0:00:07.052,0:00:11.642
每年，机器逐渐在一些我们以前认为

0:00:11.642,0:00:14.848
只有人类可以做的事情中超越人类

0:00:14.848,0:00:18.423
如今，电脑可以在复杂的桌面游戏中打败我们

0:00:18.423,0:00:21.294
能够转录各种语言

0:00:21.294,0:00:24.746
并能迅速识别几乎所有物体

0:00:24.746,0:00:27.112
而未来的机器人

0:00:27.112,0:00:30.243
或许能在感知我们的情绪方面取得突破

0:00:30.243,0:00:32.381
为什么这很重要？

0:00:32.381,0:00:34.673
因为如果机器和操作他们的人

0:00:34.673,0:00:37.223
可以准确地感知到我们的情绪

0:00:37.223,0:00:39.723
他们可以前所未有地帮助我们

0:00:39.723,0:00:43.102
甚至是操纵我们

0:00:43.102,0:00:44.614
但是在这之前

0:00:44.614,0:00:47.763
我们先来探讨一下[br]为什么像情绪这么复杂的东西

0:00:47.763,0:00:53.253
可以被转化为数字，[br]这种计算机唯一能够理解的语言呢？

0:00:53.253,0:00:56.843
本质上，机器理解感情的方式与我们大脑一样，

0:00:56.843,0:00:58.994
通过情绪识别。

0:00:58.994,0:01:04.120
美国心理学家保罗·艾克曼[br]定义了几种全球通用的情绪

0:01:04.120,0:01:09.174
这些情绪的视觉信号在不同文化中是相同的。

0:01:09.174,0:01:14.193
例如，微笑的画面对于现代城市人而言意味着愉悦

0:01:14.193,0:01:16.965
对于土著原始人而言也是如此。

0:01:16.965,0:01:18.094
根据艾克曼的理论，

0:01:18.094,0:01:18.823
愤怒，

0:01:18.823,0:01:19.533
厌恶，

0:01:19.533,0:01:20.275
恐惧，

0:01:20.275,0:01:21.092
愉悦

0:01:21.092,0:01:21.848
悲伤

0:01:21.848,0:01:25.433
和惊喜都一样容易被识别。

0:01:25.433,0:01:29.836
事实证明，电脑的图像识别能力正在迅速提高

0:01:29.836,0:01:34.015
这归功于神经网络这样的机器学习算法。

0:01:34.015,0:01:37.155
这些人工节点通过建成关联和交换信息，

0:01:37.155,0:01:41.784
模仿人们的生物神经元。

0:01:41.784,0:01:46.285
为了训练这样的网络，[br]输入的样例被预分类到不同类别，

0:01:46.285,0:01:49.175
譬如被标记成快乐或伤心的图片，

0:01:49.175,0:01:51.285
被输入到这个系统里。

0:01:51.285,0:01:54.745
然后，这个系统网络通过改变不同特征的比重

0:01:54.745,0:01:58.405
来辨别不同的样例。

0:01:58.405,0:02:00.025
这样的训练越多，

0:02:00.025,0:02:04.795
算法就能更准确地识别新的图像。

0:02:04.795,0:02:06.527
这一原理正与我们的大脑相像，

0:02:06.527,0:02:11.725
我们的大脑依据过往的经历来处理新的刺激。

0:02:11.725,0:02:15.466
识别算法并不只限于面部表情。

0:02:15.466,0:02:17.886
我们的情感通过许多不同的方式被表露。

0:02:17.886,0:02:20.116
比如肢体语言，语音语调

0:02:20.116,0:02:23.237
心跳的改变，面色和皮肤温度，

0:02:23.237,0:02:28.046
甚至写作的用词频率和句型结构。

0:02:28.046,0:02:31.205
你也许会认为通过训练神经网络来识别这些特征

0:02:31.205,0:02:33.637
会是一个漫长而复杂的过程

0:02:33.637,0:02:36.966
考虑到当下巨大的数据量，

0:02:36.966,0:02:40.375
以及现代电脑的数据处理速度。

0:02:40.375,0:02:41.917
从社交网络的更新，

0:02:41.917,0:02:43.586
上传的图片和视频，

0:02:43.586,0:02:44.987
电话录音，

0:02:44.987,0:02:46.767
到热敏感安全摄像机

0:02:46.767,0:02:50.437
和可穿戴的生理信号监视器，

0:02:50.437,0:02:52.947
关键问题并不是如何获得足够的数据，

0:02:52.947,0:02:55.255
而是我们应该如何运用这些数据。

0:02:55.255,0:02:59.706
电子情感识别的用途是多方面的。

0:02:59.706,0:03:02.627
比如，用算法识别面部表情的机器人

0:03:02.627,0:03:04.246
可以用于帮助儿童学习

0:03:04.246,0:03:07.636
或者为孤独的人作伴。

0:03:07.636,0:03:10.637
许多社交网络公司正在考虑使用算法

0:03:10.637,0:03:17.047
来标记帖子里的特殊字词以防范自杀行为。

0:03:17.047,0:03:21.287
情感识别软件可以帮助治疗精神疾病

0:03:21.287,0:03:25.238
或者提供低价的自动化心理治疗。

0:03:25.238,0:03:27.188
尽管情感识别有这些好处，

0:03:27.188,0:03:30.869
通过一个巨大的网络自动扫描我们的照片，

0:03:30.869,0:03:31.958
通信，

0:03:31.958,0:03:36.877
和生理信号也让人感到不安。

0:03:36.877,0:03:44.146
当我们的隐私信息被这个没有人情味的系统收集，[br]进而被公司利用到广告中来欺骗我们的感情

0:03:44.146,0:03:45.208
这意味着什么？

0:03:45.208,0:03:46.718
我们的权利又是什么

0:03:46.718,0:03:51.477
如果任何的权力机构认为[br]他们可以在人们决定做任何事情之前，

0:03:51.477,0:03:54.927
就能辨别有可能作案的人？

0:03:54.927,0:03:57.691
当前的机器人在辨别情感的微妙变化上

0:03:57.691,0:04:00.304
还需要提升，比如辨识讽刺

0:04:00.304,0:04:04.758
以及识别情绪的程度，[br]分辨一个人有多么的开心或者难过。

0:04:04.758,0:04:09.278
无论如何，[br]它们或许终究能够正确识别我们的情绪

0:04:09.288,0:04:11.414
并且做出回应。

0:04:11.414,0:04:15.657
至于他们能否体会到我们不想被过度入侵的恐惧，

0:04:15.657,0:04:17.767
这就是另外一回事了。