婚外恋调查-机器能识别情感吗？探索AI情感识别的可能性与挑战

1、监控遍布的社会

2020年2月，在英国利物浦，一场关于政府采购的会议正在进行，这场会议有些乏味。会议展厅里摆放着各种各样的陈列品，参会者在这些展品间到处走动，有时在某些展品前停下，其他时候则直接绕过去。与此同时，他们被密切“监视”着。整个楼层设置了24个不显眼的摄像机，用来追踪每个人的活动。人的表情变化是由面部肌肉运动产生的，所以当参会者面对不同展品时，面部肌肉会出现不同程度的收缩 。就算这些变化极为细微，然而24个摄相机将会以每秒5至10帧这么个速率去拍摄。紧接着，拍摄完毕的照片会被传送到计算机网络，借助AI算法去评估每一个人的性别以及年龄，并且剖析他们的面部表情。最终，系统会从其中找寻到展示 “幸福” 以及 “投入” 的信号，。

《环球科学》杂志社供图

帕诺斯·穆塔菲斯身为一家名为“Zenus”公司的首席执行官，尽管利物浦的会议已过去一段时日，他却依旧对“监视”结果满怀兴奋，这家公司处在美国得克萨斯州奥斯汀，为会议上的面部表情分析供给了AI技术。他于视频通话里这般对我说：“在我所见过的商用AI系统之中，极少有能企及这般准确度的。”他还向我展现了一张人群照片，人群里的一些脸被用方框框了出来 。为了让AI系统能够学会去识别人的情感，Zenus的工程师针对系统展开了“培训”，他们挑选了一个规模庞大的面部表情数据集，每一个表情都标注着与之对应的内心感受，随后运用这个数据集来训练AI系统识别情感的能力，为了验证经过培训后的AI系统识别情感的能力，Zenus的工程师尝试了多种方法：其中包含现场测试，也就是当一个人说出当下感受之际，用摄像机拍下这个人的脸。穆塔菲斯讲，存在这样一种 AI 系统，它具备在多种环境里识别情感的能力，比如说在室内环境中啦，还有在人们戴着口罩的状况下呢，要不就是在没灯光时的情形呀，再不然就是在室外环境中，以及当人们戴着帽子和太阳镜的时候喔。

2、能识别情感的机器

眼下，兴起了一种新技术，它被叫做情感AI，也就是情感计算，它把摄像机跟运行AI程序的其他设备联合起来，用以捕获面部表情、肢体语言、语调等等线索，在这里，Zenus所研发的AI系统就是这项技术的一个例子，值得注意的是，情感AI的目标不单单是辨认以及辨别面部表情，更为关键的是要揭示出以往技术察觉不到的信息，像照片里人的内心感受、动机还有态度。杰伊·斯坦利，在2019年写过一篇题为《机器人监视的黎明》的报告，他说，现在摄像机变得越发智能，它们正在觉醒，不再只是无声地记录人的活动，如今还能分析所记录的信息。

你能想象到，情感AI已然成了一种流行的市场调研工具，然而除此之外，情感AI还被运用在了风险更高的领域，比如说，有AI系统能够读出跟感受、性格以及意图相关的线索，而人们先是正在计划，再有就是已经把这些系统用于检测边境检查站的威胁，用于评估求职者的能力，用于监控是否存在扰乱课堂或者打瞌睡的行为，还用于识别攻击性驾驶行为的迹象，主流汽车制造商计划把这项技术应用于未来的汽车。那科技公司呢，会结合人脸识别的技术，去提供基于云计算的情感AI服务，像美国的亚马逊、微软以及谷歌似的。除此之外，有数十家初创公司推出了能帮助企业招聘的应用程序。在韩国，利用AI招聘的这种做法已经是十分普遍了，所以职业培训师常常会让他们的客户练习怎样通过AI面试。

《环球科学》杂志社供图

借助多种类型的数据，AI系统才可以识别情感与行为，除面部表情、语调和肢体语言外，通过剖析口语或书面语的内容，它们能获取其中蕴含的情感及态度，另有一些收集数据的应用程序，并非为探究情感，而是为得到与情感有关的信息，比如这个人具备怎样的人格，是否关心应用程序的内容，以及有无对社会构成潜在威胁 。

然而，批评的人发出警告表示，情感AI潜在的危险，或许并非AI自身能够操控的。之所以如此，是由于工程师在训练AI之际，有可能运用的是存在种族、民族以及性别偏见的数据集，而这些偏见又会反过来对算法的结果产生影响。

