Как люди распознают эмоции по голосам приматов: акустика и родство

Введение

Голосовая коммуникация аффективных состояний играет crucialную роль в эмоциональной и attentional регуляции человеческих социальных взаимодействий. Например, модуляция просодических особенностей человеческой речи, таких как интонация или амплитуда, может передавать тонкую аффективную информацию получателям. Люди последовательно распознают и оценивают аффективные сигналы голосовых сигналов других в задачах с varying уровнями сложности; при этом категоризация эмоций (т.е. unbiased выбор, такой как А против Б) является, по-видимому, более когнитивно сложной, чем дискриминация (т.е. biased выбор, такой как А против не-А).

В задачах как категоризации, так и дискриминации эмоций исследования показывают, что слушатели могут субъективно приписывать сообщаемое аффективное состояние говорящего (т.е. злость, страх или радость), а также любой потенциально референциальный контент. Отнюдь не являясь уникально человеческими, эти механизмы аффективной идентификации могут способствовать adaptive поведению у животных, такому как избегание или приближение к стимулу. Возможно, что механизмы, лежащие в основе восприятия вокализаций, схожи у людей и других животных и сформированы similar адаптивными давлениями.

Например, исследования показали, что как у людей, так и у человекообразных обезьян получатели используют акустическую грубость криков страха для быстрой оценки опасности.

Тем не менее, несмотря на адаптивную ценность и важность слуховой аффективной обработки для нашего собственного вида, ее эволюционные origins остаются poorly понятыми. Как отмечалось более века назад Дарвином, по-видимому, существуют сильные эволюционные continuities между людьми и другими животными в плане голосового выражения аффективных сигналов.

Методы исследования

Участники

В эксперименте приняли участие шестьдесят восемь здоровых взрослых добровольцев из региона Женевы, Швейцария (29 мужчин; средний возраст 23,54 года, SD = 5,09, возрастной диапазон 20–37 лет). Расчет анализа мощности revealed, что для демонстрации statistical значимости исследования с continuous endpoint у взрослых людей для распознавания calls приматов required desired размер выборки в 66 человек. Поэтому мы набрали 68 участников, чтобы учесть возможные выбывания. Все участники сообщили о normal слуховых способностях и normal или скорректированном до normal зрении. Ни у одного участника не было неврологического или психиатрического анамнеза или нарушения слуха.

Голосовые стимулы

Для наших стимулов мы составили набор из девяносто шести вокализаций, сбалансированных по четырем видам приматов (человек, шимпанзе, бонобо, макака-резус) и трем аффективным контекстам (угроза, дистресс и аффилиация). Для человеческих стимулов мы получили нелингвистические голосовые стимулы, обозначенные как злые, испуганные и счастливые, от двух мужчин и двух женщин-актеров из Montreal Affective Voices Audio Collection.

Для стимулов шимпанзе, бонобо и макаки-резус голосовые стимулы соответствующих контекстов были взяты из существующих авторских баз данных. Для угрозы мы использовали лаи aggressor в agonistic контекстах, для дистресса — крики жертв из социальных конфликтов, а для аффилиации — пищевые хрюканья. Для каждого вида мы отобрали 24 стимула, взятых от 6 до 8 разных особей; каждый содержал либо одиночные calls, либо две call последовательности одной особи.

Результаты

Акустический анализ

Акустический анализ revealed, что аффективный контекст модулировал акустическое расстояние между human centroid и calls шимпанзе, бонобо и макак-резус. Таким образом, было critical рассматривать производительность распознавания для каждого аффективного контекста individually, а не across всех контекстов.

Основная цель исследования заключалась в том, чтобы examine, лучше ли объясняется распознавание аффекта у человека у других species тремя различными hypotheses: филогенетической близостью к species, акустическим расстоянием между vocalizations человека и рассматриваемого species или combination обоих факторов. Эти три hypotheses генерировали различные patterns ожидаемых effects в зависимости от species и аффективного контекста.

Производительность распознавания вокализаций

Результаты показали, что ни один из patterns человеческой производительности, извлеченных из задачи дискриминации, не совпал ни с одним из patterns, предсказанных тремя hypotheses, что указывает на то, что другие factors должны влиять на производительность в этой task. Однако в задаче категоризации различия между species в точности следовали pattern, ожидаемому hypothesis филогенетической близости для vocalizations, произведенных в обоих аффилиативных и дистрессовых контекстах.

Напротив, обнаружение того, что люди были significantly выше chance при категоризации vocalizations в аффилиативном контексте, соответствовало hypothesis акустического расстояния. Этот смешанный pattern результатов указывает на то, что производительность аффективного распознавания человека зависит от типа задачи (категоризация / дискриминация), measure производительности и аффективного контекста стимулов.

Обсуждение

В этом исследовании мы использовали combination акустических анализов и экспериментальных задач распознавания для investigation того, как люди воспринимают primate голосовую коммуникацию аффекта. Мы сравнили производительность распознавания vocalizations двух филогенетически близких приматов, шимпанзе и бонобо, вместе с одним более distant species; макакой-резус.

Хотя patterns результатов не совпали со многими predictions для различий между species, были indications, что как филогенетическая близость, так и акустическое расстояние могли повлиять на распознавание. Во-первых, производительность с vocalizations макак была generally хуже, чем с vocalizations человекообразных обезьян, причем участникам не удалось категоризовать calls макак из любого контекста на уровне significantly выше chance. Напротив, они преуспели со всеми calls шимпанзе и calls бонобо из двух из трех аффективных контекстов.

Например, дистрессовые вокализации и аффилиативные calls, выраженные макаками, часто путались участниками независимо от задачи распознавания.

Во-вторых, несмотря на их equal филогенетическую proximity к людям, участники показали лучшие результаты в обеих tasks с vocalizations шимпанзе, чем с vocalizations бонобо. Подобно макакам, участники часто путали threat calls бонобо с аффилиативными vocalizations и vice versa. Vocalizations бонобо были farther от human centroid, чем vocalizations шимпанзе, хотя только significantly так в одном аффективном контексте, что raises возможность того, что акустическое расстояние могло повлиять на superior производительность участников с calls шимпанзе по сравнению с calls бонобо.

Заключение

В целом мы demonstrated способность людей как категоризовать, так и дискриминировать аффективные cues в vocalizations трех species нечеловеческих приматов. Акустический анализ revealed, что акустическое расстояние от vocalizations шимпанзе, бонобо и макак до human vocalizations varied с аффективным контекстом.

На производительность аффективного распознавания человека clearly повлиял species, производящий vocalizations, аффективный контекст, в котором была произведена vocalization, и задача (дискриминация / категоризация). Хотя были некоторые indications, что как филогенетическая proximity, так и акустическое расстояние были associated с лучшим распознаванием, не было получено clear поддержки ни для одного из этих factors, driving производительность распознавания.

Наше исследование demonstrates, что восприятие emotional cues человеком в primate vocalizations является complex процессом, который не relies solely на филогенетическом или акустическом расстоянии. Будущая работа должна further disentangle эффект familiarity от potential акустических parameters.

Интригующе, наши findings также предполагают, что люди могут использовать акустическое расстояние как один из способов infer, что другой species филогенетически close. Такое исследование позволило бы, например, использовать calls тех же и других приматов для решения questions, related к валентности или arousal, но также использование цифрово altered или цифрово созданных calls, которые могли бы соответствовать particular акустически relevant features, позволяя finetune precise характеристику, используемую людьми для accurate сортировки calls, по крайней мере, в отсутствие additional perceptual информации (например, как выглядит животное, произведшее vocalization).