Fuente: Stock.xchng.
La psicología que se esconde tras el acto de sonreír es muy compleja, sobre todo cuando se hace con el fin de ocultar o falsear algo. La simulación además no resulta nada sencilla, lo que pone de manifiesto la dificultad que entraña cuando no se siente la emoción correspondiente.
A pesar de ello, existen grandes actores en este campo, cuyas expresiones pueden pasar como verdaderas ante los ojos humanos, pero no ante una máquina convenientemente adiestrada.
Así lo ha comprobado un equipo de investigadores del Instituto de Tecnología de Massachusetts (MIT) en Estados Unidos, que ha llevado a cabo un estudio de seguimiento con un grupo de voluntarios para poner a prueba un sistema automatizado capaz de distinguir entre aquellas sonrisas generadas de forma espontánea y natural frente a expresiones falsas o forzadas.
Según explica el MIT en un comunicado, la investigación confirmó además que la mayoría de la gente no espera una sonrisa en respuesta a la frustración, al tratarse de una expresión involuntaria. De esta forma, el nuevo algoritmo permite diferenciar las sonrisas de alegría de las causadas por frustración con mucha mayor precisión que los observadores humanos.
“El objetivo es ayudar a las personas en la comunicación oral”, subraya Ehsan Hoque, estudiante del Grupo de Computación Afectiva del Laboratorio de Medios del MIT, y autor principal de la investigación, cuyos hallazgos se han publicado recientemente en la revista IEEE Transactions on Affective Computing.
A pesar de ello, existen grandes actores en este campo, cuyas expresiones pueden pasar como verdaderas ante los ojos humanos, pero no ante una máquina convenientemente adiestrada.
Así lo ha comprobado un equipo de investigadores del Instituto de Tecnología de Massachusetts (MIT) en Estados Unidos, que ha llevado a cabo un estudio de seguimiento con un grupo de voluntarios para poner a prueba un sistema automatizado capaz de distinguir entre aquellas sonrisas generadas de forma espontánea y natural frente a expresiones falsas o forzadas.
Según explica el MIT en un comunicado, la investigación confirmó además que la mayoría de la gente no espera una sonrisa en respuesta a la frustración, al tratarse de una expresión involuntaria. De esta forma, el nuevo algoritmo permite diferenciar las sonrisas de alegría de las causadas por frustración con mucha mayor precisión que los observadores humanos.
“El objetivo es ayudar a las personas en la comunicación oral”, subraya Ehsan Hoque, estudiante del Grupo de Computación Afectiva del Laboratorio de Medios del MIT, y autor principal de la investigación, cuyos hallazgos se han publicado recientemente en la revista IEEE Transactions on Affective Computing.
Situación real versus forzada
Los científicos crearon dos casos experimentales para provocar dos estados afectivos opuestos: frustración y alegría. Así, en el primer experimento se pidió a los participantes que recordaran situaciones mientras manifestaban su alegría o frustración, mientras que en el segundo intentaron provocar estos estados de forma natural. Todo ello mientras eran grabados con una cámara web.
Por un lado, los sujetos debían rellenar un largo formulario por Internet, el cual se borraba automáticamente cuando pulsaban la tecla de enviar. La mayoría (el 90 por ciento) sonrió con frustración ante esta situación, pero cuando se le pidió adoptar una expresión de fiasco, el mismo porcentaje no sonrió. Del mismo modo, estudiaron las sonrisas de felicidad producidas cuando se mostró a los sujetos un vídeo muy tierno de un bebé, y también las que adoptaron sin una provocación emocional.
A estos mismos voluntarios se les pidió posteriormente que interpretaran imágenes de gente sonriendo realmente o fingiendo una sonrisa de alegría o frustración. Mientras su clasificación de las sonrisas por frustración fue más bien fruto del azar, se obtuvo un 92 por ciento de precisión a través del algoritmo. Esto es precisamente lo que diferencia esta investigación de estudios anteriores, basados normalmente en expresiones de emoción fingidas, lo que puede inducir a resultados erróneos.
“Los casos simulados son mucho más fácil de clasificar, pero cuando se trata de interpretar imágenes de respuestas reales, la gente tiende a responder al azar, estimando las correctas sólo en el 50 por ciento de los casos”, apunta Hoque. El mismo vincula la efectividad o mejor rendimiento de la máquina con que ésta se centra exclusivamente en los rasgos mecánicos de la sonrisa, mientras el hombre tiende a prestar atención a otras señales.
Los científicos crearon dos casos experimentales para provocar dos estados afectivos opuestos: frustración y alegría. Así, en el primer experimento se pidió a los participantes que recordaran situaciones mientras manifestaban su alegría o frustración, mientras que en el segundo intentaron provocar estos estados de forma natural. Todo ello mientras eran grabados con una cámara web.