情感AI背后的科学原理，也是有着争议存在的，这得追溯到半个世纪之前的时候，心理学家保罗·埃克曼以及华莱士·弗里森，依据研究把一组面部表情跟基本情感对应到了一起，他们觉得这些面部表情是通用的情感语言。6种基本情感中，有愤怒，也就是anger，还有厌恶，即disgust，以及恐惧，fear，快乐，happiness，悲伤，sadness，和惊讶，surprise。随后，埃克曼进行研究，发现蔑视，也就是contempt，很可能是第7种基本情感。不过现在，埃克曼和弗里森的观点受到了极大争议。这是因为科学家发现面部表情可能存在显著的文化和个体差异。诸多研究人员宣称，起码当下于剖析各异个体的面部表情之际，算法尚无法凭借一套规则精准地辨识出表情的微妙差别，缘由在于有时各异个体的表情无法与典型的内在感受相对应起来。埃克曼对早期情感识别技术的研发有着重大贡献，值得提及的是，如今他觉得这项技术会对隐私造成严重威胁，理应受到严格监管。

其实情感AI本质上并非是坏的，专家说，要是能使机器学会可靠地去解读情感以及行为，情感AI在机器人、卫生保健以及汽车等领域将会展现出巨大的潜力，不过当下，这一领域差不多是一片“混战”，或许最终会有一种未经验证的技术占据主导地位进而变得无处不在，然而，未经验证的技术会给社会带来危害，到那个时候我们可能会对此毫无应对办法。

3、用AI来招聘

2018年情感测试，马克·格雷时任美国爱塔梅尔（Airtame，开发具有屏幕共享功能的设备）人力和商业运营副总裁，他想找到改善公司招聘流程的办法，其中包括改善招聘效率。一方面，尽管爱塔梅尔规模不大，总共约有100名员工，可有时公司会收到数百份申请市场营销或设计岗位的简历。另一方面，由于录用决策具有主观性。“有很多回，我都感觉潜意识里有个人在说‘哦，我很喜欢这个人’，而非‘这个人能力很强’。”。实际上，招聘的范畴之内到处都是看不见摸不着的事物珠海正规侦探公司，所以我打算搞明白怎样才能够于招聘之中增添有形体的衡量因素。”格雷阐释说 。

美国爱塔梅尔跟德国慕尼黑的Retorio公司达成了一项合约，Retorio开发了一种可用于视频面试的AI系统，视频面试流程快，应聘者只需录制60秒视频来回答2至3个问题，随后用算法分析应聘者面部表情、声音及回答内容，然后依据“大五”人格模型（OCEAN，心理学常用人格结构模型）为每位应聘者生成基于5种人格特质的档案 。有的这5种人格特质，它们分别是开放性。还有责任心。另外有外倾性。再者是宜人性。以及神经质性。凭借比较应聘者的档案，还有职位描述，系统会依照匹配度给应聘者排序，最终招聘人员便能够获得一份应聘者的排名列表。

实际上，与之类似的软件已然开始对商业决策的制定途径产生改变，并且还改变了组织与人的互动模式。它对爱塔梅尔的招聘流程做到了重塑，进而让他们迅速就挑选出了更为合适的应聘者。格雷讲，之所以会得出这种结果便是由于所生成的档案具备实用性。他展示出了一张图表，那张图表呈现了最近招聘的几名销售人员里，工作表现同5种人格特质得分之间的关联状况，就在其中，于责任心、宜人性以及开放性这些方面得分较高的员工工作表现最为出色。

漫长时间以来，那种能够理解人类情感的机器向来都是科幻小说所涉及的主题。然而在计算机科学以及工程领域当中，在相当长的一段时期之内，人类情感始终是一个相当陌生的概念。于20世纪90年代的时候，“它属于一个禁忌话题，并不受到欢迎。”美国麻省理工学院（MIT）的罗莎琳德·皮卡德如此说道。

皮卡德与其他研究人员一同开发出了工具，该工具能够自动读取生物特征信息，还能对其作出响应，这里的生物特征信息包含从面部表情一直到血液流动的范畴，可以用来指示情感状态，然而，现今情感AI应用场景的急剧增加需追溯到2010年初时候，那时深度学习开始被大范围运用，深度学习是一种具备强大能力的基于人工神经网络的机器学习形式，而人工神经网络的原型是生物神经网络 。深度的学习，提升了AI算法的能力，以及准确度，致使一些往昔唯有人类方可可靠完成的任务，成功达成了自动化，诸如驾驶，人脸识别，还有医学影像分析 。

