بخشی از مقاله
کاربردهای جدید علم کامپیوتر در حوزه ی روانشناسی
چکیده
پیچیدگی سیستمهای نرم افزاری و متغیر بودن دامنه های کاربردی آن هر روز درحال افـزایش اسـت. احسـاس مصـنوعی در ماشین ها یک موضوع تحقیقاتی به ظهور رسیده است و همچنین استفاده از هوش مصنوعی و تکنولوژی کامپیوتری در درمان بیماری ها از جهات تحقیقات امیدوارکننده درهوش مصنوعی است .هوش مصنوعی با اینکه یکی از گرایش های اصلی در علم کامپیوتر است اما کاربرد های بین رشته ای بسیاری دارد. در این مقاله به دو کابرد نوین علم کامپیوتر و هـوش مصـنوعی در علم روانشناسی یکی برای درمان و دیگری احساسات مصنوعی پرداخته و هر دو را با مثال تشریح می کنیم.
کلمات کلیدی: واقعیت افزوده، نشانگرهای غیرقابل رؤیت، احساسات مصنوعی، نقشه شناخت فازی، روانشناسی.
.1 مقدمه
یکی از کاربرد های علم کامپیوتر در رواندرمانی سیستم ردیابی نشانگر (قابل رؤیت / غیرقابل رؤیت ) واقعیت افزوده برای درمان تـرس نسبت به حشرات کوچک است ( Augmented Reality) AR اشاره به استفاده از محتوای مجازی در دنیای واقعی است که کـاربر در حال دیدن یک تصویر متشکل از یک تصویر واقعی و عناصر مجازی است که بر آن منطبق هستند. در مثال تشریح شده در این مقالـه، نشانهها به بیماران از حضور حشرات هشدار می دهند و این می تواند یک اضطراب اولیـه تولیـد کنـد. یکـی از گـام هـای مشـترک از پروتکل برای درمان بیماران مبتلا به ترس از حشرات کوچک این است که بیماران این جستجو را برای ترس از حشرات به همین شیوه در خانه هایشان انجام می دهند. در مثال مذکور برای شبیه سازی این جستجو از سه جعبه استفاده شده است. زیر یکی از آنها یـک نشانگر به صورت تصادفی قرار می گیرد، حشرات بر روی نشانگر نشان داده خواهند شد. در ابتدا، زمانی که بیمار بخشـی از نشـانگر را می بیند، سیستم هنوز حشرات را نشان نداده اما بیمار می داند که آنها ظاهر خواهند شد و او می توانـد تصـمیم بگیـ رد کـه جعبـه را تماماً بالا نبرد و حشرات ظاهر نشوند اما اگر نشانگر قابل رویت نباشد بیمار نمی داند که حشرات ظاهر خواهند شد و وقتی آنها ظـاهر می شوند تعجب موردنظر را به وجود می آورند. برای جلوگیری از تناظر یک به یک بین ظاهر نشانگر و ظاهر حشرات، می توان محیط
را با تعداد زیادی از نشانگرها پر کرد و فقط به طور تصادفی یکی از آن ها در زمان داده شده فعال باشد. با این حـال، در هـر دو مـورد نشانگر ها به طور مصنوعی در محیط ظاهر می شوند.
مثال دوم یکی از کاربرد هوش مصنوعی در علم روانشناسی است که در آن نقشه شناخت فـازی بـه عنـوان یـک ابـزار مناسـب بـرای پیشبینی احساسات مصنوعی در سیستم های خودمختارشناورشده در محیط های پیچیده با عدم قطعیت بالا پیشنهاد می شود. مـدل احساسات تایر (Thayer) برای خروجی های FCM(Fuzzy Cognitive Maps) درون یک فضای احساسی استفاده شـده اسـت کـه مدل اقلام احساسات را در یک دستگاه مختصات دکارتی دو بعدی برطبق ظرفیت و انگیختگی معرفی میکند. بخش 2 این مقاله مثال مر بوط به واقعیت افزوده جهت روان درمانی را تشریح میکند و مثال کاربردی دوم در مورد احساسات مصنوعی در بخش 3 آمده است. بخش 4 نتیجه گیری کلی را در بر دارد.
