1. 我是CIO首页
  2. 观点

情感AI或情感计算可能是AI中的下一件大事

情感AI或情感计算可能是AI中的下一件大事

企业开始探索情感分析技术,以改善客户和员工的体验并提供创新的服务。尽管仍处于起步阶段,但CIO和其他IT领导者仍应保持情绪跟踪技术的地位,因为许多专家认为,该技术可以在为客户提供他们想要的东西方面发挥重要作用。

面部表情分析之所以具有吸引力,是因为它可以在远处完成,而无需照相机。记录人们的面部表情的想法是推断人们对电影和音乐等产品的感觉,并无需大量调查表即可评估服务交互。

杰出的大学教授兼百事可乐公司消费者科学主席Michel Wedel表示:“录音不打扰减轻了消费者的负担,并使经理们可以更好地定制产品,服务和营销活动,例如针对个人客户需求的广告和促销活动。”

这最终将提高消费者的满意度和福利,并对经济产生积极影响。

但是,一项评估数百项有关监测面部表情情绪的研究的新研究认为,这种技术的力量存在广泛的误解。专家认为,仍然有强有力的证据表明,其他基于语音,眼动和基于文本的情感分析的情绪跟踪工具也可以提供价值。从长远来看,可以将这些技术与上下文数据和面部表情相结合,以引入情感智能和情感AI的使用。

CIO和其他IT主管可能希望在为客户和员工制定情感AI策略时考虑多种方式,包括语音,行为和上下文。解决道德问题也很重要,以防止客户和员工之间的任何抵触情绪。最后,许多高管认为该技术可能会对传统业务产生重大影响。

如何追踪情绪

研究人员以多种方式衡量情绪。Wedel说:“问卷调查方法肯定不是完美的,也不适合很好地捕捉情绪动态。面部跟踪是有用的,但必须谨慎使用。在某些情况下,皮肤电导和脑电图测量提供了一些有用的信息。尽管有时使用瞳孔散大也有一定的成功率,但眼动跟踪并未用于检测情绪。”

Wedel说,开发更好的工具将需要不断改进和验证测量工具,如果可能的话,还需要算法的组合。人工智能和深度学习等大数据和计算机科学算法将影响面部跟踪算法的发展及其准确性。

东北大学心理学教授丽莎·费尔德曼·巴雷特(Lisa Feldman Barrett)和她的同事们最近发现了追踪面部情绪的科学中的三个主要缺陷。

  • 有限的可靠性。例如,某人可能会因为过于努力而皱眉,而不是生气。
  • 缺乏特异性。在面部表情和情绪类别之间没有唯一的映射。
  • 缺乏普遍性。各种文化表达面部表情的方式不同。

不管情绪跟踪算法是否准确,它们都可以预测企业感兴趣的下游行为。Wedel的团队已使用该技术来预测票房成功和电影的流媒体行为。他说:“但是必须仔细设计研究方案。”

情感AI仍处于起步阶段

使用情感数据可以改善用户体验的情感AI 仍然被认为是一个新兴行业。情绪跟踪平台Neurodata Lab的创始人兼首席执行官George Pliev说,自动检测情绪的首次尝试是基于美国心理学家Paul Ekman提出的情绪面部表情的普遍性理论。该理论指出,人类会经历六种基本情感,我们都以相同的方式表达情感。

Pliev说:“ 理论变得如此广泛,以至标志着整个新产业的开始。”

但是,从美国心理学家詹姆斯·罗素(James Russell)开始,这种观点也受到了广泛的争论。情绪智力研究人员现在正在考虑采用更复杂的方法来理解情绪。这个想法是,情感类别在文化上是依赖和学习的,可以通过机器学习。

情感AI需要更多类别

在埃克曼(Ekman)的早期工作中,科学家假设上述六种基本情绪可以在脸上被追踪到,包括厌恶,悲伤,幸福,恐惧,愤怒和惊奇。现在,研究人员认为需要更多类别。

“我们不喜欢该行业的天真,它只专注于六种基本情感,并且原型化的面部表情与情感状态是一一对应的,” Affectiva公司首席执行官兼联合创始人Rana el Kaliouby说。情绪分析平台提供商。例如,面部表情可能不仅仅表示一种情感;它可能是社交,认知或行为提示,或者是生理反应。

El Kaliouby说,面部表情与情绪状态的一对一对应关系过于简单。“在这种普遍的简单化观点下,抬眉是一种惊喜。但在现实世界中,它还可以作为问候,邀请社会交往,表示感谢,发起调情等等。”

为了消除歧义,则需要更多信息。某人脸上还发生了什么?随着时间的流逝,这种表情如何展现?是否还有其他物理信号,例如人声调或手势?为了获得此信息,Affectiva正在投资于一种针对特定用例的多模式方法。

“拥有兴趣,困惑,挫败感和同情心的表达很难直接与基本情感联系起来,”拥有博士学位的巴特·库尔曼说。他是认知神经科学领域的专家,并且是生理跟踪平台iMotions的产品专家。但是,现实情况中通常会感兴趣的是那些更模糊的情感表达类型。