4、AI的算法偏见

然而，这般的AI系统距离完美还差得远，并且情感AI所处理的是一项极为艰巨的任务。算法原本应当反映的是有关世界的真相，比如说它们应当将苹果识别成苹果，而非桃子。机器学习里的“学习”是一个反复对比原始数据与训练数据的过程。其中，原始数据一般是图像，也涵盖视频、音频等数据，只是这些原始数据没有独特的特征，而训练数据则标注了与智能任务相关的特征。这作为AI系统学习提取潜在共性的方式，像从苹果的图像里提取“苹果感”一般，进而能够从随便哪一幅图像之中识别出苹果 。

但是，要是AI系统的任务是去判定人格或者情感这类难以确切界定的特质，那就更不容易获取真相了 。比如说，“快乐”或者“神经质”到底呈现出怎样的状态呢 ？情感AI算法没办法凭借直觉知晓情感、人格或者意图，与之相反，它们是经由训练学会去效仿人类针对其他人做出的判断 。其中，工程师会借助众包这种方式收集数据，以此构建用于训练AI的数据集 。批评人士觉得，训练AI的进程引入了过多主观变量 。来自美国南加利福尼亚大学的凯特·克劳福德宣称，那些算法所作出的判断，跟一个人的实际想法或者情感状态之间存在着巨大的差距，所以，“让机器如同人一般感知情感”，这既是与AI相关技术所实现的巨大飞跃，又是有着风险的一步 。

AI系统识别情感等特质有个复杂的过程，这个过程的每一步都存在潜在缺陷。深度学习对大量数据有堪称出名的需求，所以情感AI也需要庞大的数据集。然而这些数据集常常附加了数千甚至数十亿个人的判断。这有可能致使算法在不经意间“学习”各种数据收集者的系统性偏见。算法会把这些系统性偏见整合在一起，形成“算法偏见”，而这种“算法偏见”可能源自训练数据集的人口统计学偏差以及数据标注者无意识的态度等 。

就算是去识别一个微笑，那也远远不是一项简单的任务。在2020年，于德国GESIS - 莱布尼茨社会科学研究所的一项研究里，卡斯滕·施韦默以及同事借助亚马逊、微软和谷歌基于云计算的情感识别应用程序，对国会议员的照片展开了分析。凭借肉眼去观察，研究人员判断照片中86%的男性和91%的女性在微笑，然而，应用程序得出的结果却更倾向于认定女性在微笑。诸如有这种情况，谷歌云视觉针对超出90%的女性照片标记了“微笑”，处于男性照片之中，此比例低于25% 。研究人员依据此来进行推测，训练数据集或许存在性别偏见 。而且啊，研究人员对这些图像进行判别之际，“模糊”蛮普遍，然而这经常性地会被机器给忽视 。“好多面部表情的含义并非那般明晰 。那真的算是微笑吗？傻笑能不能算作微笑呢？要是照片里的人露出了牙齿，可脸庞看上去并不愉悦呢？”他们予以了补充。

实际上，多数借助深度学习构建的人脸识别系统，由于存有偏见，故而遭受广泛批评 。

当下，好多公司都在着重表明，他们已然察觉到了并且正尝试去处理“偏见”这一问题。德国Retorio公司的联合创办人克里斯托夫·霍恩贝格尔宣称，他们已经着手采取举措，来消除那些会令人格判断带有偏向性的各类偏见，像人口统计学以及文化方面的偏见。然而当前该行业欠缺监管机制。所以，多数情形下，我们只得去相信公司所说的话，尽管我们极难去验证公司专有数据集的稳健性与公平性。一间名为HireVue的公司，专门进行视频面试，它用算法分析求职者说话内容以及声调，借此辅助做出录用决定，与此同时，该公司还会邀请外部审计师检查算法有无偏见，然而，会这么做的公司着实不多见 。

5、关于科学原理的争议

来自美国北卡罗来纳大学的伊菲奥玛·阿琼瓦称，情感AI不但引发了关于算法偏见的忧虑，其背后的科学原理也开始遭到科学家的激烈反对，情感AI所遵循的科学观点主张，每个人的外在表现都能够和可解读的内心情感相匹配，并且，这种观点要回溯到50多年前，当时，埃克曼和弗里森正在巴布亚新几内亚开展田野调查，他们在此地的东南部高地寻找到了原住民福尔人，还研究了福尔人识别以及理解面部表情的方式。研究人员挑选了几组，能分别表达6种基本情感的表情图，之后把图像呈现给志愿者。结果发觉，福尔人的反应同其他国家，实验志愿者的几乎完全一样，比如日本、巴西以及美国。所以，研究人员觉得，他们成功证实面部表情是一种，人类通用的情感语言。

