Рисунок как зеркало души: Искусственный интеллект в оценке эмоционального состояния

Автор: Денис Аветисян

Новая система ArtCognition анализирует рисунки, чтобы выявить скрытые эмоциональные состояния, открывая возможности для более объективной и масштабируемой психологической оценки.

Пока крипто-инвесторы ловят иксы и ликвидации, мы тут скучно изучаем отчетность и ждем дивиденды. Если тебе близка эта скука, добро пожаловать.

Купить акции "голубых фишек"

Рабочий процесс ArtCognition представляет собой комплексную систему, объединяющую различные этапы для анализа и интерпретации визуальной информации, что позволяет раскрыть взаимосвязь между искусством, познанием и машинным обучением.

Представлен AI-фреймворк, объединяющий компьютерное зрение, анализ поведенческих данных и большие языковые модели для автоматизированной интерпретации теста «Дом-Дерево-Человек».

Объективная оценка аффективного и психологического состояния человека представляет собой сложную задачу, особенно при анализе невербальных проявлений. В настоящей работе представлена система ‘ArtCognition: A Multimodal AI Framework for Affective State Sensing from Visual and Kinematic Drawing Cues’ — инновационный мультимодальный подход к автоматическому анализу теста «Дом-Дерево-Человек». Система объединяет визуальные характеристики рисунка, полученные с помощью компьютерного зрения, и динамические поведенческие данные, отражающие особенности процесса рисования, что позволяет более точно интерпретировать психологическое состояние. Может ли подобный подход стать надежным инструментом поддержки клинической практики и открыть новые возможности в области технологий для ментального здоровья?

По ту сторону субъективности: Автоматизация анализа рисуночного теста «Дом-Дерево-Человек»

Тест «Дом-Дерево-Человек» (HTP), несмотря на признанную ценность в психологической диагностике, традиционно опирается на субъективное толкование рисунков, что создает значительные ограничения для его широкого применения. Интерпретация, зависящая от опыта и личных взглядов исследователя, неизбежно вносит элемент неточности и непостоянства в результаты. Это особенно критично при массовых исследованиях или в случаях, когда требуется высокая степень надежности данных, поскольку различия в интерпретациях разных специалистов могут существенно влиять на диагностические выводы и снижать возможность воспроизведения результатов. Вследствие этого, масштабирование использования HTP-теста, а также обеспечение согласованности оценок между различными исследователями, остается сложной задачей, требующей поиска более объективных и стандартизированных методов анализа.

Традиционные проективные методики, такие как тест Роршаха или рисуночные тесты, хоть и предоставляют ценную информацию о психическом состоянии пациента, характеризуются значительной трудоемкостью анализа. Ключевым ограничением является субъективность интерпретации — разные специалисты могут приходить к различным выводам при оценке одного и того же рисунка, что снижает надежность и воспроизводимость результатов. Это несоответствие между оценками — низкая межэкспертная надежность — серьезно препятствует широкому клиническому применению этих методов, поскольку ставит под сомнение объективность диагностики и затрудняет сравнение данных между пациентами и исследованиями. Необходимость в стандартизации и автоматизации анализа проективных тестов становится все более очевидной для обеспечения большей точности, эффективности и, в конечном итоге, повышения качества психологической помощи.

Необходимость в объективной, автоматизированной системе анализа рисунков в рамках проективной методики «Дом-Дерево-Человек» обусловлена ограничениями, присущими традиционной интерпретации. Существующие подходы требуют значительных временных затрат и подвержены влиянию субъективных оценок исследователя, что снижает надежность и сопоставимость результатов. Разработка алгоритмов, способных извлекать психологически значимую информацию из графических параметров рисунков — размера, формы, пропорций, деталей и их взаиморасположения — позволит повысить точность и эффективность диагностики, а также обеспечить возможность массового скрининга и мониторинга психологического состояния. Такая система откроет путь к стандартизации процедуры анализа, минимизации влияния человеческого фактора и, как следствие, к более объективным и воспроизводимым выводам о личности пациента.

Сравнение методов интерпретации vanilla и ArtCognition выполнено на примере представленного рисунка.

ArtCognition: Интеллектуальный фреймворк для визуальной психологической оценки

Система ArtCognition автоматизирует анализ рисунков HTP (House-Tree-Person) посредством интеграции методов компьютерного зрения, глубокого обучения и обработки естественного языка. Компьютерное зрение обеспечивает распознавание и сегментацию элементов рисунка, в то время как алгоритмы глубокого обучения, такие как сверточные нейронные сети, позволяют извлекать сложные признаки и паттерны. Обработка естественного языка используется для анализа сопроводительных текстов или описаний рисунков, предоставляя контекст и дополнительную информацию для оценки. Данный комплексный подход позволяет ArtCognition объективно и эффективно обрабатывать большие объемы данных, снижая субъективность в интерпретации результатов психологической оценки.

