Rosalind提一个和机器的一种本质上有什么区别？

我们一直以拥有人类的情感而自豪，这是我们与机器之间的根本区别。随着计算机的发展，我们期待着人与机器之间的交流，尤其是一种情感交流。计算机的情感培养也与我们每个人的相似——观察和识别情感是最终自然、亲密、生动互动的开始。

说到情感识别，就不得不提一个在这个领域做出巨大贡献的人——埃及科学家拉纳·卡利乌比。和许多成功的“程序员”一样，她不仅在编码方面一手好牌，在人际关系上也一手好牌，智商和情商并重。她与她的导师 Rosalind Picard 一起创立了 Affectiva，一家开发情绪分析软件的公司。Affectiva 也被一些商业媒体列为增长最快的初创公司。事实也证明，这个领域确实是非常赚钱的。

要弄清楚它是如何工作的，首先我们需要了解情绪识别的理论基础。Paul Ekman（心理学家）提出了每个人，无论性别或年龄，都会在其中成长的六种基本情绪：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。然后他开始解读这些情绪表达，并开发了“面部动作组织系统”（FACS），将每个人的表情分解成许多面部动作单元（Action Units），单独不代表任何情绪，但利用它们的组合特征我们可以做一些面部表情识别，是的，比如对我说谎。如果一个人对你微笑时只影响到颧骨大肌，那么这八项成就是真正的假笑，

Rosalind Picard 早早在 MIT 的媒体实验室做一些图像压缩方面的技术开发，但她很快遇到了瓶颈，因为她开发的方法（虽然后来很流行）完全独立于被处理的对象：例如压缩，同样的方法用于大运河的照片和总统的肖像。她认为如果计算机能够知道它们在处理什么，这个过程就可以得到改进。直到她读了一本关于联觉的书《尝过形状的人》，她才意识到情感与理性之间的联系。与我们传统认为的“冷酷无情”不同哪项是错误的情绪识别，太少的情绪，就像太多的情绪一样，都会对我们的理性思维产生不良影响。实际上，一些影响情绪的脑损伤也会剥夺人们的判断力。以及做决定的能力，这正是我们希望计算机做的事情。

回到计算机情感识别，其实方法就是提取人脸的一些关键点，用那些相对不变的“锚点”，比如鼻尖，作为最固定的参考点，然后用点喜欢用嘴角来判断你是否做表情。但是在 1990 年代，要制造一个能够准确地增长这些离散的面部动作单元的系统太难了。仅将视频数字化就需要 25 秒。一位早期研究人员说：“无论你做什么，总会有一点偏差，而且随着结构的不断扩大，错误也会越来越多，需要每十秒重新启动一次。

就这样，研究陷入了瓶颈，卡利乌比带着遗憾去剑桥继续攻读博士学位。巧合的是，在一次演讲之后，一位听众告诉她，她训练计算机阅读面孔与他患有自闭症的兄弟的问题相似。当时，剑桥的自闭症研究中心正在做一个对面部表情进行分类的大项目。不像埃克曼将表情划分为小的动作单元，然后通过动作单元的组合来判断情绪，他们对表情的分类是不同的。更自然、更容易理解，对表情进行更详细的分类，然后整体学习特定表情的特征。比如“思考”部分，有担忧、犹豫、幻想、判断等等。他们让六名演员在镜头前展示他们的表情，并在他们几乎全部通过后才给他们贴上标签。所以他们有足够的材料来开发MindReader哪项是错误的情绪识别，一个几乎可以在任何环境中检测复杂情绪的软件，也是Affdex的原型。提出 FACS 的心理学家 Ekman 与他人共同创立了 Emotient，它也是一款情绪识别软件。它还使用机器学习方法，通过海量数据学习构建准确的表情识别框架。这也是一个情绪识别软件。它还使用机器学习方法，通过海量数据学习构建准确的表情识别框架。这也是一个情绪识别软件。它还使用机器学习方法，通过海量数据学习构建准确的表情识别框架。

尽管有人质疑仅基于表情而脱离真实情况的筛选方法的准确性，但实验表明，计算机不仅可以捕捉到那些虚假的表情，而且还可以捕捉到一些人类无法识别的微表情。 ，电脑也可以漏接。加州大学研究员玛丽安·巴特利特发现，当她的女儿看到戏剧中的暴力场景时，她会吸收一闪而过的愤怒，然后伪装成惊讶，然后大笑——但这一切都被电脑捕捉到了。通过“微表情”测试，研究人员能够捕捉到人们拒绝经济援助之前闪现的厌恶情绪，这是普通人用肉眼难以做到的。

这些软件自然具有广阔的应用前景。就在 2012 年总统大选期间，Kaliouby 的团队使用 Affdex 检查了 200 多人观看奥巴马和罗姆尼辩论的镜头，并以 73% 的准确率预测投票结果。目前，情感识别已经在商业中得到广泛应用，未来将会有更加多样化的应用前景。