埃克曼和弗里森描绘了一张“地图”，这张“地图”包含数千种面部肌肉动作，对其进行分析后得到了面部肌肉动作与表情之间的对应关系，进而创制出了面部行为编码系统（FACS）。值得一提的是，“地图”和FACS共同构成了情感AI的理论基石，如今它们已经被整合到了许多AI应用程序中。

科学家针对埃克曼的理论提出过异议，觉得它们有漏洞，举例来说，2012年，一项发表于《美国科学院院刊》（PNAS）的研究显示面部表情在不同文化里有很大差异，2019年美国东北大学心理学家丽莎·费尔德曼·巴雷特和同事分析1000多篇关于面部表情的科学论文后发现，尽管认为外在面貌能反映内在感受的观点已拓展到从技术到法律的多个领域，然而几乎没有确凿证据能证明这种观点正确。

巴雷特讲，基本情感属于一种宽泛又刻板的分类办法，每时每刻，面部表情可都在反映复杂的内在状况，一个微笑说不定就是在掩盖痛苦，没准也是在传递同情。她觉得，当下AI系统还做不到一致又可靠地辨析人的内在情形，这是因为根本上AI系统的训练数据都是由标注好的刻板印象构成的数据集做的。“它是先量测某些特性，随后再推断其在心理方面的意义，然而这原本是两件完全不同的事。当前大肆宣扬的情感识别技术常常把这两件事给混到一块了。”。”巴雷特说。

克劳福德讲，引发此问题的缘故之一在于，科技初创公司对其他领域的科学争执并不清楚，并且这些公司被诸如FACS这种简约之美所吸引 。“埃克曼的理论为何会在机器学习领域受到看重呢？”克劳福德提出疑问 。“这是由于埃克曼的理论与机器学习的特性十分契合 。要是在一种理论里，表情的数量是有限的，并且表情可能对应的情感数量也是被严谨管控的婚外恋调查-机器能识别情感吗？探索AI情感识别的可能性与挑战，这样的理论便能用来构建机器学习模型 。”。实则不然，除却埃克曼的研究成果以及OCEAN人格特质模型之外，从事情感AI开发的公司还运用了别的理论体系。这其中的一个便是由已故心理学家罗伯特·普鲁奇克所提出来的“情感之轮”。所有的这些理论统统都把人类情感的繁杂性给转变成为了简单明了的公式。

研究人员觉得，即便这样，在知道情感应用程序的局限之后，咱能依据此来进行改进，进而让它们发挥功效。阿亚娜·霍华德既是在美国俄亥俄州立大学工程学院担任院长的人，又是机器人专家。她借助微软面部表情识别软件改良后的版本，用来让机器人教自闭症儿童学习社会行为。比如说，要是机器人检测到对话者有着“愤怒”的表情出现，它就会改变动作去平息状况。霍华德讲，典型的面部表情也许并非总是代表完全同样的情感，可它们仍然是有作用的 。她说，确实，我们每一个都是独特无双的，然而，实际上，人与人之间的差别并非那般巨大，所以，就广义的情感而言，这些情感AI的判定或许并非一直正确，不过并非只是偶然正确，相较于随机，它们正确的几率要更高 。

总之，那种能够去扫描以及集合好多人面部反应的算法，将会变得更为准确，就像用于解读人群的算法那样。巴雷特讲，这是由于在统计学范畴内，伴随群体规模的增大，“不可能”会转变为“可能”，进而具备“比随机correct更大的几率”。然而对个体进行评估是存在风险的，因为任何准确率未达到100%的情形都会致使对某些个体产生歧视。

当下，针对面部表情，好些计算机视觉专家愈发倾向于秉持一种不可知论的态度，这意味着，没办法经由剖析面部表情而获取确切的成果。并且，越发多的公司宣称，他们不会径直借助面部表情去描绘情感抑或内在状态。美国南加利福尼亚大学的乔纳森·格拉奇讲道：“伴随这一领域的演进，人们愈发察觉到，好多表情实际上与情感并无关联。表情恰似对话里有含义的词语，表情以及词语均无法直接传递此刻的感受。”。