例如,一个好的电视广告可能不会引起全面的喜悦,但是一个有趣的笑话通常会产生一个微笑。凌乱的网站可能不会使某人生气或悲伤,但是它可能导致在用户永久离开该网站之前,以皱眉的形式简短地表示沮丧。巴特·库尔曼说,在现实世界中,以嘴,鼻子,眼睛或眉毛的形式表现更具体的情感表达通常比以基本情感表现更为有益。

许多情感类别都是微妙的,难以识别。Neurodata Lab的Pliev表示,两个主要挑战是创建完整的情绪表达列表,并能够指出情况中是否存在这些情绪。根据任务的不同,情绪清单可能会增加。没有关于情感或所表达情感数量的标准表达的客观参考。Pliev说:“人们只是在类别,表达的强度或出现的情绪上都不会达成共识。”

语音表达情感AI的希望

研究人员认为,他们也许能够通过语音以更细粒度的方式自动检测情绪。加州大学伯克利分校的研究人员正在开发通过语音分析检测27种不同情绪的算法。加州大学伯克利分校的教授达切尔·凯特纳(Dacher Keltner)表示,在不同的方式下,面部表情,凝视,声音,声音,触觉和身体动作都以不同的方式传达情感。他说:“声音可能是情感交流的最丰富来源,其次是面部。”

有些情绪是以一种方式传达的,而其他情绪则没有。例如,凯特纳(Keltner)的研究发现,只有通过触摸才能始终检测到感激之情。他说:“随着方法和统计数据能够更好地捕捉反应模式,我们相信大约20种情绪将在不同的测量方法中具有可靠的信号。” 这些包括:

  • 负面信号,例如愤怒,焦虑,蔑视,厌恶,尴尬,恐惧,内,悲伤,羞耻和恐怖;和
  • 积极的反应,例如娱乐,敬畏,知足,欲望,摇头丸,兴趣,爱,骄傲,同情和胜利。

需要新的培训工具

情绪跟踪还显示出在创建全新的情绪和沟通训练工具方面的希望。凯特纳(Keltner)认为,例如,音频反馈可能是人们学习感受自己的情感并与他人建立联系的重要因素。

“这是训练目的的重点,因为这是人们意识到的一种方式-我们听到我们的声音但看不到自己的脸。这一直是我们社交互动的一部分,我认为这可能是我们拥有的一种方式在考虑将反馈应用于我们的情感表达时,需要更多的控制权,”他说。

一些企业摒弃了传统的情感观念,专注于如何感知声音。例如,VoiceVibes开发了一套培训工具,用于呼叫中心的工作人员和执行人员练习其公共演讲技能。这些工具专注于他人如何看待某人的声音质量,这是该公司称为“共鸣”的方法。

VoiceVibes首席执行官Deb Cancro表示:“共鸣更适合员工的培训和自我意识。尽管情绪激动,我们经常需要采用最有效的氛围,即使它与我们的感觉不符。” 例如,某人在接听电话时可能会感到难过,但需要使用个性化的语调,或者高管可能想学习如何在压力很大的情况下保持镇定的状态。

情感AI的道德和隐私问题

Motive Software的联合创始人Armen Berjikly说:“严格监控员工是公司应该抵制的一种诱惑。” Motive Software是一家致力于利用情感洞察力解决业务问题的公司。一些国家安全或金融服务组织可能必须监视员工,但是典型的公司冒着侵犯员工信任度的风险,试图改善员工体验。

Wedel说,公司应该关注道德问题,因为隐私问题和违规行为可能适得其反,并对公司本身构成威胁。他建议将视频转换为面部表情数据,并从数据中剥离其他个人身份信息。

咨询公司Elicit的首席营销官Brooke Niemiec说,个性化营销的关键是避免“令人毛骨悚然”,并且该规则也适用于诸如情感识别之类的新技术应用。诀窍是确保仅将技术用于改善当前状况。例如,面部情感识别相机可以测量参与者对某个事件的总体满意度。Niemiec说:“但是,如果使用相同的技术选出不幸的人,以便有人在活动期间直接与他们接触,那我说这越过了’不要令人毛骨悚然’的界限。”

另外,有些人非常善于掩饰自己的真实感受。Niemiec说,任何对不当行为或被侵犯的感觉都可能导致人们搭起防护罩,从而有效地阻止了该技术的使用。

但是情感跟踪可以在传统行业(例如汽车制造业)中提供明显的竞争优势。例如,汽车零部件制造商法雷奥(Valeo)在跟踪驾驶员和乘客的舒适度方面进行了大量投资。这不仅可以提高客户满意度,而且可以使汽车更安全。

法雷奥创新副总裁纪尧姆·德瓦赫谢尔(Guillaume Devauchelle)说:“人工智能的下一个发展是情感智能。在不久的将来,机器将变得更加移情并适应我们的情感,以便它们能够更好地与我们互动。”

本文为作者 黄凯 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论