直男福音：AI能幫你窺探女朋友的情緒了！

自古以來，「女朋友心情怎麼樣?」就是直男面對的最大問題之一，現在福音來了：在數據領域的應用漸入佳境後，研究人員試圖讓AI表現的更像「人」一些，第一步就是讓AI能窺探人的情感。

根據世界衛生組織(WHO)的數據，抑鬱症是全球最常見的疾病之一，每年影響逾3億人的生活，以及導致近80萬人自殺。診斷抑鬱症是一項具有挑戰性、複雜的工作。梅奧診所介紹，抑鬱症的癥狀各不相同，醫生可以使用身體檢查、實驗室測試、精神病學評估問卷和美國精神病學協會DSM-5(精神疾病診斷與統計手冊)的標準來確定抑鬱症的診斷。對於心理健康專家來說，提出正確的問題，並準確對患者的回答做出判斷，是診斷的關鍵。但是，如果診斷可以通過自然的對話來完成，而無需通過專門的詢問呢?

由麻省理工學院(MIT)計算科學和人工智慧實驗室成員阿爾哈奈(Tuka Alhanai)、格拉斯(James Glass)，以及醫學工程與科學研究所成員加賽米(Mohammad Ghassemi)組成的創新研究團隊研究了一種方法，讓AI能夠在自然對話中識別抑鬱患者。

該團隊開發了一種基於神經網路的人工智慧模型，可以通過識別音頻和採訪文本的語音模式來預測抑鬱症。他們共使用了142個病人訪談記錄的數據，用以建立抑鬱症檢測的模型序列。之後在無上下文建模、加權建模和序列建模3種模式中進行了測試。

首先，研究小組要評估「在訪談中思考和主體無關的獨立問題時」，基於音頻和文本特性的預測準確性——換句話說就是「上下文無關」的建模。研究小組將279個音頻和100個文本特徵輸入到一個L1正則化的邏輯回歸模型中。對於文本特性，團隊利用Python Gensim庫的Doc2Vec實現了「總共8050個訓練示例、272418個單詞和7411的語言樹量」。對於音頻特性，該團隊「提取了響應每個主題的553個初始特性。」

在第2項實驗中，研究小組的目標是研究其在面對「和訪談無關的系列問題」時的預測能力。為了實現這一目標，他們創建了一個類似於上下文無關模型的加權模型，並設置了一個關的區別——它根據「在訓練集中出現問題的預測能力」為模型分配權重。

在第三個實驗中，研究小組將重點放在「按訪談時間的變化建模」上，並使用了雙向長短時記憶(LSTM)神經網路，因為它「具有對序列數據建模的額外優勢」。

有趣的是，研究人員發現，當使用音頻預測抑鬱症時，模型所需的數據是文本的4倍多。該模型平均需要30個音頻序列完成預測，相比之下，文本問答序列只需7個。研究小組發現，序列建模能更準確地預測抑鬱，而文本和音頻的多模態模型表現最好。諷刺的是，AI神經網路模型的本質混淆了它從輸入數據中發現的模式。人工智慧的不透明是由於神經網路固有的複雜性和大量的參數。無論如何，麻省理工學院的這項研究代表了創新的一步，它將創造出一種新的潛在工具，幫助醫生和心理健康專家在未來解決診斷抑鬱症的複雜性。

無獨有偶，除了學術圈，業界巨頭也正針對日常生活領域研發相應技術。亞馬遜已經申請了一項新額技術專利，使其智能音箱Alexa能夠通過用戶發出指令的音高和音量，識別用戶的情緒，並根據用戶的「感覺」做出反應。正如專利中描述的那樣，Alexa可能會識別出「快樂、快樂、憤怒、悲傷、悲傷、恐懼、厭惡、厭倦、(或)壓力」，並對相應的命令做出回應，可能是「具有高度針對性的音頻內容，比如音頻廣告或促銷」。

當然，從專利到產品還有一段路要走，但它們可以讓人了解公司對新興技術的看法和反應。在這一案例中，專利暗示了亞馬遜在其在線產品系列中動態投放定向廣告的可能性。他們在專利中舉了個例子：如果你告訴Alexa你餓了，她就能從你流口水的聲音判斷出你想吃什麼東西。緊接著，她會問你想要的菜譜，或者問一個「與特定廣告商有關的」問題。

