蘋(píng)果收購(gòu)了一家可讀解人們的面部表情并預(yù)測(cè)其情緒的公司，Emotient。

　　據(jù)華爾街日?qǐng)?bào)昨日消息，蘋(píng)果收購(gòu)了一家可讀解人們的面部表情并預(yù)測(cè)其情緒的公司，Emotient。該產(chǎn)品甚至可將滿(mǎn)屋子人的面部表情進(jìn)行分類(lèi)，應(yīng)用范圍比如可以用來(lái)測(cè)量消費(fèi)者對(duì)廣告的反應(yīng)。Emotient稱(chēng)，醫(yī)生也對(duì)他們的技術(shù)進(jìn)行了測(cè)試，以解讀那些無(wú)法進(jìn)行自我表達(dá)的病人的痛苦表情，零售商也用它監(jiān)測(cè)購(gòu)物者在商店走道里的面部表情或是的銷(xiāo)售人員通過(guò)佩戴 Google Glass 對(duì)顧客的表情進(jìn)行實(shí)時(shí)解讀。

　　蘋(píng)果公司發(fā)言人也證實(shí)了這項(xiàng)收購(gòu)交易，并表示蘋(píng)果“時(shí)常都會(huì)收購(gòu)小型技術(shù)公司，一般來(lái)說(shuō)我們都不會(huì)討論收購(gòu)意圖或計(jì)劃”。該發(fā)言人拒絕透露這項(xiàng)交易的具體財(cái)務(wù)條款。

　　實(shí)際上，從20 世紀(jì) 90 年代以來(lái)，一批研究人員開(kāi)始試圖讓機(jī)器讀能懂人類(lèi)情緒，并可以像人類(lèi)一樣作出正確回應(yīng)。一些智能系統(tǒng)已經(jīng)可以對(duì)音高、音色和響度進(jìn)行分析，識(shí)別出深層次語(yǔ)義，比如根據(jù)一位女性和孩子的對(duì)話(huà)，可以辨別出這位女性是否一位媽媽?zhuān)欠裨诙⒅⒆拥难劬矗约八鞘溥€是高興。另外一些機(jī)器則可以分析人類(lèi)遣詞造句的方式，或者是解讀肢體語(yǔ)言，然后判斷用戶(hù)的情緒。此外還有一些人選擇從面部表情入手，因?yàn)樵诤芏鄷r(shí)候，面部承擔(dān)著情緒溝通的功能，而我們通過(guò)面部表情傳達(dá)的信息可能要遠(yuǎn)遠(yuǎn)多于語(yǔ)言本身。這其中又誕生了一些公司，如 Affectiva 、Emotient、Realeyes 和 Sension。

　　Emotient 總部位于圣地亞哥，此前已經(jīng)融資800萬(wàn)美元，投資者包括英特爾資本。知情人士稱(chēng)，Emotient在被蘋(píng)果收購(gòu)前一直在尋求啟動(dòng)新一輪風(fēng)險(xiǎn)投資融資活動(dòng)，但根據(jù)提供的融資條款并未找到適合的投資方。 Emotient 在本周對(duì)網(wǎng)站進(jìn)行了改版，移除了公司所銷(xiāo)售服務(wù)的細(xì)節(jié)信息。

　　Emotient 官網(wǎng)上是這么介紹自己的：

　　Emotient是情緒檢測(cè)和情緒分析的領(lǐng)導(dǎo)者，我們的服務(wù)是量化情感反應(yīng)，提升你對(duì)產(chǎn)品和市場(chǎng)的洞察力和行動(dòng)的有效性。

　　猜想蘋(píng)果收購(gòu)后可能用到的地方，將該技術(shù)置于 iPhone 的前置攝像頭中，來(lái)檢測(cè)用戶(hù)情緒狀態(tài)，從而讓Siri 更加智能，與你對(duì)話(huà)可以考慮你的情緒變化；甚至可以利用這項(xiàng)技術(shù)來(lái)了解用戶(hù)對(duì) iAds 平臺(tái)上投放的廣告的反應(yīng)。

　　實(shí)際上在2014年提交的一項(xiàng)專(zhuān)利申請(qǐng)中，蘋(píng)果就已經(jīng)描述了一種根據(jù)多種線(xiàn)索，分析和確認(rèn)人類(lèi)情緒的軟件系統(tǒng)，這其中就包括面部識(shí)別。去年10月，蘋(píng)果證實(shí)已收購(gòu)人工智能創(chuàng)業(yè)公司 Perceptio 和 VocalIQ，后者旨在提升計(jì)算機(jī)理解人類(lèi)自然對(duì)話(huà)的能力。而去年5月，Emotient 宣布已獲得了一項(xiàng)技術(shù)專(zhuān)利，可在一天內(nèi)收集并標(biāo)記多達(dá)10萬(wàn)張面部圖像。這樣一來(lái)，計(jì)算機(jī)就能夠更好地識(shí)別不同的面部表情。

　　綜合這些線(xiàn)索來(lái)看，這些技術(shù)很有可能用于提升 Siri 與人進(jìn)行對(duì)話(huà)時(shí)的真實(shí)感，增加互動(dòng)性。

