劍橋大學的計算機科學家們正在研制能夠理解人類意識以及能夠表達情感的機器人。

當人類彼此交談時，他們的交流方式遠比簡單的語言交談方式多得多。他們說話的方式很重要——面部表情、語調和肢體語言。如果沒有這些額外的提示，就很難用言語或文字進行交流，因為任何經歷過類似電子郵件那樣純文字交流誤會的人都非常清楚。

你可以想象人與計算機或機器正確交流的難度。這種人機交互（human–computer interaction）被廣泛認為是21世紀的基礎，并預計將改變我們的家庭和車輛、教育、制造業以及養老院和核反應堆控制室等不同環境中的技術面貌。

彼得羅賓遜教授解釋說，為了讓人機交互達到預期，智能機器需要了解人類及其交流的環境，然后以有意義的方式對其做出反應。他在計算機實驗室的團隊正在建立一套系統，通過觀察面部表情，分析語氣語調，并結合身體語言和態度來推斷人類的感受。該團隊還正在構建能夠識別和表達情感的計算機虛擬人物和物理機器人。

人機交互技術研究的最新趨勢

讀心術機器

大多數電腦都是“盲心的”。他們不知道用戶在想什么，也無法對用戶情緒狀態的變化做出反應——車輛導航系統常常執意要求掉頭的指令，完全無視駕駛員的惱怒和困惑。

盡管人類可以注意到他人的心理狀態，并利用這些暗示來改變自己的行為，這一過程被稱為“意識理論”，但這種能力并不是每個人都能擁有的。事實上，自閉癥譜系疾病的一個特點就是很難從非語言線索（如面部表情）來理解他人的意識和情緒。

羅賓遜教授的團隊打算設計一種能夠閱讀大腦的計算機，使其能夠提取、分析和理解面部信息。該研究小組利用了劍橋自閉癥研究中心主任西蒙·巴隆·科恩教授最新的研究成果，他設計了一個詳細的分類，對412種截然不同的精神狀態進行了分類，并制作了一個由演員表演的2500個視頻剪輯庫。這個數據庫是一個以計算機技術為基礎的幫助自閉癥患者的研究的一部分，計算機實驗室團隊已經用它來訓練他們的計算機系統。

在數據庫的幫助下，利用數碼攝像機，計算機跟蹤面部24個特征點，實時分析面部表情、頭部運動、形狀和色調。為了推斷這意味著什么，系統使用貝葉斯算法和機器學習來計算概率，例如，頭部點頭、微笑和揚起的眉毛等組合可能意味著興趣。令人驚訝的是，在分析演員時，計算機的整體準確度超過75%，而非演員的整體準確度超過60%，這個準確度足以在人類中排名前5%。

復雜的情緒

羅賓遜教授解釋說，人機交互是一個不斷發展的研究領域。“我們的創新已經超越了簡單基本情緒的識別，目前瞄準的是識別復雜心理狀態。”

面部表情清楚地表達了恐懼、憤怒、厭惡和驚訝等基本情緒，因此可以在靜態照片中辨認出來。其他的精神狀態，例如缺乏理解和困惑，太復雜了，無法在照片中捕捉，因為它們發生在幾秒鐘之內，或者表現為運動的變化組合。

正是這些復雜的情緒，伊恩·戴維斯，這個團隊中的六個研究生之一，通過生理測量和眼睛跟蹤，捕捉到了他正在研究的應用類型：指揮和控制系統，比如緊急服務或發電站使用的系統。在這種場景里，能夠識別一個人是什么時候疲倦或困惑，可能有助于提高安全和效率。他解釋說，駕駛等更為常見的場景甚至還有好處：“如果汽車的系統能夠識別出駕駛員是困惑的，它可以避免再增加額外的信息——可能關閉收音機或簡化導航指令。”

面部分析系統的一個常見問題是人們的手在臉上移動的軌跡。這種系統通常把手勢視為不必要的“干擾源”，事實上，手勢是一個重要的信息來源——例如，當人們集中注意力時，可能會緊握下巴，或在震驚時捂住嘴。馬瓦·馬哈茂德正在研究如何映射這些手勢的含義，將這些信息添加到面部表情的多模式分析中。同時，Ntombi Banda正在構建多模式系統，將面部分析、聲音音調和身體運動相結合，以提高識別精度。

機器人和化身

在最近的一次會議上，微軟的董事長比爾蓋茨預測下一個重大的技術將是機器人技術。例如，想象一下，如果一個機器人足夠強大，能夠在家里完成繁重的任務——比如抬病人，需要在家里進行輔助護理——同時又能夠理解人類的感受，這將是多么有用。或者想象一下，一個基于虛擬人物的教學輔助工具，它足夠敏感，能夠在學生無法及時吸收知識時相應地進行調整。

羅賓遜教授說：“機器人或化身在正確的時間表達正確的東西很重要。”他們不僅需要通過準確地感知人類表達的內容來識別非語言行為，還需要自己生成這樣的表達。

Alyx是由ValveSoftware游戲《半衰期2》（Half-Life2）中的電腦生成的虛擬人物，它能識別和回應快樂、驚喜、困惑、興趣和無聊。她接受了塔達斯的“訓練”，使用人類面部表情的模型，使機器人化身的情緒變得可立即識別。他解釋說，Alyx的情感被特別挑選：“這一系列很適合遠程通信的應用，如呼叫中心、網上購物或在線教學等需要適應用戶情感的場景。”

查爾斯是由漢森機器人公司專門為團隊設計的一款機器人頭。他的眼睛里有監控面部表情的攝像頭，頭骨里有24個馬達，可以將他柔韌的硅基“皮膚”拉動出表情，他能夠表現出一系列的表情。勞雷爾·里克一直在測試查爾斯如何被用來訓練年輕的醫生：“利用從真實病人那里收集的數據，查爾斯可以真實地模擬出面部出現的運動障礙，如腦癱和肌張力障礙。我們希望這樣一個現實的模擬器能夠讓臨床醫學的學生練習他們的溝通和診斷技能。”她預測有一天像查爾斯這樣的機器人也可以用于患者康復，例如幫助中風患者重新掌控面部肌肉。

查爾斯接受了自閉癥研究中心提供的表情數據的訓練，現在安德拉·亞當斯正在準備將其作為一種指導工具來幫助自閉癥譜系疾病患者。“有這種病癥的兒童很難理解社交互動的細微差別。查爾斯可以幫助他們練習輪流交談、保持眼神注視和從面部表情中識別情緒。

彼得羅賓遜的團隊在人機交互研究領域的前沿工作，將心理學、計算機視覺分析、信號處理和機器學習以及構建和評估復雜程序系統的專業知識結合起來。正如他解釋的那樣：“在人機交互中，許多最有趣的挑戰在于學科之間的交叉地帶。”