麻省理工研發(fā)出可穿戴式AI系統(tǒng) 能判斷情緒好壞

 結(jié)合音頻和生命體征數(shù)據(jù)，AI深度學(xué)習(xí)系統(tǒng)不僅將可能成為焦慮人群的“社交教練”，而且有望在未來(lái)能夠研發(fā)出“情感智能”，大大改善人們的社交質(zhì)量。

有一個(gè)不爭(zhēng)的事實(shí)，那就是人們對(duì)某一次對(duì)話內(nèi)容可以有迥然不同的理解方式。舉例而言，對(duì)于焦慮人群而言，這會(huì)使他們的社會(huì)交往變得極具挑戰(zhàn)。但是，如果有一套客觀的方法來(lái)測(cè)度和理解我們交流時(shí)所流露出的情緒，情況是否會(huì)變得不同?

麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室(CSAIL)和醫(yī)學(xué)工程與科學(xué)研究所(IMES)的研究人員已近乎給出我們一個(gè)潛在的解決方案：一種可穿戴式AI系統(tǒng)，根據(jù)人的講話方式和生命體征來(lái)預(yù)測(cè)交談是快樂(lè)的、悲傷的還是中性的。

Tuka Alhanai是該團(tuán)隊(duì)主要成員之一，他也將出席下星期在舊金山舉行的國(guó)際人工智能協(xié)會(huì)(AAAI)第31屆大會(huì)。他表示：“想象一下，在對(duì)話結(jié)束時(shí)，你可以像倒帶一樣，重現(xiàn)令你周圍人感到最焦慮的時(shí)刻。而我們的研究只是朝這個(gè)方向邁出了一小步，但也表明，人們離出門時(shí)隨身裝一個(gè)AI社交教練的時(shí)代可能不遠(yuǎn)了。”

當(dāng)參與者講述一個(gè)故事時(shí)，系統(tǒng)開(kāi)始對(duì)音頻、音頻的文本轉(zhuǎn)錄和身體信號(hào)進(jìn)行分析，并對(duì)故事整體基調(diào)做判定，準(zhǔn)確率達(dá)到了83%。使用深度學(xué)習(xí)技術(shù)，該系統(tǒng)還能為會(huì)話內(nèi)的每個(gè)五秒間隔打出“情緒分?jǐn)?shù)”。

研究團(tuán)隊(duì)的另外一位核心成員MohammadGhassemi表示：“據(jù)我們所知，這是第一個(gè)以被動(dòng)但可靠的方式收集對(duì)話者身體數(shù)據(jù)和語(yǔ)音數(shù)據(jù)的實(shí)驗(yàn)，即使受試者進(jìn)行自然的、非結(jié)構(gòu)化的對(duì)話，而我們的研究結(jié)果表明，利用收集到的數(shù)據(jù)為對(duì)話的情緒語(yǔ)調(diào)進(jìn)行實(shí)時(shí)分類是可行的。”

研究人員還表示，若能在多人對(duì)話情境中，使用裝有這一系統(tǒng)的智能穿戴設(shè)備，比如智能手表，從而能夠產(chǎn)生更多可供系統(tǒng)算法分析的數(shù)據(jù)，將有助于系統(tǒng)性能的進(jìn)一步提高。

德國(guó)帕紹大學(xué)教授兼復(fù)合智能系統(tǒng)主席Bj?rnSchuller雖沒(méi)有參與本研究，但他這樣評(píng)價(jià)此項(xiàng)成果：“該團(tuán)隊(duì)使用面向消費(fèi)者的可穿戴設(shè)備收集生理數(shù)據(jù)和語(yǔ)音數(shù)據(jù)，顯示出我們?cè)谌粘ＴO(shè)備中擁有這種工具即將成為現(xiàn)實(shí)。技術(shù)本身很快會(huì)顯得更加情感智能，甚至成為“情感智能”。