.2 واقعیت افزوده برای روان درمانی
اولین سیستم AR برای درمان ترس از سوسک و عنکبوت ارائه شده است. در این مورد تنها با یک جلسه یک ساعته نشـان داده شـد که ترس بیماران به طور قابل ملاحظه ای کاهش می یابد . در ابتدا، این سیستم در یک مطالعه موردی تحـت آزمـایش قـرار گرفـت و سپس روی 9 بیمار که از ترس نسبت به حشرات کوچک رنج می بردند آزمایش شد. در همهی موارد ترس بیماران نسبت به حشـرات در یک جلسه با استفاده از سیستم نشانگر مرئـی واقعیـت افـزوده (Visible Marker Augmented Reallity System) VMARS کاهش یافت. علاوه بر این، همه آنها قادر به تعامل با حشرات واقعی بعد از درمان بودند، قبل از درمان هیچ یک از بیماران بدون تـرس قادر به ارتباط یا نزدیکی به حشرات زنده نبودند. ( برای اطلاعات بیشتر به [3] مراجعه کنید).
برای درمان ترس از بلندی، استفاده از عکاسی همه جانبه در یک سیستم AR پیشنهاد شد. در این سیستم 41 شرکت کننـده بـدون ترس از بلندی، از بلندی های اطراف در بالای راه پله در هر دو محیط واقعی و محیط عکاسی همه جانبه راه رفتنـد. بلافاصـله بعـد از تجربه خود شرکت کنندگان پرسشنامه SUS را برای ارزیابی درک ذهنی خود از حضور ارائه دادند نمرات کاربران در محـیط عکاسـی همه جانبه بسیار بالا بود. نتایج نشان داد که این کار می تواند برای ترس از بلندی مفید باشد( برای اطلاعات کامـل بـه [4] مراجعـه کنید).
سیستم AR نیازمند ردیابی دقیق موقعیت و جهت گیری به منظور ثبت عناصر مجازی در جهان واقعی است. فناوری های مغناطیسی، مکانیکی، آکوستیک، حرکتی، نوری و یا ترکیبی برای رسیدن به ردیابی سه بعدی مورد استفاده قرار میگیرنـد. تکنیـک هـای نـوری میتوانند به دو دسته مبتنی بر نشانگر/مبتنی بر معیار یا مبتنی بر ویژگی های طبیعی/بدون نشانگر تقسیم شوند. روش های مبتنی بـر نشانگر از معیارهایی که به راحتی نشانه ها یا مرزها قابل تشخیص هستند استفاده می کنند، مثل مستطیل، دایـ ره، صـفحه شـطرنج و غیره. این نشانه ها می توانند غیرفعال (به عنوان مثال یک نشانگر چاپ شدنی) یا فعال (مثل یک دیود شعله ور ساطع) باشـند ( بـرای اطلاعات بیشتر به [5] مراجعه کنید). سیستم معرفی شده در این مقاله از یک جوهر مادون قرمز برای کشیدن نشانگرها و 2 دوربین (یک دوربین رنگی و یک دوربین مادون قرمز) استفاده می کند.
.2.1سخت افزار
بـرای گـرفتن تصـاویر در سیسـتم نشـانگر نـامرئی واقعیـت افـزوده ( Invisible Marker Augmented Reallity System) IMARS از یک دوربین سنجاقکی استفاده شده است. دو دوربین محکم جلوی HMD نصب شده انـد. سیسـتم تجسـم از دوربـین سنجاقکی ، دوربین مادون قرمز و HMD تشکیل شده انـد. در سیسـتم VMARS هماننـد IMARS از همـین دوربـین رنگـی و HMD استفاده می کند. IMARS به جوهر خاصی برای نشان دادن نشـانگرهای نـامرئی نیـاز دارد. ایـن جـوهر خـاص مانـدگاری محدودی دارد به این معنی است که این نشانگرها هرهفته کشیده می شوند، در این مثال از جوهری استفاده می شود که در برابر نـور ماوراء بنفش و دید انسان نامرئی است.[2]
.2.2نرم افزار