В системе ArtCognition используется специализированное Цифровое Приложение для Рисования, предназначенное для захвата изображений и сбора детальных метаданных. Помимо самого рисунка, приложение фиксирует динамические характеристики штрихов (например, скорость, нажим) и временные параметры (время начала и окончания каждого штриха, порядок рисования элементов). Данные о динамике и времени, полученные в процессе рисования, являются важным компонентом анализа, позволяющим оценить когнитивные процессы, отраженные в рисунке.

В основе ArtCognition лежит многоэтапный процесс, включающий в себя модель обнаружения объектов и модель классификации объектов. Модель обнаружения объектов идентифицирует наличие элементов рисунка, в то время как модель классификации определяет их тип. При анализе рисунков домов и деревьев достигнута средняя точность (mAP) в 0.92 для компонентов дома (окна/двери) и 0.95 для идентификации кроны дерева. Высокие показатели mAP свидетельствуют о высокой эффективности моделей в точной идентификации и классификации визуальных элементов, что является критически важным для последующего анализа психологических характеристик.

Анализ поведенческих метаданных в ArtCognition включает в себя изучение таких параметров, как скорость выполнения штрихов, частота использования ластика и последовательность прорисовки элементов рисунка. Эти метрики, полученные непосредственно в процессе рисования с помощью цифрового приложения, дополняют данные, извлеченные моделями обнаружения и классификации объектов. Комбинирование визуальных характеристик рисунка с данными о поведении пользователя позволяет системе формировать более полное и объективное заключение о психологическом состоянии испытуемого, выявляя паттерны, которые могут быть упущены при анализе только визуальной составляющей.

ArtCognition идентифицирует объекты и фиксирует особенности процесса рисования, что позволяет анализировать творческое поведение.

Расшифровка динамики: Поведенческие инсайты из паттернов рисования

Модуль “Анализ поведенческих метаданных” исследует динамику рисования, используя такие методы, как анализ скорости штриха (Stroke Speed Analysis), для оценки моторного контроля и эмоционального состояния. Скорость выполнения штрихов коррелирует с уровнем возбуждения и концентрации; более быстрые штрихи могут указывать на импульсивность или тревогу, в то время как более медленные — на обдуманность или угнетенность. Анализ скорости штриха позволяет выявить изменения в моторной активности, которые могут быть связаны с различными психологическими состояниями, предоставляя объективные данные для дальнейшей интерпретации и анализа.

Анализ паттернов использования ластика позволяет выявить потенциальные признаки тревожности, неуверенности в себе или тенденции к пересмотру и исправлению. Частота и локализация стираний предоставляют данные о когнитивных процессах, происходящих в момент рисования. Высокая частота стираний в определенных областях рисунка может указывать на колебания или нерешительность при изображении конкретных элементов. Локализация стираний, например, концентрация в области лица или ключевых деталей, может свидетельствовать о повышенном внимании к этим частям и, возможно, о стремлении к их совершенству, а также о связанной с этим тревожности. Детальный анализ позволяет выявить повторяющиеся паттерны, указывающие на устойчивые психологические особенности.

Анализ порядка рисования позволяет получить информацию о приоритетах и концентрации внимания, определяя последовательность, в которой создаются элементы изображения. Данный метод предполагает фиксацию порядка нанесения штрихов и фигур, что позволяет выявить, какие аспекты рисунка были важны для автора на начальных этапах работы, а какие — добавлялись позднее. Например, если основные контуры объекта рисуются первыми, это может указывать на четкое представление об общей структуре, в то время как детализация, выполняемая в последнюю очередь, может свидетельствовать о фокусировке на конкретных аспектах или нерешительности в отношении общей композиции. Последовательность рисования фиксируется и анализируется алгоритмами, что позволяет количественно оценить приоритетность различных элементов рисунка и выявить закономерности в поведении автора.

Анализ плавности линий (Line Smoothness Analysis) представляет собой нейромоторный индикатор, используемый для количественной оценки вариаций в скорости и траектории движения руки при рисовании. Данный анализ измеряет отклонения от прямой линии и степень колебаний в штрихах. Более низкие показатели плавности, характеризующиеся повышенной изрезанностью и неровностью линий, потенциально могут быть связаны с повышенным уровнем психологического дистресса, так как указывают на снижение нейромоторного контроля и возможное проявление тревожности или стресса. Количественная оценка осуществляется путем расчета статистических параметров, таких как стандартное отклонение угловых скоростей и амплитуда колебаний, позволяющих выявить корреляции между особенностями рисунка и психоэмоциональным состоянием.

Интервалы между штрихами изменяются в процессе рисования, отражая динамику создания изображения.

