Петербургские исследователи научили нейросеть различать эмоциональный тон человека по ЭЭГ — электрической активности мозга. Разработка не читает мысли, но показывает, как мозговой сигнал может дополнить камеры, микрофоны и пульсометры в системах раннего мониторинга состояния человека.
Что произошло в Петербурге
26 февраля Минобрнауки России сообщило о работе исследователей Санкт-Петербургского федерального исследовательского центра РАН. Команда обучила нейросетевую модель определять эмоциональное состояние человека по данным электроэнцефалограммы: позитивное, негативное или нейтральное.
Исследование относится к когнитивной науке и прикладному искусственному интеллекту. Его цель не в том, чтобы «угадать настроение» по одному графику, а в том, чтобы добавить к цифровым помощникам новый источник данных — сигнал, который идет не от лица или голоса, а от электрической активности мозга.
СПб ФИЦ РАН работает в Санкт-Петербурге; на официальной странице одного из подразделений центра указан адрес: 14-я линия Васильевского острова, дом 39. Для города это важная деталь: речь не о внешней витрине ИИ, а о лабораторной разработке из петербургской научной среды, где информатика, нейротехнологии и анализ данных сходятся в одной задаче.
Почему ЭЭГ отличается от камеры
Обычные системы распознавания эмоций чаще смотрят на внешние признаки: выражение лица, речь, движения, моргание, пульс. Как пишет «Научная Россия», у таких методов есть слабые места: освещение, шум, манера общения и культурные различия могут мешать алгоритму правильно понять состояние человека.
ЭЭГ работает с другим уровнем сигнала. Электроды регистрируют активность мозга, а модель ищет в ней паттерны, связанные с эмоциональной валентностью — условной осью от неприятного к приятному. В научной статье Big Data and Cognitive Computing авторы описывают задачу именно так: определить, к какой из трех групп ближе текущее состояние — positive, negative или neutral.
Это не превращает устройство в «детектор мыслей». ЭЭГ-сигнал шумный: на него влияют движения, моргание, качество контакта электродов и индивидуальные особенности человека. Поэтому ценность работы в другом — в попытке сделать компактный, неинвазивный и достаточно быстрый канал наблюдения за состоянием пользователя.
На каких данных учили модель
По данным Минобрнауки России, нейросеть обучали на двух открытых базах ЭЭГ — FACED и SEED. В сумме они содержат обезличенную информацию о мозговой активности более 130 человек разного пола и возраста.
В статье Big Data and Cognitive Computing уточняется, что FACED включает записи 123 участников, которым показывали 28 видеоклипов для вызова разных эмоциональных реакций. База SEED построена на записях 15 участников, смотревших 15 фрагментов фильмов, рассчитанных на позитивные, нейтральные и негативные состояния.
Затем исследователи проверяли подход на собственном небольшом наборе данных. В эксперименте участвовали 16 человек: они работали за ноутбуком, а компактное носимое ЭЭГ-устройство BrainBit с четырьмя сухими электродами записывало сигнал. Параллельно велась видеозапись лица, чтобы сравнить ЭЭГ-подход с распознаванием эмоций по изображению.
Что именно распознала нейросеть
Задача была не в распознавании отдельных эмоций вроде радости, страха или злости. Модель классифицировала валентность: положительное, отрицательное или нейтральное состояние. Такой подход проще для практических систем, потому что им часто важен не тонкий психологический портрет, а ранний сигнал о неблагополучии, напряжении или смене состояния.
Как сообщает Минобрнауки России, точность классификации составила в среднем от 70 до 80 процентов в зависимости от человека. Разброс ожидаем: мозговая активность у людей индивидуальна, и одинаковое переживание может выглядеть в ЭЭГ по-разному.
Научная статья добавляет важное ограничение: компактная четырехканальная ЭЭГ удобнее классических лабораторных систем, но дает меньше пространственных данных. Авторы поэтому адаптировали большие наборы FACED и SEED под конфигурацию с четырьмя каналами и применяли фильтрацию сигнала в диапазоне 0,5–40 Гц.
Где такая технология может пригодиться
Самый понятный сценарий — цифровые помощники для людей, чья усталость или эмоциональная нестабильность может влиять на безопасность. В сообщении Минобрнауки России названы операторы, водители и специалисты единых информационных центров, связанные с транспортной, промышленной и иной критической инфраструктурой.
Для Петербурга это легко представить на городском материале: диспетчерские службы, транспортные системы, промышленные площадки, крупные узлы управления. Алгоритм не заменяет врача, психолога или инструктора, но может стать дополнительным индикатором: система замечает изменение состояния раньше, чем оно проявится в ошибках или срыве внимания.
В Big Data and Cognitive Computing авторы также упоминают адаптивные интерфейсы и приложения для мониторинга психического здоровья. Такой интерфейс мог бы менять нагрузку, темп уведомлений или режим подсказок, если видит признаки перегрузки. Но до массового применения нужны большие проверки вне лаборатории.
Что важно понимать без сенсаций
Фраза «ИИ читает эмоции» звучит эффектно, но точнее говорить о вероятностной оценке сигнала. Нейросеть не знает, что человек думает, и не выносит медицинский диагноз. Она сопоставляет короткие фрагменты ЭЭГ с классами, на которых обучалась.
Есть и этический слой. Если такие системы будут применяться на рабочих местах, нужны понятные правила: кто видит данные, как долго они хранятся, можно ли отказаться от мониторинга, не используются ли результаты как скрытый инструмент давления. ЭЭГ может быть обезличенной в исследовательской базе, но в реальной системе это уже чувствительная информация о состоянии человека.
Петербургская работа интересна именно балансом между инженерной пользой и осторожностью. Компактная ЭЭГ-шапочка не обещает магии, зато показывает направление: мозг можно слушать не только в клинике и не только на больших установках, а в более мобильном формате, если аккуратно обращаться с данными и не преувеличивать возможности алгоритма.