神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國(guó)外的新技術(shù)、新觀(guān)點(diǎn)、新風(fēng)向。

編者按：人工智能讀取人臉表情，似乎是眾多科技公司都在嘗試的新業(yè)態(tài)。這一市場(chǎng)也在不斷增長(zhǎng)。一些人認(rèn)為，情緒檢測(cè)自動(dòng)化系統(tǒng)，不僅能更好地發(fā)現(xiàn)人類(lèi)真實(shí)情緒，而且還能協(xié)調(diào)人們內(nèi)心的感受。但也有許多人擔(dān)心，這項(xiàng)技術(shù)存在很多缺陷，其應(yīng)用過(guò)程甚至?xí)?dǎo)致新的風(fēng)險(xiǎn)。這篇文章來(lái)自編譯，作者認(rèn)為，人工智能根本無(wú)法精準(zhǔn)讀取人臉表情。這是文章的上篇，主要介紹的是情緒識(shí)別如何成為人工智能行業(yè)中必不可缺的一部分的。

圖片來(lái)源：oquetemnanossaestante

1967年，一位名叫保羅·?？寺≒aul Ekman）的美國(guó)青年心理學(xué)家?guī)е惶壮檎J(rèn)卡和一個(gè)全新的理論，來(lái)到了太平洋西南部國(guó)家巴布亞新幾內(nèi)亞（Papua New Guinea）山區(qū)高地的一個(gè)邊遠(yuǎn)村落。

?？寺?tīng)說(shuō)，東部高地省奧卡普區(qū)（Okapa）的法雷人（Fore）幾乎與世隔絕。因此，他認(rèn)為他們應(yīng)該是理想的被試對(duì)象。

和在他之前來(lái)到當(dāng)?shù)氐奈鞣窖芯咳藛T一樣，?？寺鼇?lái)到巴布亞新幾內(nèi)亞，也是為了從當(dāng)?shù)赝林后w獲取有關(guān)研究數(shù)據(jù)。當(dāng)時(shí)，他正在收集證據(jù)，以證明一個(gè)尚存爭(zhēng)議的假設(shè)：全人類(lèi)都會(huì)展現(xiàn)出一少部分共通的情感或情緒，并且這都是與生俱來(lái)的，世界各地的人都是如此。

過(guò)去半個(gè)多世紀(jì)以來(lái)，這項(xiàng)論斷一直爭(zhēng)議不斷，引發(fā)了心理學(xué)家、人類(lèi)學(xué)家以及技術(shù)專(zhuān)家的爭(zhēng)辯。盡管如此，它還是成為了一顆“種子”，培養(yǎng)出一個(gè)不斷增長(zhǎng)的市場(chǎng)。據(jù)估計(jì)，到2024年，該市場(chǎng)的價(jià)值估計(jì)將達(dá)到560億美元。

這篇文章，主要講述了情緒識(shí)別是如何成為人工智能行業(yè)的一部分，以及由此產(chǎn)生的問(wèn)題。

當(dāng)埃克曼來(lái)到屬于熱帶地區(qū)的奧卡普區(qū)時(shí)，他展開(kāi)了多項(xiàng)測(cè)試，來(lái)評(píng)估法雷人是如何識(shí)別情感的。由于法雷人與西方和大眾媒體的接觸都很少，?？寺普摮?，他們對(duì)于核心情緒的識(shí)別與表現(xiàn)，可以證明全人類(lèi)的情緒表達(dá)方式都是一樣的。

埃克曼的實(shí)驗(yàn)方法很簡(jiǎn)單。他在法雷人面前展示各種面部表情的抽認(rèn)卡，看他們是否能像自己一樣描述情緒。用?？寺约旱脑?huà)來(lái)說(shuō)：“我所做的，只是給他們展示有趣的圖片?！?/p>

然而，在展開(kāi)實(shí)驗(yàn)之前，埃克曼并未了解或認(rèn)識(shí)過(guò)有關(guān)法雷人的歷史、語(yǔ)言、文化或政治背景。他試圖通過(guò)翻譯人員來(lái)完成這項(xiàng)抽認(rèn)卡實(shí)驗(yàn)，但卻以失敗告終。埃克曼和被試對(duì)象都被實(shí)驗(yàn)過(guò)程搞得心力交瘁，用他自己的話(huà)來(lái)說(shuō)，就像是拔牙一樣。

