什么是情绪识别人工智能如何识别你的喜怒哀乐？ _生活百科

提要
1.微笑哭泣、音调高低、用字遣词都反映我们当下的情绪，这类生理反应经测量并计算后，可转化为情绪信息。
2.然而，这些情绪信息可能潜藏刻板印象与偏误，用于算法或在实际应用上便会引发不平等议题。
3.情感计算的数据来自于人们，因此用户、研发者与立法者三方的态度将会大幅影响这类科技的进展。

文章插图
知名认知学者及计算机科学家明斯基（Marvin Minsky）曾说过：“问题不在于具有智能的机器能不能拥有任何情绪，而是机器具有智能之后怎麽可能没有情绪。” 情绪形塑个人生活，联系人际互动，影响群体氛围。科技发展至今，已体认到科技不够人性化就不受人们青睐，因此现今科技正在开拓一系列创新之路，要把情绪感知赋予科技，让科技更深入人心并走入生活，而情感计算（affective computing）就是其中之一。
情感计算的进展可回溯到1995年，美国麻省理工学院（MIT）媒体实验室的教授毕凯（Rosalind Picard）提出并开启了一项新兴跨领域研究。她除了以心理学理论为基础，也整合统计分析和人工智能（AI）技术，让电脑开始搜集相机、麦克风和生理穿戴式装置的信号，通过计算便能判读人们心理状态。
科学家发现，脸部表情的皱眉头或嘴角上扬都透露明显的情绪讯号，声音的抑扬顿挫和说话时的用字遣词，也是反映出情绪正负向和激动程度的要素，生理讯号则非常真实呈现感官受刺激后的情绪反应。这些信号经测量后，通过计算所取得的情绪信息，也回应了心理学深厚的理论知识。基于这些研究，不同领域的专家投入情感计算的技术开发，促进了这一跨领域学科形成。

文章插图
辅助心理诊断
随着情感计算的技术持续开发，拓展出更多研究领域，例如在医疗健康上，情感计算可用于辅助诊断自闭症、思觉失调症和忧郁症等心理疾病。过去科学家透过观察个人行为表现并测量脑部活动，证实脑部的运作会部份反应在行为上，例如自闭症患者的脸部情绪可对应到脑电图（EEG），因此行为可做为临床衡量指标。
一般来说，心理相关疾病的诊断与治疗，需要仰赖有经验的精神科医师及临床心理师，以一对一面谈方式进行，并且往往需要患者或亲友主动寻求协助，较难于生活中实时判断并记录患者行为。而诊断及追踪的面谈过程有时会采用结构化或半结构化的量表做为衡量工具。如果有朝一日能运用情感计算技术来进行自动化评估，或许就能提升量表评估的效率，并辅助医师实时诊断患者，举例来说，透过眼动追踪、异样表情辨识及语音特征来计算或预测衡量指标，得以进一步了解自闭症严重程度。
类似技术也可运用于忧郁症的诊断及分类，无论是针对说话方式、头转动的角度或眼睛看的方向，都可能当做衡量指标，开发出相关技术加以评估。值得注意的是，一般人容易忽略的行为表现，透过情感计算的协助就可能发掘出隐含病征的细节。把原先耗时且涉及复杂人类行为的事务加以规模化（scaling），正是情感计算的潜在用途之一，例如从博客文章的内容来侦测作者的自杀倾向，或是从日益普及的穿戴式手环来观察使用者的压力和焦虑程度。情感计算有可能为我们增添新工具，来对付难缠的心理健康与压力问题。

文章插图
此外，远距使用的优势也有机会拉近人与医疗资源的距离。2017年斯坦福大学团队推出并测试Woebot聊天机器人，这款应用采用认知行为治疗（CBT）的设计，请用户写下自己的想法，并在结构化的问答中，提供用户反思自身情绪并改变想法的机会。南加州大学团队则利用心理治疗系统Ellie ，针对美国退伍军人的创伤后压力疾患（PTSD）来自动侦测微笑频率和持续时间，提供了追踪病程的线索。

什么是情绪识别 人工智能如何识别你的喜怒哀乐？

什么是情绪识别人工智能如何识别你的喜怒哀乐？