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。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输出信号的计算机模型。每当网络被训练来检测某个图像或事物时，它都会学习到该事物的独特特征，如形状、颜色和大小。

新的卷积神经网络被命名为EmoNet，并且它是在视觉图像上进行训练的。研究团队使用了一个包含2,185个视频和27种不同情感类别的数据库。从这些视频中，他们提取了137,482帧，并将它们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，如焦虑、敬畏、无聊、困惑、渴望、厌恶、同情、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某些情感，如渴望和性欲，但它在检测其他情感如困惑和惊讶时遇到了困难。为了对图像和情感进行分类，神经网络使用了诸如颜色、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张不同图像后的大脑活动。之后，研究人员向EmoNet网络展示了相同的图像，以比较人类和网络的结果。

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和情感，例如面部识别、人工智能照片编辑和解锁智能手机。这种新发展使得不仅可以读取面部的物理特征，还可以读取一个人的情感和感受。这种发展既令人兴奋，又令人担忧，因为它引发了隐私问题。我们已经担心面部识别和相关数据的使用。

除了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自我报告的情感。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。

“当谈到测量情感时，我们通常仍然局限于询问人们如何感受，”研究团队成员Tor Wagner说。“我们的工作可以帮助我们向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过渡精神健康标签，如“焦虑”和“抑郁”，到大脑过程。

“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，”研究人员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方面产生影响。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在物理领域的应用，包括肌肉、手臂和身体的其他部位，但现在我们正在用技术探索人类的心理领域。