李斌阳解释了情感计算和测谎仪的差别， 测谎就是比如我会问你十个问题， 有些很基础， 像是吃饭了吗、昨天睡得好不好， 根据这些基础问题的回答确定每个人基准的心跳脉搏脑电波等水平， 再基于这些进行测谎问题的问答， 跟常态下进行比对， 判断其是否撒谎 。 但阿尔法鹰眼的识别对机器捕捉的要求很高 。 而且它的情感识别是“非接触”式的， 与被测者之间甚至不需要互动， 这对机器的智能水平要求高得多 。
实际场景难以保证准确
随着深度学习的成熟， 现阶段情感计算的准确度有了很大提升， 但仍存在着特殊的难题 。 “要做情感计算， 一定要在理解文本的基础之上， 这需要人的常识做依托， 甚至合理推理， 这些都是很难给予机器的 。 ”李斌阳说， “比如我读了一段文字：今天是开学第一天， 适逢教师节， 同学们纷纷给老师送上祝福 。 这句话的背后意思就是开学这天是9月10日， 但机器无法理解到这一步 。 ”
在情感的背后， 是人类庞大的常识体系的支撑， 这是成熟的情感计算绕不过的 。 据李斌阳介绍， 已经进行多年的“知识工程”计划就是希望把人类的知识以图谱方式进行梳理， 各个领域的研究机构可以围绕自身的知识点构建自己的知识图谱， 比如体育的、军事的， 这是一项非常庞大的工程， 但可以给情感计算的深入带来更大可能 。
另外一重困难是“主观性” 。 感情是主观的， 大家的描述差异甚远， 一个宽和的人和一个刻薄的人对同一件事的感受肯定大不相同 。 “实验室利用自己爬取的社交网络评论做判断时， 准确率可以到90%左右， 但一旦落地到实际场景， 效果就会出现差别 。 ”李斌阳说 。 比如吃一碗牛肉面， 如果顾客有一个负面的表情， 机器虽然可以准确捕捉， 但要说是面难吃还是太烫、甚至是房内太热不舒服， 是很难判定的 。
需严格限定使用场景
针对情感识别将使人类“零隐私”的担忧， 李斌阳强调了“场景”的重要 。 情感计算的研究从起步时就与商业领域不可分 。 亚马逊公司等希望通过对商品评论的分析， 判断消费者的好恶， 对商品作出改进 。 在某类化妆品效果如何等具体问题上， 情感计算的应用较早且相对成熟 。
至于对隐私的担忧， 李斌阳认为无法回避 。 如果无孔不入， 确实需要担心， 但如果可以专业地应用于特定场景， 则利大于弊 。
据俞楠介绍， 阿尔法鹰眼目前主要在安防领域施展拳脚， “比如机场安检， 正常通过的人不需要紧张， 但如果某些人有异于常人的反应， 系统就可以将其确认为重点关注人群 。 ”俞楠表示 。 这种判断如果让安检员来完成， 需要长时间的经验积累和细致捕捉， 但机器只需要通过对情绪的结构和模式库的生成， 就可以在毫秒级的时间内作出判断 。
【情感计算会让人类无所遁形吗】“最适合的就是对无特征人群的判断 。 ”俞楠说， “强特征人群的检定可以通过人脸识别做到， 比如在海量人群中搜寻有前科的人 。 但无特征的人没有犯罪记录、无法比对分析 。 比如刚跟家人吵完架就要登高作业的建筑工人， 可以通过上工前的情感识别， 判定他是否需要情绪干预， 从而避免潜在的危险可能 。 ”
俞楠表示， 目前情感识别的应用是与场景严格挂钩的 。 除了安防、金融风控等严肃应用， 他们也不排除将情感识别应用于“真情实感表情包”这样轻松娱乐化的方向， 探索更多落地可能 。
推荐阅读
- 日本“飞行汽车” 有望亮相东京奥运会
- 研究：智能空调可能会拖垮电网 导致大面积停电
- 人工翻译是否会被AI取代？
- AI战争会是什么样？英国将启动 ＂机器人军演＂
- 面对求饶的机器人 人类会不会心软？
- 看2018世界机器人大会：哪些机器人已走入生活？
- 谁有会计英语方面的书可以推荐
- 谁有冷餐会菜单啊
- 谁这么厉害算出武则天会做皇帝
- 谁知道关于计算机专业方面的细分