背后的工作原理

許多情緒檢測(cè)研究是讓參與者觀看“快樂(lè)”和“悲傷”的視頻，或要求他們?nèi)藶榈乇憩F(xiàn)出特定的情感狀態(tài)。但該研究團(tuán)隊(duì)為了努力引出更多的情緒，要求受試者講一個(gè)他們自選的或快樂(lè)、或悲傷的故事。

受試者佩戴裝有本系統(tǒng)的三星Simband智能腕帶——這是一種能捕捉高分辨率生理波形以測(cè)量運(yùn)動(dòng)、心率、血壓、血流量和皮膚溫度等體征的研究設(shè)備。系統(tǒng)則捕獲音頻數(shù)據(jù)和文本轉(zhuǎn)錄，從而分析說(shuō)話者的語(yǔ)氣、音調(diào)、精力和詞匯。

以三星智能腕帶對(duì)31組持續(xù)數(shù)分鐘的不同對(duì)話收集的數(shù)據(jù)為材料，研究人員對(duì)兩個(gè)算法進(jìn)行了訓(xùn)練：一種只將會(huì)話的總體性質(zhì)分辨成“快樂(lè)”或“悲傷”;第二種則是將每段會(huì)話按5秒間隔標(biāo)記為“正”、“負(fù)”或“中性”。

Alhanai指出，在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)的所有特征都被提供給基于網(wǎng)絡(luò)的算法進(jìn)行分析。與此相反，他們團(tuán)隊(duì)發(fā)現(xiàn)，對(duì)網(wǎng)絡(luò)的不同層次組織不同的特征可以提高算法性能。

“系統(tǒng)在不斷學(xué)習(xí)——例如，文本轉(zhuǎn)錄中表達(dá)的情緒遠(yuǎn)比原始加速器數(shù)據(jù)抽象得多。Al在研究人員沒(méi)有進(jìn)行有效輸入時(shí)，機(jī)器可以模仿我們?nèi)祟惛兄@些交流中包含的感情色彩，這絕對(duì)是意義非凡的事情。”

持續(xù)開(kāi)發(fā)出能夠準(zhǔn)確把握人類情緒脈搏的技術(shù)

事實(shí)是，該算法得到的結(jié)果與我們?nèi)祟惪赡芷谕^察到的結(jié)果高度匹配。例如，長(zhǎng)時(shí)間的停頓和單調(diào)的聲調(diào)與悲傷的故事有關(guān)，而精力充沛、變化的講話方式則與快樂(lè)的故事有關(guān)。在身體語(yǔ)言方面，煩躁不安和心血管活動(dòng)的增加，以及某些姿勢(shì)，如一個(gè)人把手放在臉上，往往與悲傷的故事密切相關(guān)。

平均來(lái)說(shuō)，該模型對(duì)每五秒間隔的情緒分類有18%以上的準(zhǔn)確度，比現(xiàn)有的方法高出7.5%。

目前，算法雖然還不能可靠到成為一名稱職的社交教練，但Alhanai表示，他們正積極地朝著這個(gè)目標(biāo)努力。對(duì)于未來(lái)的工作，研究團(tuán)隊(duì)計(jì)劃擴(kuò)大數(shù)據(jù)的收集規(guī)模，考慮使用商業(yè)設(shè)備，如Apple Watch，讓全世界的人們都能更容易地用上這一系統(tǒng)。

“我們的下一步是改進(jìn)算法在辨別對(duì)話情緒方面的準(zhǔn)確度，使其能準(zhǔn)確辨別諸如無(wú)聊、緊張和激動(dòng)等情緒，而不是僅僅將其標(biāo)記為‘正’或‘負(fù)’。”Alhanai說(shuō)，“開(kāi)發(fā)能夠準(zhǔn)確把握人類情緒脈搏的技術(shù)，有可能大大改善我們的社交質(zhì)量。”

這項(xiàng)研究部分由三星戰(zhàn)略與創(chuàng)新中心完成。