روانشناس می تواند تعداد حشرات را برای ظاهر شدن انتخاب نماید. حشرات می توانند حرکت کنند یا متوقف شوند. این امکان وجود دارد که حشرات با استفاده از حشره کش و مگس کش کشته شوند. هنگامی که این اتفاق می افتد سیستم صدایی مربوط بـه ابـزاری که استفاده شده است را تولید می کند و یک یا تعداد بیشتری از حشرات ظاهر شده می میرنـد. بـرای گسـترش ایـن دو سیسـتم، از کتابخانه ی ARtoolkit با زبان مدلسازی واقعیت مجازی استفاده شده است. مدل های سه بعـدی از عناصـر مجـازی بـا اسـتفاده از ابزارهای میز خودکار استودیومکس سه بعدی طراحی شده اند. این مدل ها به فرمت VRML تبـدیل شـده انـد و بـا پـد VRML ویرایش شده اند. ساختارها در نرم افزار فتوشاپ ایجاد شده اند. سیستم های VMARS و IMARS سـه عنکبـوت متفـاوت و یـک سوسک را ضمیمه کردند. برای هر نوع از حشرات سه مدل طراحی شده: بدون حرکت، با حرکت و حشره مرده. حشرات غیرمتحرک در صحنه های ایستا نشان داده می شوند. مدل متحرک شامل انیمیشن حشرات می باشد وقتی که گزینه متحرک انتخـاب مـی شـود مدل متحرک حشرات نشان داده می شوند. حشرات مرده وقتی که کاربر یکی یا تعداد بیشتری از حشرات را می کشد ظاهر میشـوند. برای بدست آوردن نتیجه واقعی سوسک های متحرک، پرتحرک هستند و پاها و شاخک هایشان را حرکت می دهند و عنکبوت ها نیز پاهایشان را حرکت می دهند. وقتی که حشرات کشته می شوند، سیستم صدایی را که وقتی حشرات واقعی کشـته مـی شـوند تولیـ د میکند. هر دو سیستم شامل 2 صدا هستند: صدایی شبیه به صدای واقعی یک حشره کش و صدایی شبیه به له شدن یک عنکبوت یـا سوسک واقعی. رابط کاربری گرافیکی ایجاد شده با استفاده از OpenGL (کتابخانه رابـط کـاربری مبتنـی بـر (GLUT و Toolkit استفاده می کند. پشتیبانی صدا به وسیله کتابخانه ی OpenAL تامین می شود.[2]
.2.3 سیستم ردیابی نشانگر نامرئی AR
دو دوربین (دوربین مادون قرمز و دوربین رنگی) به طور همزمان صحنه ی جهان واقعی را ضبط می کننـد. تصـویر گرفتـه شده توسط دوربین مادون قرمز به وسیله ی ARToolkit پردازش می شود. موقعیت و جهت دوربین مادون قرمز میتواند با توجه به جهت نشانگرها برقرار شود. از آنجا که ارتباط بین دوربین مادون قرمز و دوربین رنگی شـناخته شـده اسـت. بـه عنوان یک نتیجه، کاربر صحنه ای را که در آن هیچ نشانگری وجود ندارد می بیند اما عناصر مجـازی در موقعیـت و جهـت صحیح ظاهر می شوند. تصویر افزوده در نهایت در نمایشگرهای کوچک HMD نشان داده می شوند. (شکل . [2](1
× شکل .1 سیستم واقعیت افزوده برای رواندرمانی ترس از حشرات موذی
3. احساسات مصنوعی
احساسات یک اثر حیاتی بر حالات فیزیکی، فعالیت ها، باورها، انگیزه ها، تصمیم ها و آرزوها دارند. تعادل مناسب احساسات انسان را در حل مسائل خلاق تر می سازد. در حالت مشابه اگر بخواهیم که سیستم ها هوش واقعی داشته باشند، سیستمها نیاز دارند که بفهمند واحساسات را در یک درجه قطعی بیان کنند. تحقیقات با موضوع احساسات و کامپیوتر ها امیـدبخش است. در سالهای اخیر تحقیقات در مورد احساسات یک زمینه تحقیقات چند شاخه ای رو به رشد شده است. در واقـع ایـن تحقیق یک نقش حیاتی در تعامل انسان /ماشین بازی می کند. شناخت اتوماتیک احساسات قصد دارد به تعامل های بـین انسان و ماشین بهبود ببخشد. علاوه براین می تواند برای ساختن فعالیتهای سیستمها بر طبق احساسـات متـداول انسـان استفاده شود. کشف احساسات درون یک مرکز اورژانس پزشکی، تشخیص نیمه اتوماتیک کشف بیماریهای روانـی، حـالات احساسی بچه ها در بازیهای محاوره ای کامپیوتر و غیره کاربرد دارد.
