據(jù)稱，機器現(xiàn)在已經(jīng)可以識別很多人類的情緒，包括憤怒、恐懼、厭惡以及悲傷等等。情緒識別技術(shù)已經(jīng)從實驗室里面走了出來，成長為一個價值高達200億的行業(yè)。

到底能不能通過面部識別和動作識別來找到恐怖分子呢？這個項目早在2003年就已經(jīng)由美國運輸安全管理局（TSA）提出來了，從那時起，他們就開始測試一個名為Spot的監(jiān)控系統(tǒng)來完成這個任務(wù)。

在開發(fā)這個系統(tǒng)的過程中，他們咨詢了Paul Ekman教授。Paul Ekman教授是舊金山加利福尼亞大學(xué)的榮譽退休教授。他在幾十年前就開發(fā)了一種可以識別人類面部微情緒的方法，這種方法可以通過掃描人臉微表情來測定一個人是否撒謊。

但是，后來這個項目出現(xiàn)了一些問題，因而在2007年的時候被叫停了。安全人員對乘客進行臨檢也是隨機的，而且，逮捕的人大多與恐怖組織并無聯(lián)系。另外，據(jù)說這個系統(tǒng)還被用來區(qū)分人種。

Ekman也在努力和Spot項目劃清界限，他認為，Spot項目濫用了他的技術(shù)。但其他一些人認為，項目失敗的原因是這項技術(shù)的原理已經(jīng)過時了。這項技術(shù)的原理是：情緒可以通過對面部物理特征的分析而得出。

最近幾年，科技公司已經(jīng)開始基于Ekman的識別方法訓(xùn)練算法，這些算法都是用于分析和檢測面部情緒。一些開發(fā)者聲稱，他們開發(fā)的自動情緒檢測系統(tǒng)不僅僅具有比人類更厲害的情緒解讀能力，而且，它們還可以洞悉我們內(nèi)心的真實想法，從而提升用戶與設(shè)備之間的人機交互。

但是很多研究情緒的專家認為這些算法并不會成功，而且，這個技術(shù)的可靠性也尚未得到證實，使用它們可能會產(chǎn)生不好的后果。

人臉分析技術(shù)

情緒檢測技術(shù)主要包含兩個技術(shù)要點：一個是計算機視覺技術(shù)，用于精確識別面部情緒；另一個是機器學(xué)習(xí)算法，用于解讀面部情緒。

一般來說，第二個步驟會使用一種名為“監(jiān)督學(xué)習(xí)”的技術(shù)，這種技術(shù)可以訓(xùn)練算法，使之能夠識別之前“見到”過的東西。其原理就是讓算法分析和處理成千上萬張高興表情的圖片來訓(xùn)練算法，而經(jīng)過訓(xùn)練后的算法將能夠識別新的、高興表情的圖片。

一個名叫Rana el Kaliouby研究生是第一位使用這種技術(shù)進行試驗的人。在2001年的時候，他從埃及來到劍橋攻讀計算機科學(xué)博士學(xué)位。和其他人相比，她每天使用電腦的時間都會很長。因此，她想到：如果計算機可以識別她的情緒，并且給與回應(yīng)的話，是不是很有趣呢？畢竟，她遠渡重洋，身邊沒有家人和朋友，很孤獨。

因而，Kaliouby攻讀博士研究生期間的課題就選擇了實現(xiàn)自己的這個想法，而且，最后也成功地開發(fā)了一個設(shè)備。這個設(shè)備可以幫助患有阿斯波哥爾綜合征（兒童分裂樣精神?。┑膬和喿x，同時回應(yīng)這些兒童的情緒。

2006年時，Kaliouby加入了麻省理工的情緒計算實驗室。在此工作期間，她和實驗室的主任Rosalind Picard一起工作，繼續(xù)改進和提升自己的技術(shù)。后來，在2009年時，他們一起創(chuàng)辦了一家名為Affectiva的初創(chuàng)公司，這也是第一家研究情緒人工智能的公司。

起初，Affectiva公司直接出售自己的情緒檢測技術(shù)，這項技術(shù)可以實時檢測人們對于廣告和產(chǎn)品的情緒反應(yīng)。他們的客戶包括Mars、Kellogg’s以及CBS等等。2013年，他們還與另外一家生物測量公司進行了合作，同時，隨著行業(yè)的進步而持續(xù)增長。

Amazon、Microsoft、IBM現(xiàn)在也在宣傳“情緒分析”技術(shù)，這項技術(shù)在這些公司也是面部識別技術(shù)的一種。還有很多小一些的公司，比如Kairos和Eyeris公司，他們也已經(jīng)發(fā)展起來了，向Affectiva公司提供相似的服務(wù)。

除了用于市場調(diào)查，這項技術(shù)還被應(yīng)用于監(jiān)控、檢測司機精神狀態(tài)、測試游戲的用戶體驗，甚至還可以協(xié)助醫(yī)生評估病人的情況。