在首次針對(duì)情緒表達(dá)展開(kāi)的跨文化實(shí)驗(yàn)研究碰壁后，埃克曼帶著沮喪的心情，離開(kāi)了巴布亞新幾內(nèi)亞。不過(guò)，這僅僅是故事的開(kāi)始。

圖片來(lái)源：Delta

如今，情感識(shí)別工具被廣泛運(yùn)用于國(guó)家安全系統(tǒng)、機(jī)場(chǎng)、教育領(lǐng)域和創(chuàng)業(yè)公司的招聘環(huán)節(jié)中，也被運(yùn)用在檢測(cè)精神疾病的軟件和預(yù)測(cè)暴力行為的執(zhí)法項(xiàng)目。

然而，據(jù)2020年發(fā)表于《自然》（Nature）雜志的一篇研究，通過(guò)分析一個(gè)人的面部表情來(lái)精準(zhǔn)評(píng)估其內(nèi)心狀態(tài)的說(shuō)法，并沒(méi)有可靠證據(jù)。

2019年，心理學(xué)家、神經(jīng)學(xué)家麗莎·費(fèi)爾德曼·巴雷特（Lisa Feldman Barrett）領(lǐng)導(dǎo)研究團(tuán)隊(duì)，針對(duì)從面部表情推斷情感的科學(xué)文獻(xiàn)展開(kāi)了系統(tǒng)回顧，結(jié)果發(fā)現(xiàn)，沒(méi)有可靠證據(jù)表明能以這種方式精準(zhǔn)預(yù)測(cè)一個(gè)人的情緒狀態(tài)。

“我們不可能胸有成竹地從微笑中推斷出快樂(lè)，從怒視中推斷出憤怒，或者從皺眉中推斷出悲傷，而目前大多數(shù)情感識(shí)別技術(shù)，都在依賴(lài)于這些被誤認(rèn)為是科學(xué)事實(shí)的推斷?！痹撗芯靠偨Y(jié)道。

那么，在人工智能領(lǐng)域，為什么普遍會(huì)接受通過(guò)一少部分共通情緒來(lái)輕易地解讀面部表情的做法呢？

要理解這一點(diǎn)，就需要了解這些想法發(fā)展背后的復(fù)雜歷史和動(dòng)機(jī)，這就要追溯到人工智能情感檢測(cè)工具研發(fā)并運(yùn)用于日常生活之前的日子。

情感識(shí)別自動(dòng)化的想法令人非常信服，其中也有利可圖。科技公司已經(jīng)捕捉了大量人類(lèi)面部表情圖像，這些圖像主要來(lái)自于Instagram用戶(hù)上傳的自拍、Pinterest的肖像圖片、TikTok的視頻，以及攝影圖片網(wǎng)站Flickr的照片。

與人臉識(shí)別一樣的是，無(wú)論是大型科技公司還是小型初創(chuàng)企業(yè)，情感識(shí)別技術(shù)已經(jīng)成為許多平臺(tái)核心基礎(chǔ)設(shè)施的一部分。

人臉識(shí)別試圖識(shí)別的是某個(gè)特定個(gè)體，而情感識(shí)別旨在通過(guò)分析任意一張人臉來(lái)檢測(cè)情緒，并將其歸類(lèi)于某種情緒類(lèi)別。盡管缺乏實(shí)質(zhì)性的科學(xué)證據(jù)來(lái)證明其有效性，這些系統(tǒng)如今卻已經(jīng)在影響人們的行為和社會(huì)機(jī)構(gòu)的運(yùn)作方式。

情感檢測(cè)自動(dòng)化系統(tǒng)現(xiàn)在已經(jīng)在多個(gè)領(lǐng)域里廣泛運(yùn)用，尤其是在招聘領(lǐng)域。人工智能招聘公司HireVue，就在利用機(jī)器學(xué)習(xí)來(lái)推斷求職者是否適合某份工作。其主要的客戶(hù)包括高盛集團(tuán)（Goldman Sachs）、英特爾（Intel），以及聯(lián)合利華（Unilever）。