6、潜在的隐私风险

在诸多技术想方设法去描述情感、人格特质以及行为，还努力把相关技术往市场上推广之际，我们的生活遭受了更多的监视。在科技公司从网上行为里挖掘个人数据过去了20年之后，一个全新的、更为私密的领域打算做相似的事情，那便是采集人脸和肢体信息，及其所传递的信号。加拿大VSBLTY公司主要售卖智能相机以及用于扫描人群的软件，这些产品能够为零售商剖析消费者的人口统计特征以及对产品的反应。2020年12月，VSBLTY宣称与墨西哥啤酒制造企业莫德罗集团达成合作关系，打算到2027年，于莫德罗集团旗下的5万家莫德罗拉马便利店以及墨西哥和其他拉丁美洲国家的社区酒店，配备店内摄像头以获取数据。

这便引出了一个基础的法律以及社会方面的问题，来自你的脸庞和身体的数据归属于你自身吗，倘若将个人身份跟这些数据分离开来去看，在世界上的大部分地方作答都是否定的，美国辛辛那提大学法学院教授詹妮弗·巴德研究过此种情况，她宣称如果你想了解公共场所里一些人的信息用扫描那里面的人以便去识别对方的情感俨然不存在限制 。

大多在公共场所采集数据的情感AI公司称，其收的信息是匿名的，所以大众无需为此忧虑 。Zenus公司的穆塔菲斯表明，Zenus的应用程序不会上传相机捕捉的真实人脸图像 ，只会上传有关情感与位置的元数据 。在开展监视时，他们会在会场屏幕展示相关标识 ，用以告知会议中的人 。穆塔菲斯讲道：“采集信息时告知被采集者着实是相当好的做法 。因作为公司，我们须在监视行为区域张贴标志 ，表明此地正被监视 。”。然而，应用程序具备多样性，这表明不存在统一标准。并且，一旦这般例行监控演变成政治以及政策方面的问题，普通大众会不会接受它，政界人士会不会接受它，目前还根本没有一个清晰明确的答案 。

此前，埃克曼同Emotient公司、苹果公司在情感AI方面开展过合作，然而，此刻他发出警告，称情感AI会对隐私造成威胁，还表明公司有法律责任获取每位被扫描者的同意。“遗憾的是，这属于一项能在人们未察觉情况下运用的技术。情感AI被应用于人们身上，却并非旨在让他们更幸福。这项技术会使人们买下原本不会购买的产品。不过，这或许是情感AI最为良性的非良性用途了。”埃克曼补充说道。

除此之外，情感AI侵入了私人空间，私人空间储存着更丰富繁多的行为数据。那亚马逊的Alexa，也就是亚马逊的情感AI系统，会通过剖析用户的语调，寻觅沮丧的迹象，并且依据此来改进算法。到2023年，一些汽车制造商会推导出基于AI的车载系统。这些系统会生成大量跟驾驶员以及乘客相关的行为数据。汽车制造商将运用这些数据，或许是匿名化的，来改进系统响应以及车内设计。情感AI公司Eyeris的首席执行官莫达尔·阿拉维称，用户或许会有选择去激活系统内不同等级功能的可能，所以要是使用者不运用某些功能，那么系统便不会从这些方面收集数据。

亚历克斯·马丁内斯身为在美国俄亥俄州立大学以及亚马逊任职的计算机视觉科学家，在2019年，与巴雷特携手撰写了一篇针对面部表情与情感之间关联性予以批评的论文，他常常会呈现出一张照片，照片里一个男人的脸呈现出扭曲状态，看上去仿佛处于一种夹杂着愤怒以及恐惧的情感之中，紧接着，他把整个画面进行展示，而结果显示那是一名在进球之后处于狂喜状态的足球运动员 。他表明，面部呈现出的表情以及诸如手势之类的信号，不单单是身体以及大脑所产生的结果，并且和事情发生时所处的情境存在关联，还和一个人周边环境当中正在进行着的事情有关系。一直到现在，情感人工智慧所面临的最为巨大的挑战是怎样去研读模棱两可的情境。“要是我不知道什么是足球，故而我将始终都没办法明白照片里所发生的状况。所以，这些知识是根基，然而在解读情境这方面，当下还没有任何人工智慧系统能够做得很棒。”马丁内斯阐释说明道 。

假如缩小任务的范围以拥有简单的环境，并且采集到多样化的生物特征信息，马丁内斯称情感AI将会变得更加有效。然而，未来把多样化的生物特征信息整合起来的情感AI，或许只会是社会还没准备妥当去迎接的、更强大且饱含侵入性的技术。

（本版图文由《环球科学》杂志社供稿）

《光明日报》（ 2022年01月27日 14版）