Kaliouby見證了情緒檢測技術(shù)的發(fā)展，情緒檢測技術(shù)從實驗室中的一個科研項目，成長成為一個規(guī)模高達200億美元的產(chǎn)業(yè)。而且，她相信情緒檢測技術(shù)還會繼續(xù)發(fā)展。她預(yù)測，未來這項技術(shù)將會無處不在，集成進入我們所有的設(shè)備之中，甚至能夠洞悉我們的內(nèi)心，解讀我們的潛意思，并且給與實時的回應(yīng)。

龐大的數(shù)據(jù)庫

和大部分機器學(xué)習(xí)技術(shù)應(yīng)用場景一樣，情緒識別也以來大量高質(zhì)量數(shù)據(jù)。

根據(jù)Affectiva網(wǎng)站上的說法，Affectiva公司擁有世界上最大的情緒數(shù)據(jù)庫。數(shù)據(jù)庫中共有超過750萬張臉，它們來自于87個不同的國家。主要的拍攝場景是觀看電視和日常通勤。

這些視頻由Affectiva公司的35名工作人員進行標(biāo)記，通過判斷來標(biāo)定視頻中拍攝到的情緒。比如，如果看到有人眉毛低垂、嘴唇緊閉或者是眼球外凸，那就將其標(biāo)注為“憤怒”。其他情緒也是相似的處理方法。這些標(biāo)記好的數(shù)據(jù)將會被用于訓(xùn)練公司的算法。

很多情緒檢測公司都使用這種標(biāo)記方法，而這種方法已經(jīng)成為測量情緒的金科玉律。這種方法叫做“面部情緒動作編碼系統(tǒng)”（Emfacs），由Paul Ekman和Wallace V Friesen在上世紀(jì)80年代提出。

而這種技術(shù)最早起源于上世紀(jì)60年代，當(dāng)時，Ekman和兩位同事創(chuàng)建了一個假說。假說認為，人類一共有6種通用情緒，包括：憤怒、厭惡、恐懼、快樂、悲傷以及驚訝，而這些情緒都可以通過分析面部肌肉的運動來得出結(jié)論。

為了證明這個假說，他們設(shè)計了實驗，向不同文化背景的人們展示情緒照片，讓他們來識別圖中情緒。結(jié)果表明，雖然大家有很大的文化差異，但是大家對于情緒的識別基本都是一致的。例如，對于所有的人來說，低垂的眉毛、緊閉的嘴唇以及外凸的眼球都是表示“憤怒”。

在接下來的20年中，Ekman根據(jù)自己的發(fā)現(xiàn)，開發(fā)了用于識別面部情緒的方法。一個人的某種情緒會自動激發(fā)面部肌肉的活動，從而顯示出情緒。盡管有的時候人們在盡力隱藏自己真實的情緒，但總是會流露出一些東西，而這些東西就可能被其他人所捕捉到。

在20世界后半葉，這個理論一直當(dāng)做情緒的經(jīng)典理論。Ekman將他的情緒檢測方法申請了專利，并向CIA、FBI以及TSA等機構(gòu)出售自己的技術(shù)，用于幫助這些機構(gòu)進行培訓(xùn)。這種理論后來也流行起來，甚至還有人用這個點子，拍了一部名為Lie to Me（別對我說謊）的電視劇。

但是，很多研究情緒的自然科學(xué)家和神經(jīng)學(xué)家都開始質(zhì)疑Ekman的經(jīng)典理論。

近幾年來，來自于美國東北大學(xué)（Northeastern University）的Lisa Feldman Barrett教授對Ekman的經(jīng)典理論提出了有力而且持續(xù)的評論。

Barrett教授第一次接觸經(jīng)典情緒理論是在讀研期間，她需要找一個合適的方法來客觀地測量情緒，因而就找到了Ekman教授的經(jīng)典理論。當(dāng)她仔細閱讀相關(guān)文獻時，她發(fā)現(xiàn)這個理論是有漏洞的。當(dāng)時的實驗中，人們做的是將給定的情緒和圖片去進行匹配，而這一定程度上相當(dāng)于無意地給了他們答案的提示。

她和她的一些同事們一起重新做了Ekman經(jīng)典理論的驗證實驗，這次，他們不再提供標(biāo)簽，實驗參與者可以自由地描述圖片中的情緒。最終，實驗得到了和以前不太一樣的結(jié)果，面部表情和情緒的相關(guān)性大大降低。

從這以后，Barrett建立了自己的情緒理論，而且出版了一本書來詳細闡明，書的名字叫做《情緒是如何產(chǎn)生的：大腦的秘密》（How Emotions Are Made： the Secret Life of the Brain）她認為，沒有什么所謂的“通用情緒”，情緒存在于大腦之中，由內(nèi)部刺激而激發(fā)，而且情緒是由更小的基礎(chǔ)結(jié)構(gòu)所構(gòu)成的。

