你想不想有這樣一個音樂APP，它可以根據你的心境播放或悲傷、或舒緩、或歡快的歌曲，不用你切歌，就能慰藉你一天的辛勞？

近日，麥康布斯商學院信息風險和運營管理教授Maytal Saar-Tsechansky與德克薩斯大學的計算機科學研究人員共同創建了“個性化DJ”。該程序會根據每個用戶的情感變化，在正確的時間播放正確的音樂。

這個程序中所運用的技術，正是情感計算。

感情可以計算嗎？機器人真的能理解感情嗎？在各方爭論中，情感機器人姍姍而來，并在許多實用領域有了一展身手的機會。

情感計算是什么

情感計算研究可以從兩個方面來理解，一是基于生理學的角度，通過各種測量手段來記錄人體的各種生理參數，比如，人體運動數據，臉部表情、心理、脈搏、腦電波等，并以此為根據來計算人體的情感狀態；二是基于心理學的角度，通過各種傳感器接收并處理信息，并以此為根據計算人造機器所處的情感狀態。

簡單來說，情感計算研究就是試圖創建一種能感知、識別和理解人的情感，并能針對人的情感做出智能、靈敏、友好反應的計算系統，它是一個高度綜合的研究和技術領域。

近年來，Picard領導的美國麻省理工學院多媒體實驗室相繼提出了近50種情感計算應用項目。例如，將情感計算應用于醫療康復，協助自閉癥者，識別其情感變化，理解患者的行為；在教育中應用情感計算，實現對學習狀態的采集及分析，指導教學內容的選擇及教學進度進行；還可以將情感計算應用于生活中，計算機能夠感知用戶對音樂的喜好，根據對情感反應的理解判斷，為用戶提供更感興趣的音樂播放等。

接下來，學術君就對情感計算在課堂教學、情感檢測、醫療康復和輿論監控中的運用做詳細介紹。

課堂教學

面部識別測量學生理解程度

上學的時候，你是否有過“假裝聽懂”的課堂經歷？

明明沒聽懂知識點，卻在大家異口同聲的“聽明白了”的潮流中，怯怯地說自己也懂了。

教師不知道學生真懂還是假懂，那些課業有困難的學生很容易遭到忽視。

SensorStar實驗室運用面部識別技術，解決了這個問題。他們用相機捕捉學生上課反應，并且輸入到計算機里面，運用算法來確定學生注意力是否轉移。 　　孩子們的眼睛是專注于老師的嗎？他們是在思考還是發呆？他們是微笑還是皺著眉頭？或者他們只是覺得困惑？還是無聊？

測量之后，老師將會收到一份反饋報告，基于面部分析，得出學生學習興趣何時最高、何時最低。這樣，老師能夠對自己的教學方案做出調整，滿足更多學生的需求。

此外，比爾和梅林達蓋茨基金會資助了傳感器手鐲（sensor bracelets）的開發，這可以用來追蹤學生的參與水平。腕部設備能夠發送小電流，通過在神經系統響應刺激時測量電荷的細微變化便可以得知學生的課程興奮程度。

機器學習定制學生課堂學習內容

在線教育有多火？

毫不夸張地說，在西二旗地鐵站，每兩步就會擠到一位在線教育公司的創始人。每兩個獵頭電話里，就有一個來自在線教育公司。

目前在線教育的基礎思路，是將學生學習效果數據進行分類，在此基礎上制定相關的教學內容。同時根據學生個人能力和教學要求，實時推薦附加內容，調整教學速度。 　　情感計算的介入，使在線教育的效率更上一層樓。英特爾公司已經開始利用攝像頭捕捉和分析學生面部表情，從而調整其學習內容和環境。

有了這些學生的表情數據，“Emoshape”這樣的情感計算智能系統就能自動分析情感，并做出適當回復。這些系統具備了解決個體問題的能力， 也幫助老師提供高度個性化的內容來激發學生的學習興趣。

