Las emociones, capítulo V, Monografías, Ensayos de Teorías de Comunicación

¡Descarga Las emociones, capítulo V y más Monografías, Ensayos en PDF de Teorías de Comunicación solo en Docsity!

V. Las emociones

EN UN REMOTO puesto de avanzada de las zonas montañosas de Papúa Nueva Guinea, un joven psicólogo estadounidense llamado Paul Ekman llegó acompañado de una colección de tarjetas y una nueva teoría.^1 Era el año 1967 y Ekman había escuchado que el pueblo fore de Okapa estaba tan aislado del ancho mundo que pensó que eso los volvería sus sujetos de prueba ideales. Como muchos investigadores occidentales antes que él, Ekman había llegado a Papúa Nueva Guinea para recabar datos de la comunidad indígena. Reunía pruebas para reforzar una controvertida hipótesis: que todos los seres humanos exhiben un pequeño número de emociones o afectos que son naturales, innatos, transculturales e idénticos en todo el mundo. Aunque esa afirmación sigue siendo poco convincente, sus consecuencias han tenido un gran alcance: los presupuestos de Ekman sobre las emociones se han convertido en una industria creciente que vale más de 17.000 millones de dólares.^2 Esta es la historia de cómo el reconocimiento emocional se volvió parte de la inteligencia artificial (IA) y los problemas que esto conlleva. En los trópicos de Okapa, guiado por el investigador médico Daniel Carleton Gajdusek y el antropólogo E. Richard Sorenson, Ekman esperaba conducir experimentos para evaluar la manera en que los fore reconocían

¿Cómo fue, entonces, que esta colección de afirmaciones y metodologías experimentales controvertidas se convirtió en el enfoque que impulsa muchas partes de la industria de la IA emocional? ¿Por qué la idea de que hay un pequeño conjunto de emociones universales que pueden interpretarse fácilmente a partir del rostro se volvió tan aceptada en el campo de la IA, a pesar de la existencia de considerable evidencia que prueba lo contrario? Para entender eso, es necesario rastrear el desarrollo de esas ideas, mucho antes de que las herramientas de reconocimiento emocional de la IA fueran integradas a la infraestructura de la vida cotidiana. Ekman es solo una de las muchas personas que han contribuido a las teorías detrás del reconocimiento emocional. Pero la rica y sorprendente historia de su investigación ilumina algunas de las complejas fuerzas que impulsan el campo. Su trabajo está conectado, en primer lugar, con la financiación, por parte de las agencias de inteligencia de Estados Unidos, de las ciencias humanas durante la Guerra Fría, pero también con el trabajo fundamental en el campo de la visión artificial de los programas de seguridad posteriores al 11 de septiembre empleados para identificar a los terroristas, y así hasta llegar a la moda actual del reconocimiento emocional basado en la IA. Esta es una crónica que combina ideologías, políticas económicas y otras basadas en el miedo, así como el deseo de extraer más información sobre las personas de la que ellas están dispuestas a dar.

PROFETAS EMOCIONALES: CUANDO LOS SENTIMIENTOS CUESTAN DINERO

Para los ejércitos, las corporaciones, las agencias de inteligencia y las fuerzas policiales del mundo, la idea del reconocimiento emocional automático es tan llamativa como lucrativa. Promete filtrar, de manera

