近期，央視《機智過人》節(jié)目中上演了人與機器的“讀心”大戰(zhàn)。結(jié)果好像也不太驚人，沒錯，機器又贏了。

節(jié)目中，名為“阿爾法鷹眼”的機器人快速識破節(jié)目嘉賓撒貝寧和韓雪刻意偽裝的表情，準確判斷出牛蛙所在的箱子。在另一項難度更高的測試中，它又在一排心理素質(zhì)頂尖的海豹突擊隊老兵中準確找出了其中的狙擊手，速度比從業(yè)多年的人類心理專家更快。

據(jù)介紹，阿爾法鷹眼是掌握情感計算能力的人工智能設(shè)備，能識破人的情緒。連家人都可能注意不到的情緒變化竟然瞞不過機器，人類真的要無所遁形了嗎？

將人的情感進行分類

情感這個詞，喜樂哀愁種種，人類自己都很難準確定義，機器又如何理解？這是看到“情感計算”4個字最大的疑問。

對此，國際關(guān)系學(xué)院信息科技系副教授李斌陽作出解釋：“情感計算的本質(zhì)是一個分類問題，讓機器判斷人的感情是褒義的、貶義的還是中性的。鑒于中性的判斷在實際應(yīng)用中范圍有限，因此大部分情感計算嘗試做的都是區(qū)分褒義和貶義的情緒。”

據(jù)他介紹，情感計算傳統(tǒng)的做法是利用人能夠提煉出來的表達情感的特征，學(xué)習出一套用于判斷感情性質(zhì)的模型，在捕捉到新的表情或文本等時進行匹配，從而作出感情傾向的判斷。

這項研究起于21世紀初，并在近幾年深度學(xué)習加入后進步明顯——在那之前，情感特征需要人來提取，在那之后，機器可以根據(jù)標注好的數(shù)據(jù)提煉出特征，更多保留人的原始表達信息。當然，這其中也存在深度學(xué)習普遍存在的“黑箱”問題，研究者并不能確定機器做判斷的時候提煉了哪些特征，且某些特征可能僅針對某一批數(shù)據(jù)，從而形成某種偏差。

據(jù)李斌陽介紹，針對語言文字或圖像視頻的情感計算基本要“一句一算”或“一幀一算”。他以自己從事的文本情感計算為例作了解釋：同樣是“高”這個字，在“失業(yè)率”和“就業(yè)率”兩個語境下的情感傾向是不同的，前者常是貶義，后者常是褒義，有時候通過幾句話，機器根本無法分析出背后的含義，需要更豐富的語義信息的注入。

微顫動難逃“鷹眼”捕捉

在節(jié)目中，阿爾法鷹眼的表現(xiàn)令人驚艷，據(jù)阿爾法鷹眼安防科技有限公司首席技術(shù)官俞楠博士介紹，這是通過對肌肉的微震顫的捕捉和判斷實現(xiàn)的。“情緒本身是一個非常復(fù)雜的生理反應(yīng)，有外在的瑟瑟發(fā)抖、渾身顫抖、內(nèi)在的激素、心跳、血壓異常等連鎖反應(yīng)。這些反應(yīng)超出人的控制，計算機可以通過結(jié)構(gòu)化人的情緒、量化這種反應(yīng)，形成對情緒變動引發(fā)身體反應(yīng)的判斷模式。這是情感計算最簡單的部分：利用攝像頭捕捉到人身體的微振動，通過對振動模式的快速檢測和分析，對應(yīng)到某一種情緒上。”俞楠表示。

談到節(jié)目中阿爾法鷹眼準確判斷出誰摸到牛蛙的部分，俞楠解釋說：“人把手伸到水里，摸沒摸到牛蛙的反應(yīng)差異是無法偽裝的。恐懼、緊張會影響肌肉震動，人無法自控?！蓖ㄟ^俞楠的解釋，一方面，阿爾法鷹眼的工作容易理解，但另一方面，這種判斷方式和網(wǎng)上流傳的“微表情”似無差別?！拔⒈砬檫€是偏重于對圖像內(nèi)容的分析，需要被測者有較大的表情反應(yīng)，如皺眉、瞇眼、笑容等‘喜怒形于外的表現(xiàn)，同時，需要比較大面積能顯示出人臉正面的圖像，但面對人的面部有遮擋（如戴口罩、帽子、墨鏡），或人體的側(cè)面、背后等情況就基本無法判斷了。而我們的方式是建立起一套微振動情感模式庫，即便人閉上眼沒有反應(yīng)，一樣會有難逃機器法眼的下意識生理反應(yīng)，這是系統(tǒng)相對獨特的地方?！?/p>

