Notizia

Intelligenza Artificiale | La collaborazione fra centri Unife pone le basi per l'analisi matematica della bellezza

13/07/2022

Scienza, cultura e ricerca

Intelligenza Artificiale | La collaborazione fra centri Unife pone le basi per l'analisi matematica della bellezza
Un'immagine tratta dall'allestimento della mostra "Dipingere gli affetti. L’arte sacra a Ferrara dal Cinquecento al Settecento"

Valutare il ‘sentimento estetico’ attraverso i soli segnali dei nostri neuroni. È lo scopo della ricerca NevArt - Neuroestetica della Visione dell’Arte coordinata dal prof. Sante Mazzacane del Laboratorio Interdipartimentale CIAS dell’Università di Ferrara, di cui sono stati presentati parte dei risutati in occasione della Conferenza internazionale IWINAC 2022 (International Work-Conference on the Interplay Between Natural and Artificial Computation), grazie alle analisi condotte in collaborazione con il laboratorio Applied Computational Logic and Artificial Intelligence (ACLAI) del Dipartimento di Matematica e Informatica di Unife.

A seguito di un’ampia sperimentazione coordinata dal CIAS in occasione della mostra “Dipingere gli affetti: la pittura sacra a Ferrara tra il ‘500 e il ‘700”, svolta a Ferrara nel 2019, e che ha coinvolto oltre 400 volontari, sono stati raccolti dati scientifici utilizzando differenti tecniche e strumenti, allo scopo di interpretare il sentimento estetico (mi piace/non mi piace) e lo stato emozionale di un individuo durante la visione di un’opera d’arte. I risultati sono attualmente in corso di analisi, grazie alla collaborazione tra ricercatori con esperienze scientifiche transdisciplinari.

In questa prima fase i ricercatori hanno elaborato i dati di 14 volontari che, oltre al set di sensori per il rilevamento dell’elettrocardiogramma, la misura della conduttività elettrica della pelle e il tracciamento oculare, indossavano un casco integrale dotato di 64 sensori per la registrazione dell’elettroencefalogramma.

sciavicco-nevart.jpg

Una fase della sperimentazione della ricerca NevArt - Neuroestetica della Visione dell’Arte

“In questo lavoro abbiamo osservato che determinati tracciati fisiologici possono indicare il livello di apprezzamento di un'opera d'arte, deducendolo o correlandolo allo stato fisiologico dell’individuo. Ciò significa che, in linea teorica, potrebbe essere possibile costruire e programmare uno strumento – peraltro con componentistica relativamente economica e di facile impiego - in grado di valutare se un'opera d'arte è apprezzata da un soggetto, senza che il soggetto si esprima in merito, oppure in grado di valutare l'affidabilità di ciò che il soggetto dichiara” spiegano il prof. Guido Sciavicco, responsabile del laboratorio ACLAI, e il prof. Sante Mazzacane del CIAS.

Lo studio ha richiesto una preliminare fase di messa a punto di tecniche automatiche di ‘data mining’, ovvero di analisi dati per l’estrazione di regole affidabili in grado di decodificare i segnali fisiologici/emozionali registrati durante la sperimentazione su campo. 

Ciò ha permesso di individuare i sensori (e la loro localizzazione sul cranio), le bande di frequenza e le funzioni matematiche che producono la maggior quantità di informazioni. 

Il dataset ottenuto è stato poi oggetto di una fase di apprendimento automatico, effettuata con una tecnica simbolica, sviluppata per questa specifica applicazione, che ha come fine principale quello di auto-apprendere i pattern che contraddistinguono un evento/situazione, esplicitandoli con formule logiche.

“I pattern estratti dal dataset così strutturato hanno mostrato un’affidabilità media vicina al 70%, con una variabilità relativamente bassa, fattori che indicano una buona ripetibilità dell’esperimento. I medesimi pattern, in forma di formule logiche, hanno poi permesso di stabilire le relazioni temporali tra le diverse fasi delle onde cerebrali che, in questa prima approssimazione, sembrano indicare l’apprezzamento dello stimolo visivo” argomenta il Prof. Sciavicco. 

“Questa prima applicazione di tecniche matematiche e di data mining, fra le molte già in fase di sviluppo attraverso la collaborazione fra CIAS e ACLAI, consente non solo di gestire l’imponente mole di dati che sono stati raccolti, ma anche di individuare nuove tecniche di studio adattabili ad altri contesti” sottolinea la prof.ssa Maddalena Coccagna del CIAS, “rafforzando il valore delle intuizioni ed ipotesi di correlazione che il gruppo di lavoro NEVArt aveva messo a premessa di questo approccio innovativo”. 

Approccio, aggiunge il prof. Mazzacane, che prossimamente verrà replicato in una ricerca per lo studio del sentimento estetico (mi piace/non mi piace) al campo dei profumi, in collaborazione con una multinazionale del settore.

“Da un punto di vista matematico, ma anche tecnologico, questa ricerca dimostra la necessità di un approccio interdisciplinare e di applicazioni specifiche nell’ideazione di nuove tecniche di “teoria dell’informazione” e dimostra che investire in tecniche simboliche, basate su logiche più che su proposizioni, possa essere una direzione promettente di ricerca” concludono il Prof. Mazzacane e il prof. Sciavicco. 

Per saperne di più

L’articolo “Statistical and symbolic neuroaesthetics rules extraction from EEG signals”, presentato alla Conferenza IWINAC 2022, è a firma di M. Coccagna, F. Manzella, S. Mazzacane, G. Pagliarini, G. Sciavicco ed è disponibile presso i Laboratori CIAS e ACLAI. 

Se ti è piaciuta questa notizia, iscriviti a Unife News e ricevi ogni mese la newsletter di Unife, con nuovi contenuti e aggiornamenti.