confiable, al amigo del enemigo, distinguir mentiras de verdades y usar los instrumentos de la ciencia para adentrarse en mundos interiores. Las compañías tecnológicas han capturado volúmenes inmensos de imágenes superficiales de expresiones humanas, incluidos miles de millones de selfis de Instagram, retratos de Pinterest, videos de TikTok y fotografías de Flickr. Una de las muchas cosas que la profusión de imágenes hizo posible fue el intento de extraer, usando el aprendizaje automático, la llamada verdad escondida de los estados emocionales interiores. El reconocimiento emocional se está integrando en muchas plataformas de reconocimiento facial, desde las compañías tecnológicas más grandes hasta las pequeñas startups. Mientras que el reconocimiento facial busca identificar a un individuo particular, la detección emocional apunta a detectar y clasificar emociones analizando cualquier rostro. Puede que estos sistemas no estén haciendo lo que pretenden hacer, pero pueden ser agentes poderosos a la hora de influir comportamientos y entrenar personas para que se desempeñen de maneras reconocibles. Estos sistemas ya están jugando un papel en delinear el comportamiento de las personas y la manera en que las instituciones sociales operan, a pesar de la falta de evidencia científica sustancial que diga que funcionan. Hoy en día se utilizan ampliamente los sistemas automatizados de detección emocional, en especial en la contratación. Una startup de Londres llamada Human usa el reconocimiento emocional para analizar entrevistas filmadas de candidatos a puestos de trabajo. De acuerdo con un informe del Financial Times, “la compañía asegura que puede detectar las expresiones emocionales de los posibles candidatos y relacionarlas con rasgos de personalidad”; la compañía luego puntúa a los sujetos en rasgos de personalidad como honestidad o pasión por el trabajo.^7 HireVue, la compañía de contratación por medio de IA, que tiene entre sus clientes a

de trabajo hasta otras que analizan si los estudiantes están prestando atención en clases; todo esto capturando y analizando sus expresiones faciales y lenguaje corporal.^14 Más allá del sector de las startups, todos los gigantes de la IA, como Amazon, Microsoft e IBM, tienen sus propios sistemas diseñados para detectar emociones y afectos. Microsoft ofrece una detección emocional en su Face API que asegura poder detectar lo que un individuo está sintiendo entre un rango de emociones que va de “ira, desprecio, asco, miedo, felicidad, neutralidad, tristeza y sorpresa”, y afirma que “estas emociones son entendidas como transculturales y se comunican universalmente con expresiones faciales particulares”.^15 De forma similar, la herramienta Rekognition de Amazon asegura que puede identificar “todas las siete emociones” y “medir cómo estas cosas pueden cambiar en el tiempo, una especie de línea temporal de las emociones de un actor”.^16 Pero ¿cómo funcionan estas tecnologías? Los sistemas de reconocimiento emocional crecieron en los intersticios entre tecnologías de IA, las prioridades militares y las ciencias del comportamiento (la psicología en particular). Comparten un conjunto similar de cianotipos y suposiciones fundacionales: que hay un pequeño número de categorías emocionales distintas y universales, que revelamos esas emociones de forma involuntaria en nuestros rostros y que las máquinas las pueden detectar. Estos artículos de fe son tan aceptados en algunos campos que puede incluso parecer raro prestarles atención, y todavía más cuestionarlos; están tan integrados que han venido a constituir “el punto de vista común”.^17 Pero si vemos cómo se llegó a taxonomizar las emociones (ordenadas y etiquetadas cuidadosamente), veremos que van surgiendo preguntas a cada paso. Y una de las figuras destacadas detrás de este método es la de Paul Ekman.

“EL LECTOR DE ROSTROS MÁS FAMOSO DEL MUNDO”

La investigación de Ekman comenzó con un afortunado encuentro con Silvan Tomkins, por entonces reconocido psicólogo con base en Princeton que había publicado en 1962 el primer volumen de su magnum opus, Affect Imagery Consciousness.^18 El trabajo de Tomkins con las emociones tuvo una gran influencia en Ekman, que dedicó gran parte de su carrera a estudiar sus implicaciones. Un aspecto en particular cumplió un papel descomunal: la idea de que, si las emociones eran un conjunto innato de respuestas evolutivas, estas serían universales y, por lo tanto, reconocibles a través de las culturas. Este deseo de universalidad resulta muy relevante a la hora de entender por qué estas teorías se aplican ampliamente en los sistemas de reconocimiento emocional de la IA hoy en día: ofrecía un pequeño conjunto de principios que podían aplicarse en todas partes, una simplificación de la complejidad que era fácilmente replicable. En la introducción a Affect Imagery Consciousness, Tomkins enmarcó su teoría de las emociones universales de base biológica como una que abordaba una crisis aguda de la soberanía humana. Desafiaba con esto el desarrollo del conductismo y el psicoanálisis, dos escuelas del pensamiento que, según él, trataban la conciencia como si fuera un mero subproducto de otras fuerzas que, a su vez, servían. Señalaba que la conciencia humana había “sido desafiada y reducida una y otra vez, primero por Copérnico”, que desplazó al hombre desde el centro del universo, “después por Darwin”, cuya teoría de la evolución destrozó por completo la idea de que los seres humanos habían sido creados a imagen de un Dios cristiano, “y sobre todo por Freud”, que les quitó a la conciencia humana y a la razón su espacio como fuerzas impulsoras de nuestra motivación.^19 Tomkins continuaba su argumento con esta aseveración: “La paradoja del control máximo sobre la

