BLOG + NEWS

HOME BLOG
理性的情感運算:從哪裡來、往哪裡去?
BLOG・Popular Science 科普・Emotion 情緒
SHARE
理性的情感運算:從哪裡來、往哪裡去?
理性的情感運算:從哪裡來、往哪裡去?
31
JUL
2020
940
林子晴


「the study and development of systems and devices that can recognize, interpret, process and simulate human affects.」

——Professor Rosalind Picard, Affective Computing, 1995
 

 

情感運算正當紅,國際調研機構 Gartner 也指出,emoiton AI 是趨勢中最值得注意的新興科技,並預測其會在五到十年內高度發展。事實上,情感運算已日漸走入大眾生活,而未來,將只會更加普及。本文將介紹情感運算的起源、研究與發展,希冀能讓情感運算更加廣為人知。
 


 

圖片來源:Gartner

 

了解過去方能看透未來

1990 年,Rosalind Picard 教授來到麻省理工學院媒體實驗室,進行圖像壓縮技術的研究。然而,她很快就遇到瓶頸。此時,Picard 教授想到,若機器能夠分辨圖像內容再進行壓縮,那麼就可以改善模型了。但這需要讓機器擁有視覺的能力,區別內容的能力,她因此開始深入了解大腦與神經科學。很快,她一頭栽進情感研究的世界。[1]

 

1995 年,投身於情感與運算的Picard 教授,拒絕了一筆用於圖像壓縮的龐大研究資金,發表《Affective Computing》一書,在她自己都未預料到的情況下,開創了計算機科學的分支:情感運算。

 

幾年間,Picard 教授建立起情感運算的研究範圍,包括分類模型(如何分類情感?)、連續模型(如何度量情感?)、檢測與識別情感,甚至是進一步的,讓機器擁有情感。

 

這個跨學科的領域包含了心理學、認知科學、計算機科學,人們期待著機器能夠了解人類的情緒,並給出適當回應。 

 

然而,直到近二十年,情感運算才因為機器學習、訊號處理等技術成熟後,受到大量矚目。

 

說到訊號處理,不能不提南加大的 Shrikanth Narayanan 教授所提出的行為訊號處理(BSP):「行為訊號即是行為可觀察的部分」,例如表情、聲音、身體姿勢等等,透過機器學習及現今的技術分析、整理這些訊號,再進一步應用。

 

而將數種行為訊號進行處理,就是「多模態訊號處理」,這個方法能夠更全面的分析人類的行為,提升了情感預測、辨識的準確度,推進情感運算的研究前線。

 

各領風騷的研究者們

研究走在科學的最前端,也是未來科技普及至大眾生活的風向球,不妨透過當今幾個知名的研究單位,了解情感運算的發展方向!

 

  1. MIT Media LabAffective Computing Group 麻省理工大學 媒體實驗室 情感運算團隊 說到情感運算的 Lab,首先要提到的就是前述 Picard 教授所帶領的團隊 。該團隊目標是「在人類情感與運算科技間架起橋梁」。除了學術研究外,他們也在穿戴裝置的應用上有一番成就。近期的研究包括了幫助 ADHD 患者專注的穿戴式治療設備、透過生理訊號預測使用者壓力的傳感器、自閉症治療、憂鬱症預警等等。
  2. USC SAIL 南加大 訊號分析與轉譯研究室 同樣是前述所提到的 Narayanan 教授,他帶領的研究室強調以人為中心的訊號處理,將多種訊號整合處理,也對語音科學領域頗有研究。近期的研究與專案包括了音樂對人類的影響、偵測病患心理健康的 AI 工具、與 Google 合作研究性別與廣告的關係等等。
  3. TAMU HUBBS Lab 德州農工大學人類生理行為訊號實驗室 由 Theodora Chaspari 助理教授帶領的人類生物行為訊號實驗室,目標是整合資料科學與長期的生理訊號,達到個人化診斷、治療。Chaspari 助理教授近年的研究相當有趣,藉由位夫妻戴上穿戴式裝置來接收生理訊號,包括體溫、心跳、汗水,並同時搜集夫妻間的對話,預測夫妻發生衝突的時刻,準確率高達 86%!
  4. University of Cambridge Affective Intelligence & Robotics Lab 劍橋大學 情感智慧與機器人實驗室 由 Hatice Gunes 副教授帶領, Affective Intelligence & Robotics Lab 在情感運算領域中,較著重於影像辨識以及人機互動。他們針對多人之間的互動、彼此情緒的互相影響進行探究,也研究機器人處於高度複雜環境中,針對人類、動物、其他機器人的社交環境如何長期學習。

 

以上簡單介紹幾個研究單位,如果想了解更多,推薦讀者們參考國際先進情感運算協會(AAAC),或是可以追蹤這些研究單位的 twitter、臉書,了解最新趨勢!  

