人工智能語境下的情感交互設計研究

祝明

摘要：隨著人工智能技術生物普遍實施，在大數據下中的決策和管理進行智能化，有效解決了當代社會中的數據問題。情感在人類行為中是重要作用的存在，對于人的感知、學習和決策等機制都會產生重大的影響，將理解和表達人類情緒的能力用于機器識別上，有效提高計算機的智慧，所以進行情感交互需要給機器理解和產生各類的情緒，最終機器人才能跟人類進行交談時是具備情感的。隨著時代發展的進步，人們對于人工智能的作用在進行不斷的創新研究，對于親切生動更符合人類交流的情感交互，已成為我國對人工智能研究的主要目標。本文主要講述人工智能語境下的情感交互系統的優化方式，并根據人工智能用戶的情感特征來進行提高情感交互。

關鍵詞：人工智能 情感交互設計

引言

研究者在進行對人工智能技術情感交互進行不斷的研究，通過各種方式來提高計算機的情感模型，試圖去解決日常生活中產生的問題。情感交互是構建機器與人正常溝通的重要部分，情感交互系統還可適應調整計算機的模式，當系統確定了用戶的情緒狀態時，這時將會提供適應及合理的咨詢服務，但是人類的情感交流是一個復雜的交互過程，目前的情感交互在研究中依然存在挑戰性，比如說在信息獲取的精確率和情緒的一個認知過程所以我國研究者在對人工智能語境下的情感交互設計進行不斷的嘗試，為的就是實現更好的用戶體驗。

1 人工智能用戶的情感特征

1.1面部表情

面部表情是反映人情緒狀態最為明顯的特征，由口部、眼部和臉部肌肉的變換而呈現出來的面部情緒，而面部表情中最為豐富的就是口部與眼部肌肉相結合的區域。著名心理學家EKman根據人們在傳達同一種情感時，面部肌肉不受年齡、性別、區域等多種存在的因素影響，EKman將人的臉部表情劃分為了七大類，分別以驚訝、悲傷、高興、恐懼、厭惡、憤怒、中性作為判斷人的情緒變化。而面部表情通常是使用圖像處理的方式，除了占據電腦資源較多以外，而且在物理條件中因為變化反應，容易影響視覺傳感器中的數據處里和對情緒狀態的推測準確度。人工智能的出現對于識別誤差的現象大幅度的減少了，而劉小灃對于在人的面部表情識別和人臉識別這個兩個技術應用進行了研究，最后提出了對抗訓練以及自適應深度度量學習的兩種方法，根據對表情的解析和身份信息或者有特征性的屬性信息，研發了一種新的深度尺度的學習算法，解決了在所處領域中常見的錨點選擇問題并降低了運算量，重要的是其閾值參數可以進行自適應的學習。

1.2身體姿勢

研究者在進行情感檢測中過于注重人們的面部表情，研究中有95%以上研究者進行使用面部來作為研究對象，從而忽略了其他渠道的來進行識別用戶情感。比如，人們在交談中，突然停止了語音交流，但是他們的身體在進行傳遞情感信息，在這情況下人們是沒有通過雙手或者是大幅度的動作來主動傳達，只是用腳輕踢對方。雙臂交叉和頭部進行傾斜等方式。根據實驗心理學進行證實了某些類型的運動或者是存在的特定情感都是存在一定關聯的，比如說，人們在馬路行走時，看見車速很快感覺到危險時，恐懼的產生，人們會主動使自己的身體避開這種感覺的范圍;在處于幸福和驚喜的時，人們會主動將身體傾向于這種感覺的方向。盡管該領域的還是新穎的，而這種新穎的領域在學界中檢測情緒方式并沒有達成共識，研究者通常都是根據身體的關節圍繞手、膝蓋、頭部這些與身體部位相連接之間的角度來構建情感的特征。