El precio que se paga por esta flexibilidad es el de la ambigüedad y el error. El individuo puede (o no) identificar correctamente la “causa” de su miedo o alegría, y puede (o no) aprender a reducir su miedo o mantener o recapturar su alegría. En este aspecto, el sistema de las emociones no es tan simple como un sistema de señales, como [sí] lo es el sistema de impulsos.^24

Las emociones, como los impulsos, no son estrictamente instrumentales; tienen un grado más alto de independencia de los estímulos y los objetos, lo que quiere decir que, a menudo, podemos no saber por qué sentimos enojo, miedo, o felicidad.^25 Toda esta ambigüedad puede sugerir que las complejidades de las emociones son imposibles de desenredar. ¿Cómo podemos saber cualquier cosa sobre un sistema en el que las conexiones entre la causa y el efecto, el estímulo y la respuesta, son tan tenues e inciertas? Tomkins propuso una respuesta: “Las emociones primarias […] parecen están relacionadas innatamente de una forma individualizada con un sistema de órganos que es extraordinariamente visible”. En otras palabras, el rostro.^26 Encontró precedentes para este énfasis en la expresión facial en dos trabajos publicados en el siglo XIX: La expresión de las emociones en el hombre y en los animales (1872), de Charles Darwin, y un volumen desconocido escrito por el neurólogo francés Guillaume Benjamin Amand Duchenne de Boulogne, Mécanisme de la physionomie humaine ou Analyse électro- physiologique de l’expression des passions applicable à la pratique des arts plastiques (1862).^27 Tomkins asumió que la exhibición facial de las emociones era un universal humano.

Las emociones —creía— son conjuntos de respuestas musculares, vasculares y glandulares localizadas en el rostro y también distribuidas ampliamente por el cuerpo, lo que genera respuestas sensoriales. […] Estos conjuntos organizados de respuestas son detonados en centros subcorticales donde se guardan “programas” específicos para cada emoción distinta;

este es uno de los primeros usos de una metáfora computacional para un sistema humano.^28 Pero Tomkins reconoce que la interpretación de las manifestaciones emocionales depende de factores individuales, sociales y culturales. Admitió también que había muchos diferentes “dialectos” del lenguaje facial en distintas sociedades.^29 Es decir que hasta el progenitor de la investigación de las emociones planteó la posibilidad de que el reconocimiento de los afectos y las emociones dependiera del contexto social y cultural. El conflicto potencial entre los dialectos culturales y un lenguaje universal basado en la biología tuvo enormes implicaciones para el estudio de las expresiones faciales y posteriores formas de reconocimiento emocional. Debido a que las expresiones faciales son culturalmente variables, usarlas para entrenar sistemas de aprendizaje automático supone inevitablemente mezclar todo tipo de contextos, señales y expectativas distintos. A mediados de la década de 1960, la oportunidad golpeó a la puerta de Ekman. Se trataba de la Advanced Research Projects Agency (ARPA), una de las ramas de investigación del Departamento de Defensa. Al recordar este período, Ekman admitió: “No fue idea mía [la investigación de las emociones]. Se me pidió… me empujaron. Ni siquiera escribí la propuesta de investigación. La escribió por mí el hombre que me dio el dinero para hacerla”.^30 En 1965, estaba investigando la expresión no verbal en ambientes clínicos y buscando fondos para desarrollar un programa de investigación en la Stanford University. Consiguió una entrevista en Washington con Lee Hough, que estaba a la cabeza de la división de Ciencias del Comportamiento de ARPA.^31 A Hough no le impresionó la descripción que Ekman hizo de su investigación, pero vio el potencial en el entendimiento de la comunicación no verbal transcultural.^32

