很長時間以來，是否具備情感，是區(qū)分人與機器的重要標準之一。換言之，機器是否具有情感也是機器人性化程度高低的關鍵因素之一。

當前，人工智能已呈現(xiàn)高速增長和全面擴張的態(tài)勢。一方面，人工智能不斷朝更深層的智能方向發(fā)展，包括數(shù)學運算、邏輯推理、專家系統(tǒng)、深度學習等;另一方面，人工智能不斷向社會的各個領域進行擴展，從智能手機到智能家居，從智能交通到智能城市等。

“感知智能”逐漸向具有理解和表達能力的“認知智能”轉變，為機器賦予感情成為必然趨勢。人工智能之父馬文·明斯基就曾提到，“如果機器不能夠很好地模擬情感，那么人們可能永遠也不會覺得機器具有智能”。

想要人工智能理解人類感情，則需要從人工智能的情感計算開始。

人工智能正在理解人類情緒

試圖讓人工智能理解人類情感并不是新近的研究。

早在1997年，麻省理工學院媒體實驗室Picard 教授就提出了情感計算的概念。Picard 教授指出，情感計算與情感相關，源于情感或能夠對情感施加影響的計算。簡單來說，情感計算旨在通過賦予計算機識別、理解和表達人的情感的能力，使得計算機具有更高的智能。

自此，情感計算這一新興科學領域，開始進入眾多信息科學和心理學研究者的視野，從而在世界范圍內拉開了人工智能走向人工情感的序幕。

情感計算作為一門綜合性技術，是人工智能情感化的關鍵一步，包括情感的“識別”、“表達”和“決策”。“識別”是讓機器準確識人類的情感，并消除不確定性和歧義性;“表達”則是人工智能把情感以合適的信息載體表示出來，如語言、聲音、姿態(tài)和表情等;“決策”則主要研究如何利用情感機制來進行更好地決策。

識別和表達是情感計算中關鍵的兩個技術環(huán)節(jié)。情感識別通過對情感信號的特征提取，得到能最大限度地表征人類情感的情感特征數(shù)據。據此進行建模，找出情感的外在表象數(shù)據與內在情感狀態(tài)的映射關系，從而將人類當前的內在情感類型識別出來，包括語音情感識別、人臉表情識別和生理信號情感識別等。

人臉表情識別顯然是情感識別中關鍵的一部分。在人類交流過程中，有55%是通過面部表情來完成情感傳遞的。20 世紀70 年代，美國心理學家Ekman 和Friesen 對現(xiàn)代人臉表情識別做了開創(chuàng)性的工作。

Ekman 定義了人類的6 種基本表情：高興、生氣、吃驚、恐懼、厭惡和悲傷，確定了識別對象的類別;建立了面部動作編碼系統(tǒng)（facial action coding system，F(xiàn)ACS），使研究者能夠按照系統(tǒng)劃分的一系列人臉動作單元來描述人臉面部動作，根據人臉運動與表情的關系，檢測人臉面部細微表情。

情感識別是目前最有可能的應用。比如，商業(yè)公司利用情感識別算法觀察消費者在觀看廣告時的表情，這可以幫助商家預測產品銷量的上升、下降或者是保持原狀，從而為下一步產品的開發(fā)做好準備。

機器除了識別、理解人的情感之外，還需要進行情感的反饋，即機器的情感合成與表達。與人類的情感表達方式類似，機器的情感表達可以通過語音、面部表情和手勢等多模態(tài)信息進行傳遞，因此機器的情感合成可分為情感語音合成、面部表情合成和肢體語言合成。

其中，語音是表達情感的主要方式之一。人類總是能夠通過他人的語音輕易地判斷他人的情感狀態(tài)。語音的情感主包括語音中所包含的語言內容，聲音本身所具有的特征。顯然，機器帶有情感的語音將使消費者在使用的時候感覺更人性化、更溫暖。

從情感計算的決策來看，大量的研究表明，人類在解決某些問題的時候，純理性的決策過程往往并非最優(yōu)解。在決策的過程中，情感的加入反而有可能幫助人們找到更優(yōu)解。因此，在人工智能決策過程中，輸入情感變量，或將幫助機器做出更人性化的決策。