情緒監測

美國麻省理工學院計算機科學與人工智能實驗室打造了用無線信號監測情緒的EQ-Radio。在沒有身體感應器和面部識別軟件輔助的情況下，EQ-Radio通過測量呼吸和心跳的微小變化，利用無線信號捕捉到一些肉眼不一定能察覺的人類行為，判斷一個人到底處于以下四種情緒中的哪一種：激動、開心、生氣或者憂傷，正確率高達87%。

美國麻省理工學院教授和該項目的負責人DinaKatabi預測，這個系統會被運用于娛樂、消費者行為和健康護理等方面：電影工作室和廣告公司可以用這個系統來測試觀眾實時的反應；而在智能家居的環境中，該系統可以通過捕捉與人的心情有關的信息，調節室內溫度，或者建議你應該呼吸一些新鮮空氣。

目前，對美國麻省理工學院計算機科學與人工智能實驗室而言，最艱巨的任務就是擺脫不相關數據的干擾。比如，為了分析心率，他們要抑制呼吸可能帶來的影響，因為呼吸時，人的肺部起伏比他心跳時的心臟起伏要大。

醫療康復

在自閉癥治療上，情感計算被寄予了厚望。

可穿戴“社交假肢”

美國麻省理工學院情感計算團隊正在開發世界上第一個可穿戴的情感計算技術設備：一個具有社交智能的假肢，用來實時檢測自閉癥兒童的情感，幫助機器人使用自閉癥兒童獨有的數據，來評估這些互動過程中每個孩子的參與度和興趣。

這個裝置用一個小型照相機，分析孩子的面部表情和頭部運動來推斷他們的認知情感狀態。還有一種叫“galvactivator”的工具，通過測量穿戴者的皮膚電流數據，推斷孩子的興奮程度。這個像手套一樣的設備可以利用發光二極管描繪出人體生理機能亢奮程度的圖譜。這種可視化的展現方式，能夠清晰地展示出人的認知情感水平。

NAO機器人

SoftBank Robotics NAO類人機器人將近2英尺高，類似于裝甲超級英雄，通過改變眼睛的顏色、肢體的運動以及聲音的音調來表達不同的情緒。

人類治療師會向孩子展示一張照片或者閃存卡片，用來表示不同的情緒，以教會他們如何識別恐懼、悲傷或喜悅的表情。治療師隨后對機器人進行編程，向孩子們展示這些相同的情緒，并且在孩子與機器人交往時觀察孩子。孩子們的行為提供了寶貴的反饋信息，機器人和治療師可以根據反饋信息繼續學習。

在與機器人互動的過程中，孩子可以通過非常有條理的方式學習如何表達表情。

值得一提的是，研究人員發現深度學習機器人對兒童行為的估計，要比人類專家更加具體清晰。

輿情監控

大數據時代網絡社區的輿情分析技術，主要集中于話題識別與話題跟蹤、意見領袖識別以及情感傾向判別這三個方面。

話題識別與話題跟蹤首先在文本中識別出新話題，接下來在一段時間內檢測并實時跟蹤話題，實現該話題的再現，研究其隨時間發展的演化過程。 　　意見領袖的發現和識別重點在于評價指標的制定以及模型的構建。例如，曹玖新等將網絡社區用戶看作一個個節點，根據節點之間信息的交互和傳播過濾，從用戶結構、行為和情感三個特征維度挖掘意見領袖。

情感傾向判別在輿情研究中最為常見，首先收集web金融領域的文本數據屬性，接下來構建金融領域的情感詞典，最后結合語義分析，將語義規則應用到情感及情感強度識別當中，提升了分類器的準確率M。

目前國外已有一部分研究者開始關注深度情感計算方面的研究，如 Ayush Sharma等人利用語言數據聯盟（Linguistic Data Consortium，LDC）中情緒韻律的語音和文本，研究韻律特征提取與分類的深層情感識別。

隨著后續情感方面的深度研究，多模型認知和生理指標相結合、動態完備數據庫的建立以及高科技智能產品的加入等將會成為情感計算相關研究的新趨勢。我們期待更自然的人機交互，也期待情感計算帶來更多令人動容的應用案例。 　

? ?　情感計算會成為下一個人工智能熱點嗎？歡迎在留言區發表你的看法。

來源：世界經理人