 

國內的佼佼者們

除了國外的研究者,台灣其實也有不少研究單位,從不同的角度切入,深耕情感運算領域,更陸陸續續將情感運算應用在生活中,以下簡單介紹幾位 BIIC Lab 的研究同伴,也期待更多情感運算的研究,能在台灣遍地開花。

 

  1. 清華大學資工系 陳宜欣 副教授|IDEA Lab
    陳宜欣老師專注在多媒體資料的探勘與分析,近期則專注於跨語系情緒與心理分析技術。陳宜欣老師及團隊針對機器學習分析社群發文情緒的經驗相當有趣,他們利用社群網站的公開發文建立情緒資料庫,觀察脈絡、反義詞、暗語等等,利用機器學習及分析技術找出邏輯,希望能偵測情緒,應用在網路霸凌或負面情緒疾病的領域!
  2. 中央研究院 資訊所 古倫維 副研究員|NLPSA Lab
    古倫維老師對 NLP、計算語言學、情感分析有深入的了解,並且也做過許多有趣的研究!例如依用戶心情提建議的鍵盤、對社群中貼文進行情感分析及追蹤以了解用戶立場、針對短語的閱讀和點擊進行網路文章推薦閱讀等等,對情感與語言的研究遍佈了各種應用場景!
  3. 中央研究院 創新研究中心 楊奕軒 副研究員|Music AI Lab
    楊奕軒老師的專業在音樂訊息檢索、情感運算、機器學習,其中「音樂情緒分析」最為人津津樂道!例如音樂特徵與情緒的關聯、主動依據情緒狀態推薦等等。而隨後再推展到音樂生成的的研究,近期有名的 AI 雅婷創作了「武漢肺炎」專輯,也是由楊老師催生,在楊老師的實驗室還有 AI DJ、AI 聽眾、AI 表演者等等,非常有趣!
  4. 高雄醫學大學 林宜美 教授|PAIR Lab
    心理學系的林宜美教授以生理回饋、神經回饋的專業知識,應用在情緒辨識上。2019 年林宜美老師與中正、交大的團隊合作,整合情緒辨識和生理訊號:脈搏、心電圖、腦波,監測情緒並提醒使用者緩和生氣、憂鬱的情緒,希望能降低心血管疾病人心肌梗塞的風險!

 

聊了這麼多研究,研究是終究要走入生活之中,最後,我們透過現今情感運算的應用、發展與相關議題,讓未來的想像更加立體!

 

Emotion、AI、Life 的整合

調研機構 Gartner 2018 年發表了文章《13種情感 AI 技術的應用》,既是為情感運算的未來勾勒一張藍圖,也是印證這幾年間情感運算研究在世界各地的應用,如今世界變動如此快速,像情感運算這樣發展快速的科技,是未來也是現在!

 

文章中提到了電玩、醫療診斷、教育、勞動安全、護理、駕駛安全、自駕車、測謊、招聘、客服、物聯網、公共服務、零售消費等應用方式,其中有不少在今天已經實現,例如 Nuance 透過辨識、分析臉部表情與聲音,協助駕駛在穩定的情緒下安全駕駛,但也有如自駕車,現今尚未完全實現自動駕駛,遑論透過情緒辨識給乘客不同的自駕體驗。

 

而目前應用較為普遍的醫療、招聘,也都成為情感運算的熱門議題。在醫療方面,透過各種各樣的情感運算,來協助不同的病患維持生理與心理的健康,大眾的接受度較高;然而在招聘方面,許多面試者表示,面對 AI 而非真人面試,讓他們的感到相當不安,網路上也出現許多「AI 面試攻略」,反之企業則表示利用 AI 面試,大大降低了招聘成本,看來 AI 招聘的利弊與發展還有待觀察![2]

 

另一方面,利用情感運算的客服、零售消費甚至是公共服務,或許正悄悄走進大眾的生活。不論是文字、語音的客服,越來越多企業整合進情感運算,提供更好的消費體驗;而零售消費則是在商店中,安裝攝影機分析消費者分不及情緒反應;英國政府在社群媒體上利用文字分析大眾對公共議題的情緒動態,而阿聯酋則是在公共場所裝上攝影機,了解人們總體情緒,希望讓國民更加幸福。

 

情感運算的應用在普及的過程中,最大的障礙不外可信度和隱私。可信度有賴於嚴謹的研究規範,以及更多平等的意識,以避免歧視,也有研究者公開呼籲政府監管情感運算應用,讓研究領域更加穩定,並保護消費者。而大眾也開始接受更多元的隱私訊息分享,例如公開分享自己運動的歷程、生理紀錄,但在情感運算多元的資料中,究竟如何被使用是可接受的,還有賴更多的社會討論和政府規範了![3]

 

期許國際社會及台灣政府,都能夠加速對新興科技的了解與管理,也希望這篇文章能讓各位讀者對情感運算更加了解,我們下次見!

SHARE
Article Tags
Privacy 隱私 Federated Learning 聯合式學習 ASR 語音辨識 Emotion Recognition 情緒辨識 Psychology 心理學 Healthcare 醫療 Algorithm 演算法 Edge Computing 終端運算 Human Behavior 人類行為 Multimedia 多媒體 NLP 自然語言處理 Signal Processing 訊號處理