人工智能正在深入人类的情感领域

科罗拉多大学和杜克大学的研究人员开发了一种神经网络，可以准确地将图像解码为11种不同的人类情感类别。该研究团队包括Phillip A. Kragel、Marianne C. Reddan、Kevin S. LaBar和Tor D. Wagner。

Phillip Kragel解释说，神经网络是可以通过学习一系列过滤器来将输入信号映射到感兴趣的输出的计算机模型。每当一个网络被训练来检测某个图像或事物时，它都会学习到该图像或事物的独特特征，例如形状、颜色和大小。

新的卷积神经网络被命名为EmoNet，它是在视觉图像上训练的。研究团队使用了一个包含2,185个视频和27个不同情感类别的数据库。从视频集合中，他们提取了137,482个帧，这些帧被分为训练和测试样本。这些情感类别不仅仅是基本的情感，还包括了许多复杂的情感。不同的情感类别包括焦虑、敬畏、无聊、困惑、渴望、厌恶、同情痛、着迷、兴奋、恐惧、恐怖、兴趣、喜悦、浪漫、悲伤、性欲和惊讶。

该模型能够以高置信度检测到一些情感，如渴望和性欲，但它在检测其他情感（如困惑和惊讶）方面遇到了困难。为了对不同图像和情感进行分类，神经网络使用了颜色、空间功率谱和图像中的物体和面部等特征。

为了在研究和神经网络的基础上继续发展，团队研究了18个人及其在观看112个不同图像后的大脑活动。研究人员向真正的人类展示了这些图像，然后将相同的图像展示给EmoNet网络，以比较两者之间的结果。

我们已经在日常生活中使用某些应用程序和程序来读取我们的面部表情，例如面部识别、AI照片处理和解锁智能手机。这种新发展使其更进一步，不仅可以读取面部的物理特征，还可以通过面部读取一个人的情感和感受。这是一个令人兴奋但也令人担忧的发展，因为隐私问题肯定会出现。我们已经担心面部识别和数据可能带来的问题。

除了关于隐私问题的潜在危险之外，这种新技术的发展还可以在许多领域提供帮助。例如，许多研究人员经常依赖参与者报告自己的情感。现在，研究人员可以使用参与者的面部图像来了解他们的情感。这将减少研究和数据中的错误。

“在测量情感时，我们通常仍然局限于询问人们如何感觉，”研究团队成员Tor Wagner说。“我们的工作可以帮助我们朝着直接测量情感相关的大脑过程迈进。”

这种新研究还可以帮助将心理健康标签（如“焦虑”）转化为大脑过程。

“从主观标签（如‘焦虑’和‘抑郁’）转向大脑过程，可以带来新的治疗、治疗和干预目标，”研究团队成员Phillip Kragel说。

这种新神经网络只是人工智能领域众多新兴发展之一。研究人员不断推动这一技术的发展，它将对我们生活的各个领域产生影响。人工智能的新发展正在深入人类行为和情感的各个领域。虽然我们大多知道人工智能处理身体领域（包括肌肉、手臂和身体的其他部位），但我们现在正在使用这项技术进入人类的心理领域。