اشاره کردن (برای ناشنوایان) ،تصویر بدن وصورت گزینه هایی برای کشـف احساسـات هسـتند. بهـر حـال اینهـا انـواعی از روشهای پیچیده تر برای استفاده در کاربردهای واقعی بسیاری هستند. پیشبینی احساسات یـک نیـاز ضـروری اسـت. ایـن مثال محاسبات نرم مبتنی بر روشهای پیش بینی احساسات درکاربردهای زندگی واقعی را معرفی میکند. این روش به مـدل احساسات تایر برای فضای محرک اتکا دارد.[1]
.3.1مدل احساسات تایر
مدل تایر بر تجزیه وتحلیل روحیه به عنوان یک روانشناسی براساس مفهوم بنا نهاده شده اسـت. تـایر جزئیـات بیشـتری را مورد تفکر قرار می دهد و خلق و خوی را به عنوان یک حالت عاطفی مرتبط با عوامل بیوشیمیایی پایه گذاری می کند. این مدل مقوله های احساس را در بعدی با توجه به ظرفیت آنها (مثبت / منفی) و انگیختگـی (هیجـان انگیـز / آرام) قـرار مـی دهد. کلاس احساسات را به 4 ربع دو بعدی تقسیم شده است. سیستم مختصات دکارتی بر اساس محورهای ظرفیتـی((x و برانگیختگی (y) است. مبدا به معنی فقدان احساسات می باشد. نزدیک شدن به مبدا به معنی احساسات با شـدت کمتـر و نقاط دور از مبدا نشان دهنده احساسات شدیداست.[1]
.3.2محاسبات نرم درون سیستم های احساسات آگاه
در یک کار تحقیقاتی یک عامل هوشمند احساسی با معماری مبتنی بریک سیستم عصبی- فازی به عنوان پردازنده رویـداد ویک شبکه هاپفیلد به عنوان محاسبه گر حالت احساسی توسعه داده شده است.لایه خارجی پردازنده رویـداد، یـ ک الگـوی عددی بر طبق رویداد ورودی تولید می کند. این الگو توسط شبکه برای محاسبه حالت احساسی بدست می آید. یک مـدل به نام مدل منطق فازی احساسات (FLAME) برای تولید احساسات طراحی شده و برای شبیه سازی عاطفی فرآینـدهای اطلاعاتی به کار میرود. FLAME قوانین فازی را برای تحقق کاربردهای منطق فازی در مدلسازی فراینـد احساسـی بکـار میبرد. گروهی دیگر یک FCM توسعه یافته، نظریه ماشین های زمانبندی شده مبتنی بر نقشه منطـق فـازی بـا اسـتفاده ازیک تئوری از زبانهای رسمی یعنی نظریه ماشینهای زمانی، برای عیب یابی اشـکالات FCM ارائـه دادنـد( بـرای اطلاعـات کامل به [6] مراجعه کنید).
بعضی محققان از FCM برای مدلسازی روابط بین احساسات، حالات هیجانی، حالات و عملیات فیزیکی استفاده کرده انـد. در این کار داده های حسی به منظور تخمین احساسات و پاسخ های راه اندازی بکاربرده شده انـد. در نتیجـه FCM یـک تکنیک نرم محاسباتی در زمینه محاسبات عاطفی است. FCM ها ویژگیهای مشابهی با دیگر روشها دارند و در عین حال جنبه های متفاوتی که محدودیت های دیگر را حل می کنند را ارائه می دهد. در واقع FCM ها ویژگیهایی مانند انعطـاف-پذیری، سازگاری و استدلال فازی و ظرفیت انتزاعی دارند. FCM ها بطور گسترده ای در تحقیقات به عنوان عنصر بسـیار مفید برای مدلسازی و تجزیه تحلیل دینامیکی پیچیده سیستم استفاده شده اند. استفاده از ابزار شناخت که بتـوان دانـش واستدلال را در آن به طور موثر مدلسازی کرد، آسان است. در مثال کاربردی از احساسات مصنوعی بین FCM هـا و یـک مدل احساسات تایر به عنوان چارچوب و یک معماری برای سیستم عاطفی ارتباط برقرار میشود.
.3.3اصولFCM مبتنی بر سیستم پیش بینی احساسات
نقشه شناخت فازی به عنوان ابزار جایگزین برای نمایش و مطالعه رفتار سیستم ها و مردم پدیـدار شـده اسـت. FCM هـا دیاگراف های وزن دار فازی علامتداری هستند که معمولا شامل بازخورد و گره هـای اشـاره گـر بـه عاملهـای مـرتبط یـک محیط تصمیم گیری است. یال های فی ما بین نشان دهنده ارتباط بین آنهاست. ازنقطه نظر هـوش مصـنوعی FCM هـا توسط سیستمهای فازی-عصبی یادگیر تحت نظارت هستند. FCM رفتار یک سیستم در قالب شرایطی از مفاهیم را شرح می دهد، هرکدام یک موجودیت،یک وضعیت، یک متغیر، یک مشخصه سیستم را نمـایش مـی دهنـد. گـره هـای FCM بعضی مفاهیم را به عنوان رویدادها، مولفه های فیزیکی، سرمایه گذاری یا
