Onderzoekers van het Amerikaanse onderzoeksinstituut publiceren hierover in IEEE Transactions on Affective Computing.

De kennis over deze lach kunnen softwareontwikkelaars inzetten om beter de staat van welbevinden van hun gebruikers in te schatten om daar op in te spelen, aldus de onderzoekers.

Ook zouden mensen met autisme het programma kunnen gebruiken om gezichtsuitdrukkingen van elkaar te leren onderscheiden.

In het onderzoek werd vrijwillgers eerst gevraagd op commando voor een webcam tekenen van blijdschap en frustratie te tonen. Vervolgens moesten ze een online formulier invullen dat frustratie opwekte, doordat achteraf de gegevens gewist bleken. Ook kegen ze een blijdschap opwekkend filmpje te zien, van een schattige baby. Ook deze reacties werden gefilmd met de webcam.

Op commando toonde maar tien procent van de deelnemers op de vraag frustratie te tonen een lach. Echter, bij de 'echte' frustratie kwam bij negentig procent van de formulierinvullers een lach tevoorschijn.

In een volgende fase werd andere vrijwilligers gevraagd de emoties die getoond werden op de videobeelden te benoemen. Met de geacteerde emoties hadden ze geen moeite. Afbeeldingen van de twee spontane lachtypen bleken lastiger van elkaar te onderscheiden. De vrijwilligers deden het bij deze beelden net zo goed als wanneer ze gegokt hadden

Op basis van de beelden construeerden de onderzoekers een computermodel. Dat lieten ze nieuwe beelden van spontane vrolijke en gefrustreerde lach zien, om er de emoties bij te raden.

Het programma maakte gebruik van het feit dat de blije lach geleidelijk ontstond en de gefrustreerde lach plotseling. In 92 procent van de gevallen raadde de computer daardoor de juiste emotie.