Медитация и высокие технологии ― на первый взгляд, две совершенно не сочетающиеся вещи. Тем не менее, мобильные приложения, компьютерные алгоритмы так глубоко вошли в нашу жизнь, что первые инструменты, к которым прибегают люди, желая заняться йогой или медитацией ― это зачастую поисковик и смартфон.
«В связи с коронавирусом интерес к медитации сильно вырос, ― рассказывает доцент факультета информационных технологий и программирования Университета ИТМО, старший научный сотрудник СПб ФИЦ РАН Алексей Кашевник. ― Мы смотрели статистические данные, количество запросов в "Яндексе" о поиске различных приложений для медитаций увеличилось в феврале-апреле. Население интересуется практиками, которые дают возможность мозгу отдохнуть от повседневности, стресса, гонки».
Приложение для медитации
Группа ученых Университета ИТМО решила создать приложение, которое поможет обычным людям понять, насколько хорошо они продвигаются на пути расслабления и достижения психоэмоционального состояния, именуемого медитацией.
«У нас большой опыт в видео-аналитике и использовании нейронных сетей для понимания того, что происходит с человеком, ― поясняет Алексей Кашевник. ― Например, у нас уже есть проект по анализу состояния водителя, призванный повысить безопасность дорожного движения. Оставалось понять, как можно применить эти технологии к медитации, ведь понятно, что это глубокий внутренний процесс, который полностью осознается только самим человеком. Необходимо было установить, существуют ли какие-то внешние проявления процесса медитации, которые можно зарегистрировать при помощи анализа видеопотока».
Тренировка нейросети
Для начала ученые собрали данные. Они пытались определить, как внешняя активность человека ― его дыхание, движения, позы ― связаны с его внутренним состоянием. В качестве консультантов привлекались преподаватели йоги и медитации.
«Пока у нас небольшая выборка данных, говорить, что мы полностью решили задачу нельзя, ― отмечает Алексей Кашевник. ― Мы проанализировали всего около 50 видео. Тем не менее, первичные данные показывают, что есть совершенно четкая корреляция между определенными паттернами поведения и успешностью практики у новичков. Эти паттерны может увидеть нейросеть ― ссутуливание, наклон корпуса человека в какую-то сторону, неритмичное дыхание, движение частями тела».
Как оценить медитацию
Первоначально это делалось в полуавтоматическом режиме ― авторы проекта отсматривали видео медитаций и строили графики движения частей тела, определяли, в каких позах сидят люди, и присваивали каждому параметру определенное количество положительных и отрицательных очков, которые позволяют нейросети в дальнейшем оценивать, насколько успешно было занятие. В данный момент этот процесс удалось автоматизировать, что и послужило предметом научной статьи.
«Понятно, что нейронная сеть никогда не даст ответ, что этот человек хорошо медитирует, а этот плохо, ― говорит Алексей Кашевник. ― Но нейронная сеть может дать ответ о прогрессе, которого достиг человек за несколько месяцев занятий. Когда мы начинаем чем-то увлекаться, что-то пробуем, но не получаем обратной связи, это может снизить наш интерес».
Ученые уже создали онлайн-ресурс, на котором можно загрузить видео своей тренировки, чтобы оценить ее успешность с помощью набора нейросетей. В дальнейшем планируется свести их работу в единое мобильное приложение.
Научный вклад
Помимо сугубо практического вклада работа имеет и теоретический пласт. Как пишут в заключении к статье авторы, им удалось подтвердить свою изначальную гипотезу о том, что внутреннее психоэмоциональное состояние человека имеет внешние проявления в определенных паттернах поведения.
«Современные методы искусственного интеллекта позволяют решить проблему классификации человеческого поведения на основе анализа внешних признаков, проведенного на основе изображения с камеры смартфона, и сделать выводы о внутреннем состоянии человека», ― говорится в работе ученых.
Статья: Human Psychophysiological Activity Estimation Based on Smartphone Camera and Wearable Electronics. A. Kashevnik, M. Kruglov, I. Lashkov, N. Teslya,P. Mikhailova, E. Ripachev, V. Malutin, N. Saveliev, I. Ryabchikov, Future Internet, 2020/10.3390/fi12070111