Barrett在書中寫到：“情緒是身體的物理特性的體現(xiàn)。大腦會將自己和周圍的各種環(huán)境相聯(lián)系，包括文化、成長歷程等等，從而產(chǎn)生出情緒。情緒是真實的，但是并不是一個具象的分子或者是神經(jīng)元。這種真實就是像是我們手里握著鈔票那樣，情緒是我們身體的產(chǎn)物?！?/p>

Barrett認為將面部表情直接和情緒在各種文化環(huán)境中直接相關(guān)聯(lián)，是不合適的。有的人在生氣的時候可能會滿臉怒容，另一個可能會禮貌的微笑，但背地里謀劃著怎么對付自己的敵人。因此，進行情緒分析時，需要把情緒看做是動態(tài)的，而且涉及很多東西，包括：認知過程、人際交互、行為傾向以及文化背景等。Barrett說道：“情緒非常復(fù)雜，因此，分析情緒有很多需要做的事情?！?/p>

Kaliouby也同意表情是復(fù)雜的，這也是為什么她和她的團隊一直在提升自己數(shù)據(jù)庫的豐富程度和復(fù)雜程度。而且，他們使用視頻來訓(xùn)練算法，而不再使用圖片。他們也在試驗中抓取相關(guān)信息，比如說聲音、步態(tài)以及面部的細微變化。她堅信，更好的數(shù)據(jù)庫將會提升分析結(jié)果的準(zhǔn)確性。有些研究甚至聲稱，機器在識別工作上的表現(xiàn)已經(jīng)超過了人類。

但是，Barrett認為，光有數(shù)據(jù)還不行，重要的是怎么去標(biāo)記。Affectiva等公司的標(biāo)記數(shù)據(jù)訓(xùn)練出來的算法，只能識別Barrett教授提到的“典型情緒”。

紐約大學(xué)AI Now研究中心的聯(lián)合主任Meredith Whittake，基于Ekman的理論開發(fā)了一個使用機器學(xué)習(xí)技術(shù)的應(yīng)用。結(jié)果，最后發(fā)現(xiàn)這個應(yīng)用不僅不實用，而且可能會給社會造成一定的危害。

她說：“有的公司已經(jīng)開始使用這些技術(shù)來評測應(yīng)聘者是不是合適，甚至有的學(xué)校也用這些技術(shù)來判斷學(xué)生的參與度和滿意度。對于應(yīng)聘者，這樣的信息會改變一個人的應(yīng)聘結(jié)果；對于學(xué)生，這樣的信息會改變他所接受到的教學(xué)方法和評價方式。如果這個結(jié)果不是非常準(zhǔn)確的話，那麻煩就大了?！?/p>

Kaliouby表示，她也知道情緒檢測技術(shù)可能會被濫用，因此，在開發(fā)過程中，她非常注意技術(shù)倫理問題。

Kaliouby非常了解建立多元數(shù)據(jù)庫的重要性，她說：“我們必須要保證用于訓(xùn)練算法的數(shù)據(jù)是多元化的。我們的樣本包含白種人、亞洲人、深色人種，甚至還包括穆斯林女性。“

正是為了這個目的，Affectiva公司從87個國家收集數(shù)據(jù)。而在數(shù)據(jù)收集的過程中，工作人員發(fā)現(xiàn)，有的國家居民表情明顯，有的則不然，在表達情緒的時候會有一些細微的差別。比如說，巴西人笑得時候嘴會咧得比較寬、比較長；而日本人的微笑并不表示開心，只是表示禮貌。

Affectiva公司為這些細微差別專門建立了一個分析系統(tǒng)，用于區(qū)分不同的種族和不同的文化。

但是，Whittaker對這樣的技術(shù)有些擔(dān)心。事實上，已經(jīng)有一些公司提供預(yù)測技術(shù)，可以預(yù)測某個人多大程度上可能會是恐怖分子、戀童癖或者是預(yù)測一個人的性取向。

最近的一些研究表明，面部識別技術(shù)產(chǎn)生的偏見將更可能會損害少數(shù)民族的權(quán)利。去年11月公布的一項研究表明，相對白人，情緒檢測技術(shù)對于黑人并不友好。

當(dāng)這些問題匯總到Kaliouby那里以后，她說，Affectiva公司的系統(tǒng)中的確有所謂的“種族鑒定”功能，但是現(xiàn)在并未啟用。而且，他們只會橫向?qū)Ρ茸R別同一地區(qū)的情緒。例如，巴西人和巴西人去對比，日本人和日本人去對比。

“那如果是一個在巴西的日本人怎么辦呢？系統(tǒng)會采用那個標(biāo)準(zhǔn)呢？“

“當(dāng)前，我們的技術(shù)還未成熟?！?/p>