情感AI或者說情感計算可能是AI中的下一件大事。企業開始探索情感分析技術，以改善客戶和員工的體驗并提供創新的服務。盡管該技術仍處于起步階段，但CIO和其他IT領導者仍應關注情緒跟蹤技術，因為很多專家認為，該技術可以幫助企業為客戶提供他們想要的東西。

[[324087]]

面部表情分析之所以具有吸引力，是因為它可以在遠處完成，且無需照相機。記錄人們的面部表情的想法可推斷人們對電影和音樂等產品的感覺，并無需大量調查表即可評估服務交互。

馬里蘭大學羅伯特史密斯商學院市場營銷系教授兼百事公司消費科學首席教授Michel Wedel說：“不引人注意的記錄可以減輕消費者的負擔，并使經理們可以更好地量身定制產品、服務和營銷活動，例如針對個人客戶需求的廣告和促銷。”這最終將提高消費者的滿意度，并對經濟產生積極影響。

但是，在評估數百項有關監測面部表情情緒的研究后，一項最新研究指出，大家對這種技術的力量存在廣泛的誤解。專家認為，我們有充分證據證明，其他基于語音、眼動和基于文本的情感分析的情緒跟蹤工具也可以提供價值。從長遠來看，可以將這些技術與背景數據以及面部表情相結合，以引入情感智能和情感AI。

CIO和其他IT主管可能希望在為客戶和員工制定情感AI策略時考慮多種方式，包括語音、行為和背景信息。同時，解決道德問題也很重要，以防止客戶和員工產生任何抵觸情緒。最后，很多高管認為該技術可能會對傳統業務產生重大影響。

如何追蹤情緒

研究人員以多種方式衡量情緒。Wedel說：“問卷調查方法肯定不完美，也無法很好地捕捉情緒動態。面部跟蹤很有用，但必須謹慎使用。在某些情況下，皮膚電導和腦電圖測量可提供有用的信息。另外，眼動跟蹤并不能用于檢測情緒，盡管有時瞳孔擴大也可說明情緒變化。”

Wedel說，開發更好的工具將需要不斷改進和驗證測量工具，如果可能的話，還需要算法組合。AI和深度學習等大數據和計算機科學算法將影響面部跟蹤算法的發展及其準確性。

美國東北大學心理學教授Lisa Feldman Barrett和她的同事們最近發現了追蹤面部情緒科學中的三個主要缺陷。

• 可靠性有限。例如，某些人可能會因為過于努力而皺眉，而不是生氣。
• 缺乏明確性。面部表情和情緒類別之間沒有唯一映射關系。
• 缺乏概括性。不同文化表達面部表情的方式不同。

不管情緒跟蹤算法是否準確，它們都可以預測企業感興趣的下游行為。Wedel的團隊已使用該技術來預測票房成功和電影的播放情況。他說：“但是必須仔細設計研究。”

情感AI仍處于起步階段

情感AI使用情感數據來改善用戶體驗，它仍然被認為是一個新興行業。情緒跟蹤平臺Neurodata Lab創始人兼首席執行官George Pliev說，自動檢測情緒的最初嘗試是基于美國心理學家Paul Ekman提出的情緒面部表情的普遍性理論。該理論指出，人類會有六種基本情感，我們都以相同的方式表達情感。

Pliev說：“該理論變得非常普及，這標志著整個新產業的開始。”

但是，這種觀點也飽受爭議，從美國心理學家James Russell開始。情緒智能研究人員現在正在考慮采用更復雜的方法來理解情緒。這里想法是，情感類別依賴文化，可通過訓練形成，也可以教給機器。Pliev說：“情緒并不像早期研究所預期的那樣簡單。”

情感AI需要更多類別

在Ekman的早期工作中，科學家假設可從面部識別上述六種基本情緒，包括厭惡、悲傷、幸福、恐懼、憤怒和驚奇。但現在，研究人員認為需要更多情緒類別。

情緒分析平臺提供商Affectiva公司首席執行官兼聯合創始人Rana el Kaliouby說：“我們不喜歡該行業的簡單化，因為它只專注于六種基本情感，并且面部表情與情感狀態是一一對應的關系。”但其實，面部表情可能不僅僅表示一種情感;它可能是社交、認知或行為提示，或者是生理反應。

El Kaliouby說，這種面部表情與情緒狀態的一一對應關系過于簡單。她說：“在這種普遍的簡單化觀點下，抬眉被認為是驚喜，但在現實世界中，它還可以作為問候、社交邀請、表示感謝、發起調情等等。”

為了消除歧義，這里還需要更多信息。某人臉上還發生了什么變化?隨著時間的流逝，這種表情如何展現?是否還有其他物理信號，例如聲調或手勢?為了獲得此信息，Affectiva正在投資于一種針對特定用例的多模式方法。

Bart Cooreman是生理跟蹤平臺iMotions的產品專家，他擁有認知神經科學博士學位，他指出：“感興趣、困惑、受挫和同情的表情很難直接與基本情感聯系起來。”但是，通常是這些更模糊的情感表達類型在現實情況中吸引大家的興趣。