微軟的研究人員曾在這個問題上給出過答案，他們提出了一種基于周圍血管搏動測量（Peripheral Pulse Measurements）的內在獎勵的強化學習新方法，這種內在獎勵是與人類神經系統(tǒng)的響應相關的。研究人員假設這種獎勵函數(shù)可以幫助強化學習解決稀疏性（sparse）和傾斜性（skewed），以此提高采樣效率。

“情感”鴻溝的跨越和未跨越

情感智能是讓機器更加智能的關鍵，具有情感的機器不僅更通用、更強大、更有效，而且將更趨近于人類的價值觀。在人類科學家長期的努力下，橫亙在人腦與電腦之間的“情感”鴻溝正在被跨越。

2014年5月29日，由微軟亞洲互聯(lián)網工程院開發(fā)的一代小冰開始了微信公測，在3天內贏得了超過150萬個微信群、逾千萬用戶的喜歡。微軟小冰，可以說，就是一個初步練成情感計算的人工智能。

微軟小冰的開發(fā)團隊負責人李笛曾表示，小冰作為一個人工智能平臺，已經在技術、產品、數(shù)據三者之間形成了一個正循環(huán)。換言之，小冰積累的大數(shù)據已經足夠多到能夠讓小冰實現(xiàn)自我進化。

2017年5月，“微軟小冰”出版了第一部由人工智能創(chuàng)作的詩集《陽光失了玻璃窗》，其中部分詩作在《青年文學》等刊物發(fā)表或在互聯(lián)網發(fā)布，并被宣布享有作品的著作權和知識產權。正如小冰在詩歌中作出的自我陳述：“在這世界，我有美的意義?！?/p>

如今，小冰已經積累了百億輪與人類的對話信息，從中提取了海量歷史數(shù)據，這些海量數(shù)據已經足夠多到讓小冰對未來對話的判斷準確程度超過50%。某種程度上，小冰已經形成了初步的記憶、認知與意識能力。

如今，隨著大量統(tǒng)計技術模型的涌現(xiàn)和數(shù)據資源的累積，情感計算在應用領域的落地日臻成熟。當然，任何一門技術都有其技術曲線，情感計算的發(fā)展也不是一帆風順的。

一方面，情感計算必然面臨群體情感和個體情感的矛盾。由于對情感的感知和理解存在具體的個體差異，在應用過程中情感個性化是非常重要的考量。然而，個性化和泛化能力是相互矛盾的，這也成為了情感計算的一個技術難點。

事實上，過去情感研究的默認前提和假設都是情感的群體共性，即群體在表達同樣的外顯數(shù)據時，內心情感狀態(tài)是一致的。這令關注個體獨特性時，面臨著數(shù)據和方法的問題：如何把控所需的個人數(shù)據量？在實際應用場景中，又是否能真正獲取到每個人所謂的獨特數(shù)據？

另一方面，則是對于個體的情緒計算。雖然通過控制情緒波動的幅度，能夠模擬性格活潑夸張和安靜內斂的人不同的情感起伏，但目前即使是利用共通的情感模擬出一個普通的人，也十分困難。機器在每輪情緒切換中比較跳躍，很難像人那樣保持自然、連貫的變化。

此外，個人情感分析問題在交互領域不斷衍生著新的應用方式。比如，在智能客服領域有效檢測用戶情感;日趨成熟的測謊技術，也能夠在話術引導下通過生理參數(shù)，甚至僅僅是音訊和視頻信號等反應心理細微波動的參數(shù)來進行情感分析。

但是，個性化服務卻也面對隱私保障的挑戰(zhàn)。個性化的情感計算必然讓渡用戶的更多數(shù)據，在這樣的情況下，隱私能否受到有效保護還未可知。

可以預見，情感計算在未來將改變傳統(tǒng)的人機交互模式，實現(xiàn)人與機器的情感交互。從感知智能到認知智能的范式轉變，從數(shù)據科學到知識科學的范式轉變，人工智能也將在未來給我們交出一個更好的回答。

責任編輯：haq