Por un lado, los sujetos debían rellenar un largo formulario por Internet, el cual se borraba automáticamente cuando pulsaban la tecla de enviar. La mayoría (el 90 por ciento) sonrió con frustración ante esta situación, pero cuando se le pidió adoptar una expresión de fiasco, el mismo porcentaje no sonrió. Del mismo modo, estudiaron las sonrisas de felicidad producidas cuando se mostró a los sujetos un vídeo muy tierno de un bebé, y también las que adoptaron sin una provocación emocional.
A estos mismos voluntarios se les pidió posteriormente que interpretaran imágenes de gente sonriendo realmente o fingiendo una sonrisa de alegría o frustración. Mientras su clasificación de las sonrisas por frustración fue más bien fruto del azar, se obtuvo un 92 por ciento de precisión a través del algoritmo. Esto es precisamente lo que diferencia esta investigación de estudios anteriores, basados normalmente en expresiones de emoción fingidas, lo que puede inducir a resultados erróneos.
“Los casos simulados son mucho más fácil de clasificar, pero cuando se trata de interpretar imágenes de respuestas reales, la gente tiende a responder al azar, estimando las correctas sólo en el 50 por ciento de los casos”, apunta Hoque. El mismo vincula la efectividad o mejor rendimiento de la máquina con que ésta se centra exclusivamente en los rasgos mecánicos de la sonrisa, mientras el hombre tiende a prestar atención a otras señales.
¿Podría decir cuál de estas sonrisas es de felicidad y cual de frustración? Un sistema informático desarrollado en el MIT puede. La respuesta: la sonrisa de la derecha muestra frustración. Fuente: MIT.
Cuestión de músculos
El algoritmo desarrollado por los investigadores del MIT hace un seguimiento de los movimientos que realizan los músculos que producen las expresiones faciales y los cuantifican mediante un registro denominado Sistema de Codificación de Acción Facial (FACS, por las siglas en inglés).
El FACS se desarrolló en la década de 1970 y se ha convertido en el sistema más utilizado tanto en aplicaciones de reconocimiento facial como por gente que necesita entender los comportamientos faciales. Para su uso, los investigadores descomponen la expresión en “unidades de acción”, añadiendo también cualquier asimetría, así como la intensidad y la duración del gesto en cuestión.
En el caso de las sonrisas simuladas son fácilmente identificables porque se usa únicamente el músculo cigomático mayor, que es el que tira de las comisuras de los labios hacia atrás y levanta las mejillas, el cual podemos contraer voluntariamente. Por el contrario, en sonrisas genuinas o espontáneas, (conocidas como sonrisas de Duchenne en honor al neurólogo francés que las identificó en 1862) actúa además el orbicular de los ojos que se tensa de forma involuntaria, tirando hacia abajo de las cejas y hacia arriba de la mejillas, produciendo unas arrugas alrededor de los párpados.
En un primer momento, a través de las imágenes fijas, los investigadores encontraron pocas diferencias entre las sonrisas naturales por frustración o de alegría, pero el análisis del vídeo mostró que la progresión de ambas expresiones fue muy diferente. A menudo, las sonrisas causadas por felicidad aparecen gradualmente, mientras las originadas por un infortunio surgen y se desvanecen rápidamente.
Comprender las sutilezas que revelan las emociones subyacentes es precisamente uno de los objetivos de esta investigación, según sus artífices. “A las personas con autismo se les enseña que una sonrisa significa que alguien es feliz”, apunta Hoque, pero la investigación demuestra que no es tan simple.
Por ejemplo, el ex primer ministro británico Gordon Brown está considerado como una persona con una sonrisa falsa, debido en gran parte a la “coordinación antinatural de su gesto”, en palabras de Hoque. También cita al ex candidato a la presidencia de EEUU Herman Cain, quien ofrecía en una campaña publicitaria una sonrisa que aparecía muy lentamente -tardaba nueve segundos en formarse-, por lo que fue muy parodiado. “Conseguir la coordinación exacta es muy importante si quiere que sus sonrisas sean percibidas como sinceras y genuinas”, subraya el investigador.
El algoritmo desarrollado por los investigadores del MIT hace un seguimiento de los movimientos que realizan los músculos que producen las expresiones faciales y los cuantifican mediante un registro denominado Sistema de Codificación de Acción Facial (FACS, por las siglas en inglés).
El FACS se desarrolló en la década de 1970 y se ha convertido en el sistema más utilizado tanto en aplicaciones de reconocimiento facial como por gente que necesita entender los comportamientos faciales. Para su uso, los investigadores descomponen la expresión en “unidades de acción”, añadiendo también cualquier asimetría, así como la intensidad y la duración del gesto en cuestión.
En el caso de las sonrisas simuladas son fácilmente identificables porque se usa únicamente el músculo cigomático mayor, que es el que tira de las comisuras de los labios hacia atrás y levanta las mejillas, el cual podemos contraer voluntariamente. Por el contrario, en sonrisas genuinas o espontáneas, (conocidas como sonrisas de Duchenne en honor al neurólogo francés que las identificó en 1862) actúa además el orbicular de los ojos que se tensa de forma involuntaria, tirando hacia abajo de las cejas y hacia arriba de la mejillas, produciendo unas arrugas alrededor de los párpados.