2014年，該公司正式推出了人工智能系統(tǒng)。這套系統(tǒng)可以直接從視頻面試中抓取求職者的微表情、語(yǔ)調(diào)和其他變量因素。招聘公司可以利用這些信息，橫向?qū)Ρ裙緝?nèi)部高效能人士的有關(guān)表現(xiàn)。

在遭到學(xué)界人士和民權(quán)組織的強(qiáng)烈批評(píng)后，該公司今年開(kāi)始不再抓取并分析求職者的面部表情，但仍保留了通過(guò)抓取語(yǔ)調(diào)這一信息來(lái)作為評(píng)估標(biāo)準(zhǔn)。

2016年1月，蘋(píng)果收購(gòu)了人工智能初創(chuàng)公司Emotient。該公司聲稱(chēng)已經(jīng)開(kāi)發(fā)出一款軟件，能夠通過(guò)人臉圖像來(lái)識(shí)別各種情緒。

就人工智能初創(chuàng)公司而言，規(guī)模最大的可能是Affectiva公司。這家公司總部位于美國(guó)波士頓，從美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室（MITMedia Lab）分拆出來(lái)的公司。

Affectiva公司編寫(xiě)了多種與情緒相關(guān)的應(yīng)用程序，這一過(guò)程主要采用的是深度學(xué)習(xí)技術(shù)，其中包括檢測(cè)道路上分心和危險(xiǎn)駕駛的駕駛?cè)?，以及衡量消費(fèi)者對(duì)廣告的情緒反應(yīng)。

該公司已經(jīng)建成了所謂的世界上最大的情緒數(shù)據(jù)庫(kù)，其中收錄了來(lái)自87個(gè)國(guó)家1000多萬(wàn)人的面部表情數(shù)據(jù)。該數(shù)據(jù)庫(kù)還收錄了大量手動(dòng)標(biāo)記的視頻。Affectiva通過(guò)位于埃及首都開(kāi)羅的分公司招募了35名眾包工人，要求他們通過(guò)觀(guān)看視頻內(nèi)容和人臉面部表情來(lái)標(biāo)記不同的情緒。

除了初創(chuàng)企業(yè)之外，包括亞馬遜、微軟和IBM等人工智能巨頭也在開(kāi)發(fā)有關(guān)情感檢測(cè)系統(tǒng)。

通過(guò)人臉API，微軟能夠提供對(duì)感知情緒的檢測(cè)服務(wù)，識(shí)別“憤怒、輕蔑、厭惡、恐懼、快樂(lè)、悲傷和驚訝”等情緒。

圖片來(lái)源：thenextweb

亞馬遜的圖像分析服務(wù)Rekognition，也聲稱(chēng)可以識(shí)別“喜怒憂(yōu)思悲恐驚”等七種情緒特征，并且可以“衡量這些情緒是如何隨著時(shí)間推移而變化的”。

這些所謂的情感識(shí)別系統(tǒng)，大多都基于一套相似的藍(lán)圖和基本假設(shè)：全人類(lèi)都會(huì)展現(xiàn)出一少部分顯著而共通的情緒類(lèi)別，我們會(huì)不由自主地在臉上流露這些情緒，這些情緒也可以通過(guò)機(jī)器檢測(cè)出來(lái)。

這些認(rèn)知在許多領(lǐng)域都被廣泛認(rèn)可。然而，如果我們著眼于如何對(duì)情緒分類(lèi)，或者說(shuō)如何有序整理并標(biāo)記這些情緒，我們就可以輕松發(fā)現(xiàn)許多潛在的問(wèn)題。

?？寺难芯?，最初也源自于與著名心理學(xué)家西爾萬(wàn)·湯姆金斯（Silvan Tomkins）的一次偶遇。當(dāng)時(shí)，湯姆金斯已經(jīng)在心理學(xué)領(lǐng)域有所建樹(shù)，他于1962年首次出版了他的代表作《情感、意象、意識(shí)》（Affect Imagery Consciousness）。

湯姆金斯在情感方面的研究，對(duì)埃克曼產(chǎn)生了巨大的影響。?？寺诼殬I(yè)生涯中投入了大量時(shí)間來(lái)研究情感。其中一個(gè)思想發(fā)揮了特別巨大的作用：如果情感是全人類(lèi)與生俱來(lái)的進(jìn)化反應(yīng)，那么它們就應(yīng)該是共通的，并且在跨文化背景下也是可以識(shí)別出來(lái)的。

