misurano due dimensioni dell'emozione: quanto una persona si senta eccitata o calma, e quanto si senta positiva o negativa. Tuttavia, i ricercatori osservano che, sebbene il sistema abbia ottenuto punteggi aggregati superiori rispetto ai metodi precedenti, i miglioramenti non erano statisticamente significativi quando si confrontavano i singoli soggetti uno a uno contro il baseline più forte. Ciò suggerisce che, sebbene il nuovo approccio sia robusto ed efficace, la sfida del riconoscimento delle emozioni indipendente dal soggetto non è ancora del tutto risolta. I dataset utilizzati sono stati raccolti in ambienti di laboratorio controllati con stimoli specifici, quindi resta da vedere quanto bene il sistema funzionerà nel mondo reale, con emozioni naturali e diversi dispositivi di registrazione. Lo studio evidenzia anche che la capacità del sistema di selezionare le finestre importanti e di adattare le proprie scale temporali è un fattore chiave del suo successo, poiché rimuovere queste caratteristiche ha portato a un calo delle prestazioni.

In definitiva, questa ricerca fornisce una via più chiara verso macchine che possano veramente comprendere l'emozione umana. Allontanandosi da modelli rigidi e universali e abbracciando una selezione adattiva basata sulle evidenze, il sistema rispecchia la flessibilità del cervello umano stesso. Non forza i dati a conformarsi a una nozione preconcetta di cosa sia un'emozione; invece, impara ad ascoltare i dati, isolando i segnali significativi dal rumore. Sebbene ci sia ancora del lavoro da fare per garantire che questi sistemi funzionino in ogni scenario del mondo reale, questo studio dimostra che, progettando attentamente il modo in cui estraiamo e organizziamo i segnali cerebrali, possiamo costruire strumenti che sono molto più sensibili e affidabili rispetto al passato. La strada da seguire consiste nel continuare a perfezionare questi meccanismi adattivi, avvicinandoci a un futuro in cui la tecnologia possa genuinamente connettersi con le nostre vite emotive interiori.