读心：情感计算步步进入商业调研领域精选.pdfVIP

读心 ：情感计算步步进入商业调研领域 现在 ，在理解、存储海量信息方面 ，机 似乎越来越高能了——但是它们和以前一样 ，在情感方面 却没什么进展。不过 ，从 1990 年代以来 ，一小部分研究者致力于让计算机能够用人类方式去解读 情感和反应。语音专家让计算机学会辨认音高、节奏和音强 ；他们研发的软件可以通过扫描一段女 人和孩子间的对话 ，来判断这个女人是不是母亲 ，她是不是看着孩子的眼睛进行对话 ，以及她是 生气、沮丧还是开心。其他计算机可以通过判断我们的语序 ，解读我 们各种姿势来衡量情绪。还有 其他计算机可以通过解读面部表情来实现这一点。 面部是情感交流的 官 ；研究估计表明 ，面部表情传达的信息量比 语言更多 ，一些致力于解密面部 表情信息的科学家已经取得了巨大的进展。其中最成功的是埃及科学家拉娜•埃我•卡柳比 (Rana el Kalio uby)。她现居波士顿 ，2009年创办了公司 Af f ect iva ，曾被商业媒体评为发展最快的创业公司 之一。事实证明 ，具有情感反应能力的计算机很有“钱景”。对卡柳比来说这毫不奇怪 ：她确信 ， 很快 它们将无处不在。 Affectiva ：基于 “表情”的公司 Af f ect iva 坐落于马萨诸塞州沃尔瑟姆市 ，在双行道沿街商业区后的办公园区 ，是波士顿模仿硅谷而 建立的走廊地带的一部分。总部有着西海岸创业公司的典型装饰——台球 桌 ，变形椅——但整体感 受是新英格兰地区的风格 ；许多员工都来自麻省理工学院。从会议室 ，越过一个大型停车场 ，可以 看到通往波士顿的铁路线。 在九月份的一次拜访中 ，卡柳比和我参观了该公司研究的面部表情图 ，有些是科学图表 ，有些来自 于漫画。卡柳比是计算机科学博士 ，也和其他成功的程序猿一样 ，她 能轻松理解贝叶斯概率 (Bayesian pro babilit y)和隐马尔科夫模型 ( idden Markov models)。同时她又平易近人、情感丰富 、待人热情 ，甚至爱搞笑。她信仰清真教 ，两年前开始戴头巾的时候吸引了周围所有人的目光 ，现 在这成为了她的标 志。麻省理工学院的媒体实验室的前主任弗兰克•莫斯 (Frank Moss) 告诉我 ，她“ 情商极高”。作为两个孩子的母亲 ，她在担心科技带来的影响。 卡柳比告诉我 ：“只要十年 ，我们就会完全想不起不能对装置皱眉的情景。未来我们皱眉的时候 ，机 会说 ：‘噢 ，你不喜欢这样 ，对吧 ？’”然后她拿出了装有 Af f dex的iPad ，这是她公司推出的一款 软件 ，能够追踪四种情感 ：开心 ，困惑 ，惊讶 ，厌恶。软件每次扫描一个面部表情 ；如果有很多 的话 ，首先将其逐 个分离。然后 ，识别脸部的主要区域——嘴 ，鼻子 ，眼睛 ，眉毛——将像素点分 别归类到每个部位 ，以简单几何模型渲染特征。我看着iPad上自己的即时动态表 情 ，面部被绿色的 点覆盖。“我们把它们分为可变形的和不可变形的点 ，”她说 ：“微笑或是假笑 ，你的嘴角会到处乱动 ，因此这里的点对于稳定面部表情特征毫无 用处。而另外的点 ，比如你鼻子顶端的那些 ，它们不 会动。”这些不可变形的点作为锚点 ，有助于判断其他点的运动距离。 Af f dex也扫描肌 肤变化的纹理——眼角细纹和眉毛皱纹的分布——并结合可变形点的星系来建立面 部详细模型并反馈。辨别面部表情的算法 ，是通过与之前分析过的无数个表情相比 较。“比如 ，你 笑的话 ，它会实时辨别出你在笑 ，”卡柳比告诉我。我笑了一下 ，屏幕下端的绿色标识块迅速上涨。 “试试看困惑的表情。”她说 ，我照做了 ，于是 困惑对应的区块上涨。“就是这样。”她说。 和这个领域的其他创业公司一样 ，Af f ect iva建立在保罗•艾克曼 (Paul Ekman) 的研究成果之上。这 位心理学家在六十岁是开始研究并建立了权威的理论体系 ：至少有六种人类通用的表情。不论性别 、年龄和文化背景每个人都会一模一样地这样 表现。艾克曼将这些表情分解为4 6个独立动作 ，即“ 动作单元”(act io n unit s) 的结合。他汇编了面部动作编码系统(Facial A ct io n Coding Syst em,FA CS)——长达五百页的面部动作分类。从动画师到对撒谎的微表情感兴趣的警员 ，这套系 统在学界和专业领域内已被使用了数十年。 计算机比人类更能读懂表情 ？ 通过扫描面部动作单元 ，在辨别自发的愉悦与社交微笑(socialsmile) ，以及在区分痛苦是否真实方面 ，计算机远胜人类。计算机能够判定病人是否情绪压抑。计算机会不知疲惫地运行 ，能够显示甚至 连本人都