От визуального к нарративу: Генерация психологически обоснованных интерпретаций

Система ArtCognition использует подход, известный как генерация с расширением извлечением ( $Retrieval-Augmented Generation$ , или RAG), для создания психологически обоснованных интерпретаций рисунков HTP (Human Figure Drawing — тест человеческой фигуры). Этот метод позволяет объединить визуальные характеристики рисунка с обширными знаниями из специализированной психологической базы данных. Вместо прямой генерации интерпретации, система сначала извлекает релевантную информацию из базы знаний, а затем использует эту информацию для формирования более точного и обоснованного психологического профиля, отраженного в рисунке. По сути, RAG позволяет ArtCognition не просто «видеть» изображение, но и «понимать» его в контексте установленных психологических принципов и теорий, обеспечивая надежность и валидность интерпретаций.

В основе ArtCognition лежит инновационная система, использующая принципы извлечения и генерации знаний (RAG). Эта система объединяет обширную Психологическую Базу Знаний, содержащую устоявшиеся теории и принципы психологии, с мощной Большой Языковой Моделью. В процессе анализа рисунков HTP, система не просто распознает визуальные элементы и поведенческие характеристики, но и интегрирует их с психологическими знаниями. Это позволяет синтезировать комплексную интерпретацию, основанную не на случайных ассоциациях, а на проверенных психологических принципах, что обеспечивает высокую степень обоснованности и надежности получаемых результатов.

Разработанный генератор описаний объединяет полученные данные в структурированный текстовый отчет, демонстрируя впечатляющую точность в 97.57% согласно оценке экспертов. Этот компонент системы не просто фиксирует визуальные особенности и поведенческие данные, но и комплексно синтезирует их, формируя нарратив, соответствующий установленным психологическим принципам. Высокая степень достоверности полученных отчетов позволяет полагаться на автоматизированный анализ, обеспечивая объективность и снижая вероятность субъективных интерпретаций, что особенно важно в клинической практике и исследовательских проектах, требующих надежной и воспроизводимой оценки.

Автоматизация анализа рисунков HTP, реализованная в ArtCognition, значительно повышает масштабируемость и объективность процесса интерпретации. В отличие от традиционных методов, подверженных галлюцинациям — то есть, выдаче нерелевантных или не подкрепленных данными интерпретаций, — система ArtCognition демонстрирует нулевой уровень подобных ошибок. Это существенный прорыв, учитывая, что базовые методы анализа в среднем допускают галлюцинации в 38.5% случаев. Достигнутая точность и исключение субъективности открывают перспективы для трансформации клинической практики, позволяя проводить более надежный и эффективный психологический анализ в широком масштабе.

Метаданные позволяют восстановить исходный рисунок из его цифрового представления.

Исследование, представленное в данной работе, демонстрирует, как комплексный подход к анализу визуальных и кинематических данных может раскрыть скрытые аспекты психического состояния человека. ArtCognition, объединяя возможности компьютерного зрения и больших языковых моделей, позволяет выйти за рамки традиционной интерпретации рисунков, предлагая более объективную и масштабируемую оценку. Этот метод, подобно тщательно спроектированной системе, где каждая деталь влияет на общую картину, подчеркивает важность понимания целостной структуры для точной диагностики. Как заметил Анри Пуанкаре: «Наука не состоит из ряда накопленных истин, но из методов обнаружения новых». Данный фреймворк воплощает эту идею, предоставляя не просто результат, а инструмент для дальнейшего исследования и понимания человеческой психики.

Куда Ведет Рисунок?

Представленная система, безусловно, демонстрирует возможность автоматизации анализа графических проекций, однако следует помнить: всякая автоматизация — это лишь отражение тех границ ответственности, которые изначально заложены в алгоритме. Если неясно, где заканчивается компетенция машины и начинается глубина человеческого понимания, рано или поздно произойдет сбой. Проблема не в самом анализе, а в интерпретации его результатов — в соединении формальных признаков с субъективным опытом. Особенно остро это проявляется при анализе таких сложных конструкций, как рисунок — он всегда является проекцией внутреннего мира, а значит, требует тонкого понимания контекста.

Следующий шаг, вероятно, лежит в области повышения робастности системы к вариативности человеческого рисунка. Необходимо учитывать не только формальные характеристики, но и индивидуальный стиль, культурные особенности и даже текущее эмоциональное состояние художника. Более того, представляется важным интегрировать ArtCognition с другими источниками информации — физиологическими данными, результатами других психологических тестов, анамнезом пациента. Иначе, мы рискуем получить лишь поверхностную картину, лишенную глубины и достоверности.

В конечном итоге, успех подобных систем будет определяться не их способностью к автоматизации, а умением распознавать собственные ограничения. Когда машина поймет, что не все можно измерить и классифицировать, она сможет стать настоящим помощником в понимании человеческой психики, а не просто инструментом для сбора данных. Именно тогда рисунок перестанет быть лишь набором линий и фигур, а вновь заговорит с нами на языке эмоций и переживаний.

Оригинал статьи: https://arxiv.org/pdf/2601.04297.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2026-01-10 04:06