這種對(duì)情感共通性的渴望，對(duì)這一理論在今天的人工智能情感識(shí)別系統(tǒng)中的廣泛應(yīng)用，產(chǎn)生了重要的影響。

在《情感、意象、意識(shí)》（Affect Imagery Consciousness）一書(shū)的前言部分，作者湯姆金斯將他基于生物學(xué)的共通情感理論，描述為應(yīng)對(duì)人類(lèi)主權(quán)嚴(yán)重危機(jī)的理論。他對(duì)行為主義和精神分析學(xué)派的發(fā)展提出了挑戰(zhàn)，認(rèn)為這兩個(gè)學(xué)派把意識(shí)視為一種單純的副現(xiàn)象，為其他力量服務(wù)。

他指出，人類(lèi)意識(shí)“一次又一次地遭到挑戰(zhàn)和削弱”。首先是哥白尼（Copernicus），他稱(chēng)人類(lèi)并不是宇宙的中心。隨后是達(dá)爾文（Darwin），他提出了進(jìn)化論觀(guān)點(diǎn)，打破了千百年來(lái)“上 帝創(chuàng)造萬(wàn)物”的神創(chuàng)論。然后是弗洛伊德（Freud），他提出的動(dòng)機(jī)理論，認(rèn)為人類(lèi)意識(shí)和推理不是人類(lèi)動(dòng)機(jī)背后的驅(qū)動(dòng)力。

湯姆金斯在書(shū)中寫(xiě)道：“對(duì)自然的最大控制和對(duì)人性的最小控制的悖論，在某種程度上是因?yàn)楹鲆暳艘庾R(shí)作為控制機(jī)制的作用而導(dǎo)致的。”

簡(jiǎn)而言之，意識(shí)并沒(méi)有告訴我們?yōu)槭裁次覀儠?huì)有這樣的感覺(jué)和行為。這一觀(guān)點(diǎn)，對(duì)后來(lái)各種情感理論的應(yīng)用產(chǎn)生了至關(guān)重要的作用，后者主要強(qiáng)調(diào)的是人類(lèi)無(wú)法識(shí)別情感的感受與表達(dá)。如果人類(lèi)自身無(wú)法真正檢測(cè)我們的感受，那么，也許人工智能系統(tǒng)能做到這一點(diǎn)？

湯姆金斯提出的情緒理論，是他用來(lái)了解人類(lèi)動(dòng)機(jī)問(wèn)題的方法。他認(rèn)為，動(dòng)機(jī)是由情緒和內(nèi)驅(qū)力兩個(gè)系統(tǒng)支配的。湯姆金斯提出，內(nèi)驅(qū)力往往與直接生理需求密切相關(guān)，比如饑餓和口渴，它們是有助于人類(lèi)的。因饑餓產(chǎn)生的痛苦，可以用食物來(lái)緩解。

然而，真正支配人類(lèi)動(dòng)機(jī)和行為的主要系統(tǒng)，是包括積極和消極情緒在內(nèi)的情緒系統(tǒng)。情緒在人類(lèi)動(dòng)機(jī)中扮演著最重要的角色，它放大了驅(qū)動(dòng)信號(hào)，但同時(shí)也復(fù)雜得多。例如，我們很難知道導(dǎo)致嬰兒哭泣的確切原因。

在一個(gè)因果關(guān)系、刺激物和反應(yīng)之間的聯(lián)系如此脆弱和不確定的系統(tǒng)中，我們?cè)撊绾握J(rèn)識(shí)這個(gè)系統(tǒng)呢？對(duì)此，湯姆金斯提出了一個(gè)答案：“主要情感……似乎天生就與一個(gè)異常明顯的器官系統(tǒng)有著一對(duì)一的關(guān)聯(lián)。”這里實(shí)際上指的就是臉部。

他在19世紀(jì)出版的兩本著作中，都找到了關(guān)注面部表情的先例。其中，有一本著作是達(dá)爾文于1872年撰寫(xiě)的《人與動(dòng)物的情感表達(dá)》（The Expression of the Emotions in Man and Animals）。

