מסגרת GRU דו-כיוונית מרובת-תשומת לב מונחית-ידע מבוססת לוגיקה למיון רמות פחד בבני אדם

מדוע קריאת הפחד בגוף חשובה

פחד הוא יותר מתחושת חולשה בקיבה — הוא מעצב מחדש את קצב הלב, את הזיעה ואפילו את גלי המוח. אם מחשבים יכלו לקרוא בעקביות את השינויים העדינים הללו, מטפלים יוכלו לעקוב אחר חרדה בזמן אמת, רכבים ורובוטים יוכלו להגיב כשאנשים בפאניקה, ועולמות מציאות מדומה יתאימו את עצמם כדי לשמור על המשתמשים. במחקר זה חוקרים כיצד ללמד מכונות לזהות רמות שונות של פחד אצל אנשים על ידי שילוב אותות מהמוח ומהגוף עם סגנון חשיבה מובנה מבוסס-חוקים, במטרה להשיג מערכות מדויקות וברורות לבני אדם.

האזנה למוח ולגוף

חוקרי העבודה יוצאים מנקודת הנחה שאין מדידה אחת שיכולה לתפוס את הפחד במלואו. לכן הם מאחדים מספר סוגים של אותות פיזיולוגיים: פעילות חשמלית מהמוח, מוליכות העור שעולה כאשר אנו מזיעים, שינויים בקצב הלב, דפוסי נשימה ותנועות פנים. נעשה שימוש בשתי אוספי ניסויים קיימים. הראשון, בשם DEAP, מקליט את אותות המוח והגוף של אנשים בזמן שהם צופים בקליפים מוזיקליים ומדרגים עד כמה הם נעימים ועוצמתיים. השני, DECAF, משתמש בסריקות מוח וחיישני גוף בזמן שאנשים צופים בסצנות מעוררות פחד או מאזינים למוזיקה. מערכי נתונים רב-ממדיים אלה מספקים תמונה עשירה של האופן שבו הפחד בא לידי ביטוי במערכת העצבים.

המרת אותות גולמיים לכללים פשוטים

אותות גולמיים לבדם רועשים וקשים לפרש, לכן הצוות מזקק אותם לתכונות בעלות קשרים ידועים לרגש. לדוגמה, הם מחשבים "אסימטריית אלפא קדמית", תבנית בגלי מוח מעל המצח השמאלי והימני שנקשרת לעתים למצב רוח שלילי, וסופרים שיאים בתגובת החשמל בעור שנוטים לעלות במצבי סטרס. הם גם מפצלים את אותות המוח לרצועות תדר קלאסיות — דלתא, ת'טה, אלפא, בטא וגמא — ומסכמים את השונות בקצב הלב. במקום להזין את המספרים הרציפים האלה ישירות למודל תיבת-שחורה, הם מציגים למידה מבוססת-לוגיקה: כל תכונה נשפטת כ"גבוהה" או "נמוכה" באמצעות ספים שנבחרו תוך שימוש בשיטות סטטיסטיות. מתוך אבני הבניין הבינאריות הללו, אלגוריתם הידוע כתכנות לוגיקה אינדוקטיבי (ILP) מגלם חוקים קריאים לבני-אדם של IF–THEN, כגון שילובים של תגובת עור גבוהה ושונות לב נמוכה שמצביעים בצורה מהימנה על פחד.

חיבור חוקים ללמידה עמוקה

בעוד החוקים הלוגיים מקלים על הבנת ההחלטות, מודלים מודרניים של למידה עמוקה טובים יותר בחילוץ כל גרגר כח חיזוי מהנתונים המורכבים. לכן הכותבים מתייחסים לתוצאות הלוגיות כקלט הבלעדי למספר ארכיטקטורות רשת עצבית שנועדו לאותות משתנים בזמן. אלה כוללות רשתות חוזרות סטנדרטיות, רשתות זיכרון לטווח-ארוך (LSTM), יחידות חוזרות ממוטבות (GRU) פשוטות ועיצוב מתקדם הנקרא GRU דו-כיווני מרובת-תשומת לב. הדגם האחרון לא רק מביט לאחור ולפנים לאורך כל רצף התכונות, אלא גם משתמש במנגנוני תשומת לב כדי להתמקד ברגעים המידעיים ביותר, כמו זינוקים חריפים במוליכות העור או שינויים פתאומיים בגלי המוח, תוך התעלמות מתנודות שוליות.

כמה טוב המערכת קוראת פחד

כדי לבדוק את הגישה שלהם, הצוות משווה בין מודלים שאומנו על אותם קלטים עם השכבה המבוססת-לוגיקה וללאה. הם מעריכים אותם על כמה בדיוק הם מצליחים להפריד בין ללא פחד לפחד, ובנתוני DEAP, עד כמה הם מבחינים בארבע רמות הנעות מאי-פחד עד פחד גבוה. על פני תיקוף צולב נרחב ובדיקות סטטיסטיות, הוספת החוקים הלוגיים משפרת באופן עקבי את הביצועים ומייצבת את התוצאות מחלוקת בדיקה אחת לשנייה. הארכיטקטורה הבולטת, ה-GRU הדו-כיווני מרובת-תשומת לב המונחית-ידע, מגיעה לכדי דיוק של בערך 96.7 אחוז על מערך הנתונים DEAP וביצועים גבוהים דומים בקליפים מוזיקליים ב-DECAF, ומשיגה תוצאות טובות יותר ממספר שיטות שפורסמו קודם לכן ומטכניקות למידת מכונה קונבנציונליות.

מה משמעות הדבר לכלים רגישי-רגש בעתיד

במלים פשוטות, המחקר מראה שמחשבים יכולים להעריך רמות פחד אנושיות באמינות מרשימה כשהם קוראים אותות גוף ומוח מרובים ומפרשים אותם דרך ידע ברור בדמות חוקים לפני החלת למידה עמוקה. העיצוב המשולב הזה מציע את הטוב משני העולמות: כוחן של רשתות נוירונים מודרניות והשקיפות של חוקים לוגיים שמומחים יכולים לבחון ולדייק. גישה כזו יכולה לשמש למעקב בריאותי נפשי עתידי, לבידור אדפטיבי ולמערכות בטיחות שעושות יותר מהניחוש ברגשותינו — הן מוסיפות הסבר מדוע הן סבורות שאנו מפוחדים, ובכך פותחות את הדלת לטכנולוגיות אמינות ומותאמות אישית יותר.

ציטוט: Joshva, A.A., Balasubramanian, V.K. & Murugappan, M. A logic-based knowledge-driven bidirectional multi-attention GRU framework for fear level classification in humans. Sci Rep 16, 13722 (2026). https://doi.org/10.1038/s41598-026-44151-x

מילות מפתח: זיהוי רגשות, איתור פחד, אותות פיזיולוגיים, למידה עמוקה, אינטליגנציה מלאכותית ברת-פרשנות