Emotional regulation improves deep learning-based image classification

Resumo Técnico: A Regulação Emocional Melhora a Classificação de Imagens Baseada em Aprendizado Profundo

Problema
Os métodos existentes para o aprendizado profundo aumentado por emoção baseiam-se primariamente em fatores neurofisiológicos objetivos, como estruturas cerebrais anatômicas (ex: amígdala, córtex pré-frontal) e processos hormonais (ex: dopamina, ansiedade, confiança). Embora essas abordagens tenham mostrado potencial, elas negligenciam o papel da subjetividade nas respostas emocionais. As reações emocionais humanas não são determinadas apenas por estados fisiológicos, mas são significativamente influenciadas pela experiência subjetiva e pelo histórico emocional. Além disso, estudos anteriores neste domínio frequentemente careciam de arquiteturas de aprendizado de ponta a ponta ou não foram validados através de conjuntos diversos de estímulos emocionais, limitando a robustez e a generalização dos resultados. O artigo aborda a lacuna na modelagem da emoção artificial ao incorporar a experiência subjetiva em vez de definições estritamente neurofisiológicas.

Metodologia: O Framework de Regulação Emocional
O estudo introduz a Regulação Emocional, um framework projetado para modelar a emoção no aprendizado profundo através de uma "experiência subjetiva artificial". O mecanismo central envolve o equilíbrio entre previsões não emocionais e emocionalmente influenciadas com base em um estado afetivo aprendido.

1. Arquitetura: O framework emprega três codificadores:

   • Codificador Não Emocional ($E_n$): O backbone original (ResNet-50 ou ViT-B/16) produzindo representações não emocionais.
   • Codificador Emocionalmente Influenciado ($E_i$): Aprende embeddings concatenando características do Codificador Não Emocional com aquelas do Codificador Emocional.
   • Codificador Emocional ($E_e$): Um componente pré-treinado e congelado que aprende um "histórico emocional" a partir de um conjunto de dados de instâncias estímulo-emoção. Ele produz um vetor de espectro emocional ($e$).

2. Processo de Regulação ($R$): Uma camada de regulação aprendível pondera as saídas dos modelos Não Emocional ($p_n$) e Emocionalmente Influenciado ($p_i$) com base no resultado emocional ($\hat{e}$). A previsão final ($p_r$) é computada como:
   $$p_r = \hat{e} \cdot h_r \cdot p_n + (1 - \hat{e} \cdot h_r) \cdot p_i$$
   Onde $h_r$ é um vetor de peso aprendível que representa a intensidade da regulação para emoções específicas.

3. Fases de Treinamento:

   • Pré-treinamento Emocional: O Codificador Emocional é otimizado em um conjunto de dados emocional específico (ex: EMOd, Diffused-EMOd, Abstract, EmoSet) para aprender o mapeamento entre estímulos visuais e categorias emocionais.
   • Pré-treinamento: Os codificadores Não Emocional e Emocionalmente Influenciado são otimizados na tarefa downstream (ou mantidos congelados).
   • Treinamento: O sistema completo é otimizado, aprendendo o processo de regulação ($h_r$) para equilibrar os dois fluxos de previsão.

4. Configurações Experimentais: Os autores avaliaram diversas variações, incluindo regulação não aprendível (pesos fixos), regulação aprendível com codificadores pré-treinados fixos e configurações totalmente aprendíveis de ponta a ponta. Os experimentos utilizaram backbones ResNet-50 e ViT-B/16 pré-treinados no ImageNet, ajustados (fine-tuned) no CIFAR-10 e CIFAR-100.

Principais Contribuições

1. Abordagem de Modelagem Inovadora: Propõe a Regulação Emocional como um método para definir estados afetivos no aprendizado profundo através da experiência subjetiva artificial, preenchendo a lacuna deixada pelos modelos puramente neurofisiológicos.
2. Extensão de Ponta a Ponta: Estende o framework de Regulação Emocional para arquiteturas completas de aprendizado de ponta a ponta, indo além das limitações das implementações anteriores não end-to-end.
3. Validação Robusta: Valida a abordagem através de quatro conjuntos de dados emocionais distintos (estímulos da vida real, imagens sintéticas geradas por difusão, pinturas abstratas e conjuntos equilibrados de larga escala) para garantir a generalização.
4. Desempenho de Estado da Arte: Demonstra que a Regulação Emocional supera as soluções de aumento de emoção existentes em benchmarks de classificação de imagens de larga escala (CIFAR-10 e CIFAR-100).

Resultos
Experimentações extensas revelaram que estratégias de regulação aprendível superaram consistentemente os backbones originais e as linhas de base não emocionais:

• Ganhos de Desempenho: No CIFAR-10, a melhor configuração (Rand-Learn-E-Reg com ViT) melhorou a precisão em 0,34% sobre o backbone ViT. No CIFAR-100, as melhorias atingiram 1,02% para ViT e 3,19% para ResNet.
• Comparação com Trabalho Anterior: O método proposto superou significativamente o modelo AEmNN (um estado da arte anterior usando retropropagação emocional) no CIFAR-10 e CIFAR-100, alcançando pontuações de precisão de 97,32% e 86,24% respectivamente, comparado aos 54,76% e 27,53% anteriores.
• Dinâmica de Regulação: O estudo descobriu que a intensidade de regulação ideal não é fixa; ela varia significativamente dependendo do histórico emocional (conjunto de dados de pré-treinamento) e da tarefa downstream. Por exemplo, modelos treinados no Diffused-EMOd mostraram uma regulação significativa de emoções semanticamente contrastantes (ex: medo vs. felicidade), enquanto outros favoreceram valências específicas.
• Insights de Ablação: A regulação aprendível forneceu melhorias consistentes, enquanto a regulação não aprendível (fixa) não garantiu ganhos sobre o backbone. Os resultados sugerem que um modelo inteiramente influenciado pela emoção nem sempre melhora o aprendizado; um mecanismo de regulação é necessário para modular a cognição afetiva para uma melhor generalização.

Significância e Alegações
O artigo afirma que a Regulação Emocional estabelece um novo estado da arte no aprendizado profundo aumentado por emoção para conjuntos de dados de visão de larga escala. O estudo fornece evidências de que a experiência subjetiva, modelada como um histórico emocional artificial, é um fator significativo para melhorar a otimização do aprendizado de máquina.

Os autores enfatizam que seu trabalho não pretende replicar a cognição humana ou equiparar resultados artificiais a estudos empíricos humanos. Em vez disso, a significância reside em demonstrar que a introdução da "subjetividade artificial" — através do equilíbrio de representações emocionais e não emocionais via um mecanismo de regulação — aumenta as capacidades de generalização das redes neurais profundas. O framework sugere que a emoção atua como um fator cognitivo que, quando devidamente regulado, melhora o aprendizado de estímulos visuais, oferecendo um caminho promissor para futuras arquiteturas em visão computacional e interação humano-robô.