En un primer momento, a través de las imágenes fijas, los investigadores encontraron pocas diferencias entre las sonrisas naturales por frustración o de alegría, pero el análisis del vídeo mostró que la progresión de ambas expresiones fue muy diferente. A menudo, las sonrisas causadas por felicidad aparecen gradualmente, mientras las originadas por un infortunio surgen y se desvanecen rápidamente.
Comprender las sutilezas que revelan las emociones subyacentes es precisamente uno de los objetivos de esta investigación, según sus artífices. “A las personas con autismo se les enseña que una sonrisa significa que alguien es feliz”, apunta Hoque, pero la investigación demuestra que no es tan simple.
Por ejemplo, el ex primer ministro británico Gordon Brown está considerado como una persona con una sonrisa falsa, debido en gran parte a la “coordinación antinatural de su gesto”, en palabras de Hoque. También cita al ex candidato a la presidencia de EEUU Herman Cain, quien ofrecía en una campaña publicitaria una sonrisa que aparecía muy lentamente -tardaba nueve segundos en formarse-, por lo que fue muy parodiado. “Conseguir la coordinación exacta es muy importante si quiere que sus sonrisas sean percibidas como sinceras y genuinas”, subraya el investigador.
Aplicaciones
Jeffrey Cohn, profesor de Psicología en la Universidad de Pittsburgh que no participó en esta investigación, señala que este trabajo “abre un nuevo camino por su enfoque sobre la frustración, una experiencia humana fundamental. Mientras que algunos investigadores habían identificado la sonrisa en el contexto de las expresiones de dolor, el grupo del MIT puede ser el primero en implicarlas con expresiones o emociones negativas”.
Para el profesor, se trata de un trabajo “muy interesante en la ciencia computacional relativa al comportamiento que integra la psicología, la visión artificial, el procesamiento del habla y el aprendizaje automatizado para generar nuevos conocimientos con implicaciones clínicas”. Al igual que los autores del estudio destaca su papel “recordatorio” de que no todas las sonrisas son positivas. “Ha habido una tendencia a leer disfrute cada vez que se encuentra una sonrisa. Para la interacción hombre-ordenador, entre otros campos y aplicaciones, se necesita una visión más matizada”, añade.
No es de extrañar por tanto que esta herramienta pueda utilizarse en la formación de niños con autismo, personas que tienen dificultad con las expresiones, para que puedan identificar los tipos de sonrisas. También puede ser de interés para los comerciantes. “El hecho de que un cliente esté sonriendo, no significa necesariamente que esté satisfecho”, advierte Hoque, y conocer la diferencia podría ser importante para valorar la mejor manera de responderle. “El significado subyacente que se esconde tras la sonrisa es fundamental”, insiste.
Igualmente podría aplicarse a la programación de ordenadores, para que respondieran de forma apropiada a cada estado de ánimo de los usuarios. Precisamente uno de los objetivos de la investigación del Grupo de Computación Afectiva es “crear un equipo más inteligente y respetuoso”, según Hoque.
Jeffrey Cohn, profesor de Psicología en la Universidad de Pittsburgh que no participó en esta investigación, señala que este trabajo “abre un nuevo camino por su enfoque sobre la frustración, una experiencia humana fundamental. Mientras que algunos investigadores habían identificado la sonrisa en el contexto de las expresiones de dolor, el grupo del MIT puede ser el primero en implicarlas con expresiones o emociones negativas”.
Para el profesor, se trata de un trabajo “muy interesante en la ciencia computacional relativa al comportamiento que integra la psicología, la visión artificial, el procesamiento del habla y el aprendizaje automatizado para generar nuevos conocimientos con implicaciones clínicas”. Al igual que los autores del estudio destaca su papel “recordatorio” de que no todas las sonrisas son positivas. “Ha habido una tendencia a leer disfrute cada vez que se encuentra una sonrisa. Para la interacción hombre-ordenador, entre otros campos y aplicaciones, se necesita una visión más matizada”, añade.
No es de extrañar por tanto que esta herramienta pueda utilizarse en la formación de niños con autismo, personas que tienen dificultad con las expresiones, para que puedan identificar los tipos de sonrisas. También puede ser de interés para los comerciantes. “El hecho de que un cliente esté sonriendo, no significa necesariamente que esté satisfecho”, advierte Hoque, y conocer la diferencia podría ser importante para valorar la mejor manera de responderle. “El significado subyacente que se esconde tras la sonrisa es fundamental”, insiste.
Igualmente podría aplicarse a la programación de ordenadores, para que respondieran de forma apropiada a cada estado de ánimo de los usuarios. Precisamente uno de los objetivos de la investigación del Grupo de Computación Afectiva es “crear un equipo más inteligente y respetuoso”, según Hoque.