1.3語音信息

與動作和表情來相對進行比較，人們最擅長的是直接用語言的方式來表達情感，其中主要儲存人說話情感信息就是在語音信號中的韻律特征里面，其中包括了基音頻率和范圍再加上語音的強度和頻率等。人工智能對這些特征在識別過程中有較高的準確性，這對于識別語音情感存在重要的作用，比如，成功創建了幾種語音消息的神經的網絡識別器和是識別器組合的Turk等人，他們創建的識別器能根據語音來區分兩種狀態，分別是“激怒”和“平靜”且準確度為77%。通過對語音信息的進一步研究中，Dringas提出了對抑郁癥患者治療的智能化自適應框架，其智能化后是根據患者的語音情感變化來進行跟蹤分析，不僅能根據抑郁癥患者的語音情感進行分析來提高他們的表達能力外，更能使患者重新獲得情感上的理解和語言的表達能力，人工智能中語音信息的提升給人們在生活中帶來了很多的方便。

2 人工智能情感表達交互的優化

在進行情感交互的系統設計中，及時準確的識別用戶的情感與生動合理的表達情感是具有同等重要性的，人工智能的情感表達已經在多種生活中運用到了。比如說，Liu根據自主神經系統的反映識別出玩家的焦慮程度，并用它來適應乒乓球比賽中遇到的困難;其根據類似的方法來識別兒童在玩機器人時產生的娛樂性情緒，使機器人改變行為來獲取最大的娛樂性。ANS的響應已經被進行用于來識別在運動康復中的工作量水平了，根據調整運動的最佳方式來進行挑戰患者;還能在意識到汽車駕駛員有睡意的情況下進行警告的問題等。在此前提，Mello等人對機器的多模態情感的表達進行了研究，分別用一組參數來衡量在單模和多模刺激下的狀態，單模式為視覺、多模式為嗅覺、視覺、聽覺，根據劃分的刺激下分別對人類情感產生的不同影響。如果界面可以設計成為多種模態來刺激用戶方式的話，那么情感表達就會呈現出在情感交互設計中的重要性，比如說，日本的Pepper就可以根據識別內容來應對各種出現的情緒狀態，進行對方的情緒做出相應適當的言語或者手勢來回應。而當感覺到對方依然情緒沒有得到轉換，或者說對其的互動感動不滿意時，Pepper并會進行道歉。在建立情感表達的模型設計時，不能忽略情感交互系統的自適應性，而情感模型是根據個性化服務中特定狀態下進行的自動編輯，而前提是需要通過理解用戶的實際情況來進行反饋，隨后根據調節其適合的表達模式。情感交互系統首先需要具備獲取用戶生理和行為特征的能力，再通過語音交互的感知等技術方式，構建更加完善的用戶進而有效提供更加個性化的信息，隨著數據積累的越來越多，不僅能提升交互的效果性，更能實現更加優質完美的用戶體驗。

3 情感交互根據模塊化設計方法

情感交互系統的產生最終目標為的就是計算機能在理解人類情感的狀態下，進行合理的調整，對用戶進行情感上的互動。人工智能的語境下，情感交互系統的重點是運用各種感知方式來進行識別人類的情感，因此提出更好的靈活性基于人工智能技術中的模塊設計策略。分別以傳感模塊、執行模塊、識別模塊、情感計算機模塊和優化模塊，根據這五大模塊來進行設計策略。在情感交互系統中，進行模塊化設計是個性化服務的關鍵所在，由于所有系統中的情感模型的方案并沒有找到適用的，情感建模仍然高度依賴用戶的反饋信息。根據不同模塊的的特點相互結合，有效提升機器的情感交互系統，根據模塊化設計的拓寬性來提高多模態用戶對情感的準確性。大數據和深度學習已成為人工智能發展的重要技術路線，而這些都會根據人工智能在情感交互中根據時間都能展現出來。通過五個方面模塊展示的特點，對進行提高人工智能技術有很大的效率性。

4 結語

人工智能技術的提升一直在不斷的開發和創建，情感交互系統的構建并且實施是可行性的。新技術的提高不僅可以改善生活質量，并且獲取大量的數據中，而數據可用于開發到復雜的人工智能算法，并可實現在情感算法的計算模型。

參考文獻

[1]顏洪，劉佳慧，覃京燕.人工智能語境下的情感交互設計[J].包裝工程，2020，41（06）：13-19.

[2]覃京燕.審美意識對人工智能與創新設計的影響研究[J].包裝工程，2019，40（04）：59-71.