定向廣告傳統上依賴於人類行為的大數據：化妝品廣告投放給女性、烤肉夾投放給男性、痤瘡藥物投放給年輕人、心臟藥物投放給老年人。從那以後，演算法分析大致就在這個範圍內發揮作用，頂多擴大一些——根據多類數據，廣告商可以設置多重條件，比如25歲以下的單親媽媽，或者40歲以上的西海岸民主黨人。

這種識別基本上是靜態的。但如果有一種產品在不斷地「監視」人們的每一個轉變，相關推送會變得更準確——它們判斷的不再是某人是誰，而是在那個時間點，某人怎麼樣了。這對廣告商來說是一種福音：大多數時候，你可能對買一張情歌專輯不感興趣——但如果是在和愛人發了一條情緒化的簡訊後淚流滿面的時刻，你也許就會買下來。你可能不會經常去快餐店，但是在感到飢餓和噁心時如果有人提出相應建議，也許你就去了。

亞馬遜並不是唯一一家充分利用人類情感的科技公司，谷歌也有類似的專利，它可以為設備增加一種功能，用以檢測負面情緒，然後自動給出建議;IBM則有一款幫助搜索引擎根據用戶「當前情緒狀態」返回網路結果的軟體，比如，搜索「好的播客」、「足球」或「將要發生的事件」時，就會基於通過面部識別或是心率掃描，甚至是——各大企業在專利中著重強調的——腦電波掃描結果判斷的用戶「情緒」，返回不同的結果。

過去曾有人懷疑，AI本質上就是演算法，我們是不是對演算法的期待過高了?

美國著名的日裔物理學家加來道雄對此曾有一個非常著名的預言：隨著時間推移，機器人的智能會從家鼠，進化到野鼠，再到貓，再到狗，甚至有一天可能達到猴子的程度。到那一天，它們可能帶來危險，甚至取代人類。這個語言暫時對了一半，截至今天，AI確實進化了不少，但仍然處於可控的、造福人類的階段。

初步看來，能夠窺探情緒的AI預計會對客戶關係管理(CRM)產生重大影響。了解客戶一項重要任務，當AI能為你做到這事的時候，對雙方都有好處。通過各式各樣的分析，AI可以幫你制定個性化服務和廣告活動。此外，情感驅動忠誠。因此，讓你的設備了解客戶的核心情緒只會讓他們獲得更好的服務。

除了MIT和亞馬遜這些有著深厚技術積累的主體，一些創業公司也正涉足其中。Sensing Feeling已經在物理空間中部署了先進的物聯網感測器，通過先進的演算法來檢測人類的情緒。他們的任務是讓科技更人性化，他們的產品將幫助商家改善客戶體驗。

Lightwave 和 nViso是情感AI領域2家創業公司，他們同樣專註於幫助商家改善客戶體驗，在技術方向更注重使用視覺智能。另一家創業公司Kanjoya的關注點略有不同——他們關注的是公司的員工，而不是客戶。畢竟，員工滿意度與客戶服務管理同等重要。

情緒人工智慧的早期痕迹可以在今天人們使用的虛擬個人助理中找到，這些通常是通過NLP和文本分析實現的。此外，面部識別和機器視覺軟體將使實時識別非語言行為更加容易。

但是，情感AI的出現帶來了大量的機遇和挑戰，最重要的一點便是如加來道雄所說，萬一機器人產生自我意識，可能會對人類造成威脅。當然，即便很多科幻電影已經向我們展示了這種技術可能的表現，但這將是幾十年甚至1個世紀後的事了。到目前為止，我們還不虞AI會有多大破壞力，相反，如上所述，情感AI帶來的好處是不可忽視的。

此外，德意志電信專家拉爾森(Kim Larsen)稱：「我們應該關注的不是AI的偏見，而是人類固有的偏見。事實上，情感和同理心的作用是文化決定論的，東方社會更傾向於個人聯繫，通常被描述為裙帶關係，而西方社會則更傾向於規則和系統。雖然不提倡這樣或那樣的方式，但顯然，接受邏輯人工智慧推理將在地理上不平衡。」

最後，關於人工智慧的討論不禁會使人想起羅伯特·佩諾特(Robert Breault)的一句有趣的話——「有一天，電腦會給出錯誤的答案扭曲人們的思考，然後人類就發明了人工智慧!」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！