　　我這里整理了一份和Affectiva 和 Emotient 相關(guān)的科學(xué)家小故事，補(bǔ)充介紹情緒識(shí)別與這兩家公司的由來(lái)：

　　有一位埃及科學(xué)家 Rana el Kaliouby，和她的導(dǎo)師 Rosalind Picard 一起成立了 Affectiva，一家開(kāi)發(fā)情感分析軟件的公司。

　　Rosalind Picard 早些時(shí)候在 M.I.T 的 Media Lab 做一些圖像壓縮方面的技術(shù)開(kāi)發(fā)，但很快她就遇到了瓶頸，因?yàn)樗_(kāi)發(fā)的方法（盡管后來(lái)流行一時(shí)）與被處理的對(duì)象是完全獨(dú)立的：比如說(shuō)壓縮大運(yùn)河和總統(tǒng)肖像的圖片用的都是一樣的方法。她覺(jué)得，如果計(jì)算機(jī)可以知道自己正在處理什么就能改善這個(gè)過(guò)程。直到讀了一本關(guān)于聯(lián)覺(jué)的書(shū)《The Man Who Tasted Shapes》她才豁然開(kāi)朗，意識(shí)到了情感與理性之間的聯(lián)系。與我們傳統(tǒng)認(rèn)為的 “無(wú)情卻又睿智” 不同，過(guò)少的情感，其實(shí)和過(guò)度豐富的情感一樣都會(huì)對(duì)我們的理性思考產(chǎn)生不好的影響，事實(shí)上一些影響情感的腦損傷也會(huì)剝奪人判斷和決策的能力，而判斷和決策正是我們希望電腦做的事情。

　　回到電腦的情緒識(shí)別，其實(shí)做法就是在面部提取一些關(guān)鍵的點(diǎn)，將那些相對(duì)不變的 “錨點(diǎn)”，比如鼻尖，最為一些參考的固定點(diǎn)，然后用像嘴角這樣的點(diǎn)來(lái)判斷你做出的表情。但是在九十年代，想要制造一個(gè)可以準(zhǔn)確長(zhǎng)出這些離散的面部動(dòng)作單元的系統(tǒng)實(shí)在是太難了，單是數(shù)字化一個(gè)視頻就要 25 秒。一個(gè)早期的研究人員說(shuō)：無(wú)論怎么做總是有一點(diǎn)偏差，而且隨著結(jié)構(gòu)的不斷擴(kuò)大，錯(cuò)誤也越來(lái)越多，每十秒就要重新啟動(dòng)一次。

　　研究陷入了瓶頸， Kaliouby 只好去劍橋繼續(xù)讀她的博士學(xué)位了。但是有一次演講后，有一個(gè)聽(tīng)眾告訴她，Kaliouby 訓(xùn)練電腦讀人臉和他自閉癥的弟弟遇到的問(wèn)題很像。當(dāng)時(shí)，劍橋的自閉癥研究中心正在做一個(gè)面部表情目錄的大工程，和 Ekman 將表情分成一小塊一小塊動(dòng)作單元，再通過(guò)動(dòng)作單元的組合判斷情緒的做法不同，他們對(duì)表情的分類(lèi)更加自然，簡(jiǎn)單易懂，將表情進(jìn)行更細(xì)致的分類(lèi)，然后從某一種特定的表情整體學(xué)習(xí)其中的特征。

　　Ekman 是一位心理學(xué)家，他的研究始于上世紀(jì)六十年代，并構(gòu)建了一套純熟的理論體系，證明了人類(lèi)的面部至少可以表達(dá)六種情緒，分別是高興、悲傷、驚訝、恐懼、憤怒和厭惡，與性別、年齡、種族或者是文化背景無(wú)關(guān)。他將這些面部表情進(jìn)一步分解，系統(tǒng)化為 46 種“動(dòng)作單元”的排列組合，最終寫(xiě)入了《面部動(dòng)作編碼系統(tǒng)》（Facial Action Coding System，也稱(chēng)FACS）。這部著作有 500 多頁(yè)之厚，全面而又細(xì)致地講述了面部的動(dòng)作。數(shù)十年來(lái)，他的理論大范圍應(yīng)用在學(xué)術(shù)研究、電腦動(dòng)畫(huà)制作、測(cè)謊和案件偵破等諸多領(lǐng)域。

　　就這樣他們有了足夠的資料開(kāi)發(fā) MindReader，一個(gè)可以在幾乎各種環(huán)境下檢測(cè)出復(fù)雜情緒的軟件，也是 Affdex （日后Affectiva 旗艦產(chǎn)品）的原型。Ekman，那個(gè)提出 FACS 的心理學(xué)家則和別人合作創(chuàng)立了 Emotient（上文提到被蘋(píng)果收購(gòu)的那家公司），也是一款情緒識(shí)別的軟件，同樣是利用機(jī)器學(xué)習(xí)的方法通過(guò)海量的數(shù)據(jù)學(xué)習(xí)構(gòu)建一個(gè)準(zhǔn)確的表情識(shí)別框架。

　　至此兩家公司的原型初步顯現(xiàn)。