Эмоции под колпаком: как лес случайных деревьев читает мозг ✎ экспресс

Оригинал: "Three-Way Emotion Classification of EEG-based Signals using Machine Learning"
arXiv:2602.00670 · 2026-01-31 · arXiv non-exclusive · собственный разбор · 1 мин
Три алгоритма соревнуются, кто точнее распознает настроение по сигналам мозга.

📄 Показана версия «Просто» — «Популярно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить.

Каждое движение мысли оставляет след — слабый электрический всплеск на коже головы. Прибор с десятками проводов, похожий на шапочку для плавания, ловит эти следы и превращает их в волнистые линии. По ним можно догадаться, что человек чувствует, даже если он молчит. В новой работе три компьютерные программы соревновались, кто точнее прочитает такие линии и определит: настроение плохое, спокойное или хорошее.

Первая программа — логистическая регрессия — работает как аккуратный секретарь: раскладывает сигналы по полочкам и ищет чёткие границы. Вторая — метод опорных векторов — как строгий пограничник, который проводит линию между классами с максимальным зазором. Третья — случайный лес — собирает сотни маленьких решений в один общий вердикт, как стая воробьёв, где каждая птица смотрит на задачу со своей ветки, а вместе они безошибочно находят корм.

Случайный лес не просто запоминает примеры — он учится на множестве случайных подвыборок и потому реже ошибается на новых данных.

Испытания показали: случайный лес распознал эмоции точнее всех. Его точность и метрика F1 (среднее между точностью и полнотой) оказались выше, чем у двух других программ, и даже превзошли прежние лучшие модели. Значит, лес лучше уловил, как именно мозг «звучит» при радости, тревоге или равнодушии.

Такой подход может пригодиться в умных устройствах, которые подстраиваются под настроение: от игр, меняющих сюжет, до помощников, чувствующих усталость водителя. Но до массового применения нужно больше данных — пока что выборка была ограниченной, и лесу предстоит доказать свою силу на новых людях.

Электроэнцефалограмма улавливает сигналы силой всего в несколько микровольт — это в миллион раз слабее напряжения батарейки.

Учёные
Max PlanckJohn von NeumannLudwig BoltzmannJosiah Willard GibbsAndrey Markov
Понятия
электроэнцефалография обнаружение приступов ЭЭГ машинное обучение электрокардиограмма регрессия нейронной сети классификатор анализ речи с помощью ИИ символьная регрессия активное обучение языковая модель белков размеченные данные анализ медицинских изображений эвиденциальные нейронные сети обучающие данные математическая модель сканирование мозга большие языковые модели микроэлектродная матрица электрический сигнал распознавание речи