sujetos tomados de Chile, Argentina, Brasil, Estados Unidos y Japón.^38 Confiaba en pedirles a los participantes de la investigación que simularan las expresiones de una emoción y, luego, las compararía con expresiones reunidas “en condiciones salvajes”, esto es, fuera de un laboratorio.^39 Se les mostraban a los sujetos fotografías de expresiones faciales en pose, seleccionadas por los diseñadores, como ejemplares o expresivas de una emoción particularmente “pura” o intensa. Se les pedía entonces que eligieran entre esas categorías de emociones y etiquetaran la imagen. El análisis midió el grado en que las etiquetas elegidas por los sujetos se correlacionaban con las elegidas por los diseñadores. Desde el principio, la metodología presentó problemas. El formato de respuesta de elección forzada de Ekman sería criticado más tarde por alertar a los sujetos de las conexiones que los diseñadores ya habían hecho entre expresiones faciales y emociones.^40 Además, el hecho de que estas emociones fueran falsificadas o actuadas levantaría preocupaciones significativas acerca de la validez de los resultados.^41 Ekman encontró algunos acuerdos transculturales usando este método, pero el antropólogo Ray Birdwhistell puso en duda sus hallazgos y sugirió que podían no reflejar estados emocionales innatos, si es que habían sido aprendidos culturalmente a través de la exposición a medios masivos como películas, televisión o revistas.^42 Fue esta controversia la que empujó a Ekman a dirigirse a Papúa Nueva Guinea, específicamente a estudiar indígenas en la región de las zonas altas. Pensó que, si las personas con poco contacto con la cultura y los medios occidentales coincidían con la forma en que había categorizado expresiones emocionales propuestas, esto le proporcionaría una fuerte evidencia de la universalidad de su esquema. Después de regresar de su primer intento por estudiar a los fore en Papúa Nueva Guinea, Ekman ideó un enfoque alternativo para probar su teoría.

Les mostró a sujetos de investigación en Estados Unidos una fotografía, luego les pidió que eligieran uno entre seis conceptos emocionales: felicidad, miedo, disgusto-desprecio, ira, sorpresa y tristeza.^43 Los resultados se acercaban lo suficiente a los de sujetos de otros países, con lo que Ekman creyó que estaba en condiciones de asegurar que “ciertos comportamientos faciales particulares están asociados universalmente con emociones particulares”.^44

EMOCIONES: DE LA FISONOMÍA A LA FOTOGRAFÍA

La idea de que los estados interiores se pueden inferir de forma confiable a partir de señales exteriores surge en parte de la historia de la fisonomía, que fue premisa en el estudio de los rasgos faciales de las personas para encontrar indicaciones sobre su carácter. En el mundo griego antiguo, Aristóteles había creído que “es posible juzgar el carácter de los hombres a partir de su aspecto físico […] pues se ha asumido que el cuerpo y el alma se ven afectados juntos”.^45 Los griegos también usaban la fisonomía como una forma temprana de clasificación racial, aplicada al “género del hombre mismo, dividiéndolo en razas, en la medida en que difirieran en apariencia y en personalidad (por ejemplo, egipcios, tracios y escitas)”.^46 Presuponían una conexión entre el cuerpo y el alma que justificaba una lectura del carácter interior de una persona basada en su apariencia externa. La fisonomía en la cultura occidental llegó a un punto álgido durante los siglos XVIII y XIX, cuando se la veía como parte de las ciencias anatómicas. Una figura central de esta tradición era el pastor suizo Johann Kaspar Lavater, quien escribió Essays on Physiognomy; for the Promotion of Knowledge and the Love of Mankind [Ensayos sobre la fisonomía para la promoción del conocimiento y el amor a la humanidad], publicado