李斌陽解釋了情感計算和測謊儀的差別，測謊就是比如我會問你10個問題，有些很基礎(chǔ)，像是吃飯了嗎、昨天睡得好不好，根據(jù)這些基礎(chǔ)問題的回答確定每個人基準的心跳脈搏腦電波等水平，再基于這些進行測謊問題的問答，跟常態(tài)下進行比對，判斷其是否撒謊。但阿爾法鷹眼的識別對機器捕捉的要求很高。而且它的情感識別是“非接觸”式的，與被測者之間甚至不需要互動，這對機器的智能水平要求高得多。

實際場景難以保證準確

隨著深度學(xué)習的成熟，現(xiàn)階段情感計算的準確度有了很大提升，但仍存在著特殊的難題。“要做情感計算，一定要在理解文本的基礎(chǔ)之上，這需要人的常識做依托，甚至合理推理，這些都是很難給予機器的?！崩畋箨栒f，“比如我讀了一段文字：今天是開學(xué)第一天，適逢教師節(jié)，同學(xué)們紛紛給老師送上祝福。這句話的背后意思就是開學(xué)這天是9月10日，但機器無法理解到這一步?！?/p>

在情感的背后，是人類龐大的常識體系的支撐，這是成熟的情感計算繞不過的。據(jù)李斌陽介紹，已經(jīng)進行多年的“知識工程”計劃就是希望把人類的知識以圖譜方式進行梳理，各個領(lǐng)域的研究機構(gòu)可以圍繞自身的知識點構(gòu)建自己的知識圖譜，比如體育的、軍事的，這是一項非常龐大的工程，但可以給情感計算的深入帶來更大可能。

另外一重困難是“主觀性”。感情是主觀的，大家的描述差異甚遠，一個寬和的人和一個刻薄的人對同一件事的感受肯定大不相同?！皩嶒炇依米约号廊〉纳缃痪W(wǎng)絡(luò)評論作判斷時，準確率可以到90%左右，但一旦落地到實際場景，效果就會出現(xiàn)差別?！崩畋箨栒f。比如吃一碗牛肉面，如果顧客有一個負面的表情，機器雖然可以準確捕捉，但要說是面難吃還是太燙，甚至是房內(nèi)太熱不舒服，是很難判定的。

需嚴格限定使用場景

針對情感識別將使人類“零隱私”的擔憂，李斌陽強調(diào)了“場景”的重要。情感計算的研究從起步時就與商業(yè)領(lǐng)域不可分。亞馬遜公司等希望通過對商品評論的分析，判斷消費者的好惡，對商品作出改進。在某類化妝品效果如何等具體問題上，情感計算的應(yīng)用較早且相對成熟。

至于對隱私的擔憂，李斌陽認為無法回避。如果無孔不入，確實需要擔心，但如果可以專業(yè)地應(yīng)用于特定場景，則利大于弊。

據(jù)俞楠介紹，阿爾法鷹眼目前主要在安防領(lǐng)域施展拳腳?！氨热鐧C場安檢，正常通過的人不需要緊張，但如果某些人有異于常人的反應(yīng)，系統(tǒng)就可以將其確認為重點關(guān)注人群?！庇衢硎?。這種判斷如果讓安檢員來完成，需要長時間的經(jīng)驗積累和細致捕捉，但機器只需要通過對情緒的結(jié)構(gòu)和模式庫的生成，就可以在毫秒級的時間內(nèi)作出判斷。

“最適合的就是對無特征人群的判斷?！庇衢f，“強特征人群的檢定可以通過人臉識別做到，比如在海量人群中搜尋有前科的人。但無特征的人沒有犯罪記錄、無法比對分析。比如剛跟家人吵完架就要登高作業(yè)的建筑工人，可以通過上工前的情感識別，判定他是否需要情緒干預(yù)，從而避免潛在的危險可能?！?/p>

俞楠表示，目前情感識別的應(yīng)用是與場景嚴格掛鉤的。除了安防、金融風控等嚴肅應(yīng)用，他們也不排除將情感識別應(yīng)用于“真情實感表情包”這樣輕松娛樂化的方向，探索更多落地可能。

（來源：《科技日報》 崔 爽/文）