情感計算會讓人類無所遁形嗎？

崔爽

近期，央視《機智過人》節目中上演了人與機器的“讀心”大戰。名為“阿爾法鷹眼”的機器人在一項難度更高的測試中，在一排心理素質頂尖的海豹突擊隊老兵中準確找出了其中的狙擊手，速度比從業多年的人類心理專家更快。

據介紹，阿爾法鷹眼是掌握情感計算能力的人工智能設備，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，人類自己都很難準確定義，機器又如何理解？對此，國際關系學院信息科技系副教授李斌陽解釋：“情感計算的本質是一個分類問題，讓機器判斷人的感情是褒義的、貶義的還是中性的。”

據他介紹，情感計算傳統的做法是利用人能夠提煉出來的表達情感的特征，學習出一套用于判斷感情性質的模型，在捕捉到新的表情或文本等時進行匹配，從而做出感情傾向的判斷。

這項研究起于本世紀初，并在近幾年深度學習加入后進步明顯——在那之前，情感特征需要人來提取，在那之后，機器可以根據標注好的數據提煉出特征，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據，從而形成某種偏差。

據介紹，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”。比如，同樣是“高”這個字，在“失業率”和“就業率”兩個語境下的情感傾向是不同的，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

在節目中，阿爾法鷹眼的表現令人驚艷，據阿爾法鷹眼安防科技有限公司首席技術官俞楠博士介紹，這是通過對肌肉的微震顫的捕捉和判斷實現的。“情緒本身是一個非常復雜的生理反應，有外在的瑟瑟發抖、渾身顫抖；內在的激素、心跳、血壓異常等連鎖反應。這些反應超出人的控制，計算機可以通過結構化人的情緒、量化這種反應，形成對情緒變動引發身體反應的判斷模式。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，對應到某一種情緒上。”

談到節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差異是無法偽裝的。恐懼、緊張會影響肌肉震動，人無法自控。”通過俞楠的解釋，這種判斷方式和網上流傳的“微表情”似無差別，但“微表情是偏重于對圖像內容的分析，需要被測者有較大的表情反應，但面對人的面部有遮擋，或人體的側面、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，一樣會有難逃機器法眼的下意識生理反應。”

實際場景難以保證準確

隨著深度學習的成熟，現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。”李斌陽說。

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。據李斌陽介紹，已經進行多年的“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，各個領域的研究機構可以圍繞自身的知識點構建自己的知識圖譜，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，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。“實驗室利用自己爬取的社交網絡評論做判斷時，準確率可以到90%左右，但一旦落地到實際場景，效果就會出現差別。”李斌陽說。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，李斌陽強調了“場景”的重要。情感計算的研究從起步時就與商業領域不可分。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。至于對隱私的擔憂，李斌陽認為無法回避。但如果可以專業地應用于特定場景，則利大于弊。

據俞楠介紹，阿爾法鷹眼目前主要在安防領域施展拳腳，“比如機場安檢，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，系統就可以將其確認為重點關注人群。”俞楠表示。機器只需要通過對情緒的結構和模式庫的生成，就可以在毫秒級的時間內作出判斷。

“最適合的就是對無特征人群的判斷。”俞楠說：“比如剛跟家人吵完架就要登高作業的建筑工人，可以通過上工前的情感識別，判定他是否需要情緒干預，從而避免潛在的危險可能。”

俞楠表示，目前情感識別的應用是與場景嚴格掛鉤的。除了安防、金融風控等嚴肅應用，他們也不排除將情感識別應用于“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。

（摘自《科技日報》）