experimentación médica y tecnológica con aquellos más vulnerables que no pueden negarse.^52 Duchenne, que era poco conocido en la comunidad científica, desarrolló técnicas de descargas eléctricas para estimular movimientos musculares aislados en los rostros de las personas. Su meta era construir un entendimiento anatómico y fisiológico más completo del rostro. Usó estos métodos para unir la nueva ciencia psicológica con el estudio mucho más antiguo de los signos fisonómicos, o pasiones.^53 Confió en las últimas técnicas fotográficas, como el procesamiento de colodión, que permitía tiempos de exposición mucho más cortos, lo que le permitió congelar en imágenes movimientos musculares y expresiones faciales fugaces.^54 Incluso en estas etapas muy tempranas, los rostros nunca fueron expresiones humanas naturales o que ocurrieran en contextos sociales, sino simulaciones producidas por la aplicación bruta de electricidad en los músculos. Aun así, Duchenne creía que el uso de la fotografía y otros sistemas técnicos transformaría el laxo asunto de la representación en algo objetivo y probatorio, más pertinente para el estudio científico.^55 En su introducción a La expresión de emociones en el hombre y en los animales, Darwin elogió las “magníficas fotografías” de Duchenne e incluyó reproducciones en su propio trabajo.^56 Puesto que las emociones son ocurrencias temporales, incluso fugaces, la fotografía ofrecía la posibilidad de fijar, comparar y categorizar su aparición en el rostro. Sin embargo, las imágenes verdaderas de Duchenne estaban muy fabricadas.

Placas de Guillaume Benjamin Duchenne (de Boulogne), Mécanisme de la physionomie humaine. Cortesía de la Biblioteca Nacional de Medicina de Estados Unidos.

Ekman seguiría a Duchenne al poner a la fotografía en el centro de su práctica experimental.^57 Creía que la fotografía en cámara lenta era esencial para su método, porque muchas expresiones faciales operan en los límites

que le tomaba entre setenta y cinco y ochenta horas capacitar a los usuarios en la metodología FACS, y una hora obtener un minuto de metraje facial.^66

Elementos del Sistema de codificación de la acción facial. Fuente: Paul Ekman y Wallace V. Friesen.

En una conferencia a principios de los años ochenta, Ekman escuchó una presentación que sugería una solución a las intensas demandas laborales de FACS: el uso de computadoras para automatizar las mediciones. Aunque en sus memorias Ekman no menciona al investigador que dio la charla, sí señala que el sistema se llamaba Wizard y que había sido desarrollado en la Brunel University de Londres.^67 Seguramente, se trata del sistema de reconocimiento de objetos de aprendizaje automático de Igor Aleksander, WISARD, uno de los primeros de su tipo, que usaba redes neuronales en una época en que este método estaba pasado de moda.^68 Algunas fuentes reportan que WISARD estaba entrenado con “una base de datos de conocidos

hooligans de fútbol”, anticipando el difundido uso contemporáneo de fotos de prontuarios policiales para entrenar tecnologías de reconocimiento facial.^69 Debido a que el reconocimiento facial surgió como una de las aplicaciones fundacionales para la IA en los años sesenta, no resulta sorprendente que los primeros investigadores que trabajaban en este campo hicieran causa común con el método de Ekman para analizar rostros.^70 El mismo Ekman asegura haber tenido un papel activo impulsando las formas automatizadas de reconocimiento emocional a través de sus viejos contactos en las agencias de defensa e inteligencia, de la época en que lo financiaba ARPA. Ayudó a organizar una competencia informal entre dos equipos trabajando con datos FACS, y esto parece haber tenido un impacto duradero. Ambos equipos han pasado a ocupar un lugar prominente en el campo de la computación emocional. Un equipo estaba compuesto por Terry Sejnowski y su estudiante Marian Bartlett, que se convertiría en una figura importante de la informática de reconocimiento emocional y la científica principal de Emotient, adquirida por Apple en 2016.^71 El segundo equipo, con sede en Pittsburgh, era dirigido por el psicólogo Jeffrey Cohn de la University of Pittsburgh y el eminente investigador de visión artificial Takeo Kanade de Carnegie Mellon.^72 Estas dos figuras se dedicaron al reconocimiento emocional a largo plazo y desarrollaron el muy conocido conjunto de datos de expresión emocional Cohn-Kanade (CK) y sus descendientes. El sistema FACS de Ekman proporcionó dos cosas esenciales a las aplicaciones posteriores de aprendizaje automático: un conjunto de etiquetas estable, discreto y finito, que los humanos podían usar para categorizar fotografías de rostros, así como un sistema para producir mediciones. Prometía desplazar, del ámbito de los artistas y novelistas, el difícil trabajo de representar las vidas interiores para ponerlo bajo la