There are many approaches that understand human intention. Although previous study has mainly used behavioral data which are explicitly expressed such as speech, gesture, and touch strokes, but human intention cannot be revealed explicitly in real life. Whether it is intended or by accident, there are many situations that we do not disclose our minds. In this study, EEG was examined to investigate the human implicit intention. Subjects showed their intention by their voices whether they agree or disagree toward given obvious and non-obvious sentences. Experiment focuses on some situation that human may not want to express their real intention to others and may answer differently. It is assumed that brain activation may not be the same when they show differently with their real intention, so it can be a measurement of the implicit intention. ICA is applied to extract independent components of the recorded EEG data. And only few components were selected based on Fisher Linear Discriminant (FLD) which can discriminate between agreement and disagreement state. Using selected components, support vector machine trained with obvious condition identified the validation sample from the classifier output. The results showed that SVM output of selected independent components can discriminate implicit intention states, and recognize non-obvious condition. It may be used to understand implicit intention.
인간의 의도를 파악하려는 시도는 인간-컴퓨터 인터페이스 연구에서 많이 행해져 왔다. 지금까지의 연구에서는 겉으로 드러나는 행동패턴 정보에 기반하여 인간의 의도를 파악하려고 했으나, 사용자의 실제 의도를 파악하는 인지 모델을 만들기 위해서는 묵시적 의도에도 주의를 기울여야 한다. 물론 우리는 음성, 얼굴 표정, 제스쳐 등의 겉으로 드러나는 행동 패턴으로 의도를 표현하지만, 모든 상황에서 이러한 행동 패턴이 실제 의도와 동일 하게 나타나는 것은 아니다. 의도한 것이든 우연한 것이든 우리가 실제 의도를 나타내지 않는 상황들이 존재하기 때문이다.
본 연구에서는 뇌파와 같은 접촉식 생체 신호를 이용하여 묵시적 의도 파악 연구를 진행했다. 실험에 참가한 피험자들은 주어진 문장들을 보고 동의하는지, 동의하지 않는지를 겉으로 표현하게 했다. 실험에 사용된 자극 제시용 문장들은 누구든지 명백하게 동의하는 문장 세트("Q" _"1" )와, 명백하게 동의하지 않는 문장 세트("Q" _"2" ), 그리고 사람마다 다를 수 있는, 개인적이고 사생활과 관련된 문장 세트("Q" _3)로 나누어져 있다. "Q" _"3" 의 문장들은 읽는 사람으로 하여금 그 사람의 의도가 겉으로 드러나면 부끄러움이나 죄책감을 느낄 만한 것들이어서 본래의 의도와 다르게 표현할 것이라고 기대되었다.
이 연구에서는 명백한 문장들("Q" _"1" , "Q" _"2" )에서의 뇌파 반응으로부터 동의할 때와 동의하지 않을 때의 구분이 뇌파로써 가능한지를 확인해 보았다. 명백한 문장들의 경우 겉으로 드러나는 의도가 묵시적인 의도와 동일하기 때문에 이것을 기반으로 두 경우가 잘 분류되는 뇌파의 독립 요소들을 선택하고, 이 요소들을 가지고 분류기를 학습시켜 실제 인식율이 얼마나 나타나는지를 확인해보았다. 피험자마다 차이가 있었지만 인식 결과로부터 뇌파와 같은 접촉식 생체신호로부터 묵시적 의도에 관한 단서를 얻을 수 있다는 것을 알았고, 이를 명백하지 않은 문장들("Q" _3)에서의 뇌파에 적용해보았다. 그 결과 이 역시 피험자마다 차이가 있었지만 명백한 상황에서의 뇌파를 기반으로 얻은 묵시적인 레이블이 명백하지 않은 경우의 뇌파에 대해서도 적용 가능하다는 것을 보였다.
뇌파의 특성상 측정이 어렵고 추가 장비가 필요하기 때문에 지능형 인간 시스템에는 적합하지 않다고 판단하여, 앞으로는 뇌파와 주변에서 쉽게 얻을 수 있는 감각 정보와의 관계를 파악하여 감각 정보만으로 묵시적 의도를 인식할 수 있으면 실생활에서 인간과 쉽게 소통할 수 있을 정도로 간단한 형태의 지능형 인간 시스템의 의도 파악이 가능할 것으로 기대된다.
