什么是情绪识别人工智能如何识别你的喜怒哀乐？( 二 ) _生活百科

【什么是情绪识别人工智能如何识别你的喜怒哀乐？】过往实验也发现一种有趣现象，受试者在面对机器时反而比较愿意倾吐心声，正因为机器并不是真人，受试者得以抛开社交或身分顾虑，进而产生一种新的沟通途径。在新冠肺炎疫情期间，避免群聚造成人际疏离，可能添增大众的忧郁倾向，在医疗现场资源吃紧之下，远距科技辅助心理诊疗势必更受关注。
从上述研究，不禁令人思考人们与机器对话时会寻求哪方面的协助？Woebot创办人达西（Alison Darcy）也是心理学家，明确回应许多人的误解：“Woebot不是用于取代临床心理师！”相反地，情感计算研究拓展了心理辅导和咨商的新渠道，而且具有24小时不断线的优点，当人们怀有负面情绪时，或许能够弥补求助无门的空缺。
除了医疗方面的积极尝试，这些聊天机器人提供的陪伴和娱乐作用，或许有朝一日也能应用在大众的日常生活中。事实上，人们无时无刻都在“计算”自身情绪状态。上课时，学生会对不适合的教学步调或内容感到挫折，如果有对应的客观情绪反应指标，老师也许就能更适当调整。开车时，驾驶可能会打瞌睡，有了车用疲劳侦测装置的协助，就能降低车祸发生率。情感计算发展至今，正围绕着人类生活来尝试各种新的试验，也衍生出一些未来想象和应用场景。

文章插图
数据本质是根本问题
情感计算研究的面向广泛，把研究结果融入日常生活，需要克服不少挑战，例如搜集的数据潜藏隐私问题、误用模型所造成的决策风险，以及预测偏误带来的潜在不平等议题。用于训练情感计算模型的数据库，通常强烈影响模型的预测结果，因此搜集并检查数据库内容的方法就变得相当重要。
过去研究人员测试Google提供的影像辨识服务时，发现机器较容易预测女性脸上有笑容。非情感计算的相关任务上也有类似情况，几家大公司提供的服务具有各种问题，例如对于预测黑人性别的较不准确，因而促成性别图谱（Gender Shade）项目，试图挖掘更深的偏误来源。偏误并不是这些大公司有意塑造，假如数据库中的女性大多面带微笑，自然软件很容易把女性和笑容直接链接成对应的特征，但这并非真正应该用于进行建模的特征。
这类以数据为基础的技术就像一面镜子，真实反映收录资料的内涵，当研究人员没有注意到数据库含有刻板印象和偏误时，无形中允许不平等存在于软件，只有刻意去观察才得以消除。
另外一类偏误来自于模型训练的过程，由于资料搜集相当困难，一项情绪辨识任务在测试初期通常高度简化，随着研究进展才逐步扩大应用情境。例如用于训练情绪辨识模型的音档，起初是由受试者朗读设计过的脚本来产生情绪，演变到搜集自然对话，甚至是电影及播客（podcast）等多媒体真实情境资料。即使模型在基本的脚本情境中得到高准确率，并不代表在其他生活化的情境中也能有同等表现，因此解读模型准确率不该只单看数字高低，需要更细致关注数据来源和应用情境。
上述对于情感计算模型的误解相当常见，提供技术的单位有责任揭露这些模型的限制和应用情境。在研发过程中，还需要注意另一种偏误来源，例如不考虑一句话的前后文，就要模型预测这句话所代表的情绪，或是不提供周围情境，就要模型判读一个脸部表情所代表的内在感受，在欠缺这些信息的情况下，很多时候连人类都没有把握能做出判断，又怎么能期待机器具有超乎人类的情感判断力呢？因此在训练情感计算模型时应该整合更多面向的数据，并采纳不同领域专家的意见。
情感同时牵涉身心层面，人们对情感的看法有一定程度的差异，任何专家都没有把握能全然掌握情感和行为的关系。事实上，这些议题长期存在，现今的科技应用都有类似问题，当情感计算用于判读人们内心感受，更需要有配套方法来处理相关伦理与隐私议题。关于伦理与法规的需求，学术圈已有众多学者参与讨论，在去年9月召开的情感计算与智能互动国际会议（ACII）正是以情感计算的伦理层面为主题，汇集技术社群，共同讨论如何为社会带来正面影响。

什么是情绪识别 人工智能如何识别你的喜怒哀乐？( 二 )

什么是情绪识别人工智能如何识别你的喜怒哀乐？( 二 )