人工智慧與可穿戴技術結合 實時檢測人類情緒變化

導讀

一次談話，會讓人們產生不同情緒，例如高興、悲傷、壓抑、興奮等。美國科研人員發明一種結合人工智慧和可穿戴技術的系統，它能夠基於個人的言語方式和生命體征，判斷出談話是愉快的、悲傷的或是中性的。

（圖片來源於：MIT）

簡介

該系統由麻省理工學院計算機科學和人工智慧實驗室（CSAIL）和醫學工程和科學研究所（IMES）聯合開發。研究生 Tuka Alhanai 與博士生 Mohammad Ghassemi 合著了一篇相關的論文，並且將在下周於舊金山召開的美國人工智慧協會（AAAI）的會議上發表。

對於這個研究的意義，我們先看看研究的領頭人Tuka Alhanai 怎麼說：

「我們可以想像，在對話結束時，如果你能夠回顧整個過程，就會看到周圍的人感到十分焦慮的時刻。我們的工作在此方向上已邁出一步，可能離人們在口袋中擁有人工智慧教練的那一天不遠了。」

當實驗參與者講述一個故事時，系統會分析講話的語音、文字、以及心理信號，從而得出故事的整體基調，準確率可達83%。系統通過使用深度學習技術，每隔五秒鐘提供一次「情緒分」。

隱私保護

研究人員稱，人們通過使用智能手錶上的人工智慧系統，在多人談話中創造出更多可由演算法分析的數據，進一步提高系統性能。團隊指出他們已經開發了一個具有強烈隱私性的系統：可以在用戶的設備上本地運行演算法，保護用戶的個人隱私信息（Alhanai 稱消費者版本，將需要明確的協議，在爭得人們的同意得基礎上，加入他們的對話中。）

工作方式

許多與情緒檢測相關得研究，都通過向參與者展示「高興」和「悲哀」的視頻，或者讓他們表現出特殊的情緒狀態。但是為了引起更多自然的情緒，相反地，團隊讓受測試者自己選擇講述一個「高興」或者「悲傷」的故事。

受測試者佩戴三星智能手環 Simband ，該設備可以捕捉高解析度的生理波形，測量運動、心率、血壓、血流和皮膚溫度。系統也可捕捉音頻數據和文字內容，從而分析講話者的語調、音高、音量和辭彙。

（圖片來源於：MIT）

團隊捕捉了31種為時幾分鐘談話內容，訓練兩種數據演算法：一種將整個對話分為高興或者悲哀，而第二種將每五秒鐘的談話分為積極、消極、或者中性。

Alhanai 注意到，在傳統的神經網路中，所有數據相關特徵都提供給基礎網路演算法。相對而言，她的團隊發現他們可以讓網路的不同層，組織不同的特徵，從而提高演算法。

結論

演算法的發現和人類的觀察一致。例如，長時間停頓或者單調的語調，和令人悲傷的故事相關，而精力充沛的各種講話和高興的故事相關。考慮到肢體語言，悲傷的故事和坐立不安以及心血管活動相關，也和某些特定的姿勢，例如把手放在臉上相關。

平均來說，這個模型可以區分每五秒間隔的講話情緒，準確率比隨機水平高18%，比目前的方案要高7.5%。

（圖片來源於：MIT）

未來

作為社交教練，這種演算法目前還不夠可靠，但是 Alhanai 稱他們正在向這個目標邁進。未來，團隊計劃更大範圍的搜集數據，使用例如 Apple Watch 等商用設備，讓他們可以在現實世界中更好地實現該系統。

另外，這款產品有望能用於幫助埃斯博格綜合征或自閉症患者。

Alhanai 說：

「我們的下一步，就是提高演算法的情感粒度，這樣可以更加精確地檢測出厭煩、緊張和激動的時刻，比那種『積極』或者『消極』的標籤更加準確。開發這項技術可以利用人類情感脈衝，動態地提高我們之間的相互交流。」

參考資料

【1】http://news.mit.edu/2017/wearable-ai-can-detect-tone-conversation-0201