湯姆金斯認(rèn)為，面部表情是全人類(lèi)的共通特征。他寫(xiě)道：“情緒是面部甚至遍布于全身的肌肉、血管和腺體的綜合反應(yīng)，它可以產(chǎn)生感覺(jué)反饋?！@些綜合反應(yīng)可以通過(guò)皮層下中樞而觸發(fā)，而皮層下中樞則儲(chǔ)存著不同情感的‘具體程序’?！?/p>

但湯姆金斯也承認(rèn)，對(duì)情感表現(xiàn)的理解，也取決于個(gè)人、社會(huì)和文化等多方面因素。他認(rèn)為，在不同的社會(huì)中，也存在著不同面部語(yǔ)言的“方言”。

考慮到對(duì)面部表情的理解，可能在不同文化背景下存在著不同的結(jié)果，因此，如果要根據(jù)面部表情來(lái)訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)的話(huà)，就不可避免地會(huì)將各種不同的背景、信號(hào)和期望混在一起。對(duì)于?？寺约昂髞?lái)的計(jì)算機(jī)視覺(jué)領(lǐng)域而言，問(wèn)題就在于，到底該如何調(diào)和這些矛盾。

圖片來(lái)源：University of Cambridge/PA

20世紀(jì)60年代中期，機(jī)會(huì)敲開(kāi)了?？寺拇箝T(mén)。他獲得了來(lái)自美國(guó)國(guó)防部下屬研究機(jī)構(gòu)美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）的一大筆撥款。這一筆巨額財(cái)政支持，為?？寺状握归_(kāi)面部表情共通性的研究提供了保障。

總的來(lái)說(shuō)，他的研究遵循了可以復(fù)制運(yùn)用于早期人工智能實(shí)驗(yàn)室的設(shè)計(jì)。在很大程度上，他直接采用了湯姆金斯的方法，甚至還使用了湯姆金斯使用過(guò)的圖片來(lái)測(cè)試智利、阿根廷、巴西、美國(guó)和日本等國(guó)家的被試對(duì)象。

在實(shí)驗(yàn)中，他向被試對(duì)象展示了各種面部表情照片。這些照片也是由實(shí)驗(yàn)設(shè)計(jì)人員精挑細(xì)選出來(lái)的，每張照片可以突出展現(xiàn)某種特別純粹的情感，比如恐懼、驚訝、憤怒、快樂(lè)、悲傷和厭惡。隨后，被試對(duì)象被要求根據(jù)照片表情選擇對(duì)應(yīng)的情感類(lèi)別，并一一標(biāo)注。這項(xiàng)實(shí)驗(yàn)主要測(cè)量的是被試對(duì)象選擇的標(biāo)簽類(lèi)別，與設(shè)計(jì)人員選擇的標(biāo)簽類(lèi)別之間的關(guān)聯(lián)程度。

從一開(kāi)始，這種實(shí)驗(yàn)方法就存在問(wèn)題。?？寺蟊辉噷?duì)象從僅有的選擇中做出選擇的方法，后來(lái)引來(lái)了批評(píng)。這些反對(duì)聲音稱(chēng)，?？寺姆椒ㄊ窃谔嵝驯辉噷?duì)象，設(shè)計(jì)人員已經(jīng)在面部表情和情緒之間建立起了關(guān)聯(lián)。此外，由于照片中的表情都是刻意擺拍出來(lái)的，這一事實(shí)也產(chǎn)生了對(duì)實(shí)驗(yàn)結(jié)果有效性的質(zhì)疑。

一個(gè)人的內(nèi)心狀態(tài)，可以通過(guò)其外部表情符號(hào)來(lái)精準(zhǔn)推斷，這一觀(guān)點(diǎn)由來(lái)已久。其部分源于面相學(xué)的發(fā)展歷史。面相學(xué)主要是基于一個(gè)人的面部特征來(lái)研究其性格。古希臘哲學(xué)家亞里士多德（Aristotle ）認(rèn)為，“由于人們一直認(rèn)為肉體和靈魂是有機(jī)結(jié)合的，因此，可以從人的外貌來(lái)判斷其性格?！?/p>

希臘人早期還把面相當(dāng)作種族分類(lèi)的方式，根據(jù)人的外貌和特征的不同，把人分成不同的種族（例如埃及人、色雷斯人和斯基泰人）。

延伸閱讀：人工智能無(wú)法精準(zhǔn)讀取人臉表情（下）

譯者：俊一