例如，好的電視廣告可能不會引發大笑，但是有趣的笑話通常會讓人微笑。凌亂的網站可能不會使某人生氣或悲傷，但是它可能導致在用戶永久離開該網站之前，以眉頭皺眉的形式簡短地表示沮喪。Cooreman說，在現實世界中，更有效的做法是專注于以嘴、鼻子、眼睛或眉毛的形式表現的更具體的情感，而不只是基本情感。

很多情感類別很微妙，難以識別。Neurodata Lab的Pliev表示，兩個主要挑戰是創建完整的情緒表達列表，并能夠指出某個情況中是否存在這些情緒。根據任務的不同，情緒清單可能會增加。對于情感的標準表達或者情感表達的數量，并沒有客觀參考。Pliev稱：“人們無法在情感類別方面達成共識，也無法在表達的強度或所代表的情感數量達成共識。”

語音助力情感AI

研究人員認為，他們也許能夠通過語音以更細粒度的方式自動檢測情緒。加州大學伯克利分校的研究人員正在開發通過語音分析檢測27種不同情緒的算法。加州大學伯克利分校的教授Dacher Keltner表示，在不同的方式下，面部表情、凝視、聲音、觸摸和身體動作都以不同的方式傳達情感。他說：“聲音可能是情感交流的最豐富來源，其次是面部。”

有些情緒是以一種方式傳達，而其他情緒則沒有。例如，Keltner的研究發現，只有通過觸摸才能始終檢測到感激之情。他說：“隨著方法和統計數據能夠更好地捕捉反應模式，我們相信大約20種情緒將在不同的測量方法中具有可靠的信號。”這些包括：

• 負面信號，例如憤怒、焦慮、蔑視、厭惡、尷尬、恐懼、內疚、悲傷、羞恥和恐懼;
• 正面信號，例如高興、敬畏、知足、欲望、狂喜、興趣、愛、驕傲、同情和勝利

需要新的訓練工具

在創建全新的情緒和溝通訓練工具方面，情緒跟蹤帶來希望。Keltner認為，例如，音頻反饋可能是人們學習感受自己的情感并與他人建立聯系的重要因素。

他表示：“這是訓練目的的重點，因為這是人們意識到的一種感覺形式-我們聽到我們的聲音但看不到自己的臉。這一直是我們社交互動的一部分，我認為這可能是讓我們擁有更多控制權的一種感覺形式，在考慮將反饋應用于我們的情感表達時。”

有些企業摒棄了傳統的情感觀念，專注于如何感知聲音。例如，VoiceVibes開發了一套培訓工具，用于呼叫中心的工作人員和執行人員練習其公共演講技能。這些工具專注于他人如何看待某人的聲音質量，這是該公司稱為“感應”的方法。

VoiceVibes公司首席執行官Deb Cancro表示：“感應更適合員工培訓和自我意識訓練。無論我們的情緒如何，我們經常需要采用一種最有效的音調，即使與我們的真實感覺不符。”例如，某人可能會感到難過，但在接聽電話時仍需要使用個性化的語調，或者高管可能想學習如何在壓力情況下依然在社交場合保持鎮定的狀態。 情

感AI的道德和隱私問題

有時候，我們試圖使用更先進的情感跟蹤技術使消費者受益時，很可能讓他們受到驚嚇。Motive Software公司聯合創始人Armen Berjikly說：“企業不應該秘密監控員工。” Motive Software是一家致力于利用情感洞察力解決業務問題的公司。有些國家安全或金融服務組織可能必須監視員工，但是還有些典型的公司冒著侵犯員工信任度的風險，試圖改善員工體驗。

Wedel說，企業應該關注道德問題，因為隱私問題和非合規行為可能適得其反，并對公司本身構成威脅。他建議將視頻轉換為面部表情數據，并從數據中剝離其他個人身份信息。

咨詢公司Elicit首席營銷官Brooke Niemiec說，個性化營銷的關鍵是避免“令人毛骨悚然”，并且該規則也適用于情感識別等新技術應用。這里訣竅是確保僅將技術用于改善當前狀況。例如，面部情感識別相機可以測量參與者對某個活動的總體滿意度。Niemiec說：“但是，如果使用相同的技術篩選出不滿意的人，以便有人在活動期間直接與他們接觸，那我認為這越過了‘不要令人毛骨悚然’的界限。”

另外，有些人非常善于掩飾自己的真實感受。Niemiec說，任何對不當行為或被侵犯的感覺都可能導致人們搭起防護罩，從而有效地阻止了該技術的使用。

但是情感跟蹤可以在傳統行業(例如汽車制造業)中提供明顯的競爭優勢。例如，汽車零部件制造商Valeo在跟蹤駕駛員和乘客的舒適度方面進行了大量投資。這不僅可以提高客戶滿意度，而且可以使汽車更安全。

Valeo創新副總裁Guillaume Devauchelle說：“人工智能的下一個發展是情感智能。在不久的將來，機器將變得更加移情并適應我們的情感，以便它們能夠更好地與我們互動。”