據稱，機器現在已經可以識別很多人類的情緒，包括憤怒、恐懼、厭惡以及悲傷等等。情緒識別技術已經從實驗室里面走了出來，成長為一個價值高達200億的行業。

到底能不能通過面部識別和動作識別來找到恐怖分子呢？這個項目早在2003年就已經由美國運輸安全管理局（TSA）提出來了，從那時起，他們就開始測試一個名為Spot的監控系統來完成這個任務。

在開發這個系統的過程中，他們咨詢了Paul Ekman教授。Paul Ekman教授是舊金山加利福尼亞大學的榮譽退休教授。他在幾十年前就開發了一種可以識別人類面部微情緒的方法，這種方法可以通過掃描人臉微表情來測定一個人是否撒謊。

但是，后來這個項目出現了一些問題，因而在2007年的時候被叫停了。安全人員對乘客進行臨檢也是隨機的，而且，逮捕的人大多與恐怖組織并無聯系。另外，據說這個系統還被用來區分人種。

Ekman也在努力和Spot項目劃清界限，他認為，Spot項目濫用了他的技術。但其他一些人認為，項目失敗的原因是這項技術的原理已經過時了。這項技術的原理是：情緒可以通過對面部物理特征的分析而得出。

最近幾年，科技公司已經開始基于Ekman的識別方法訓練算法，這些算法都是用于分析和檢測面部情緒。一些開發者聲稱，他們開發的自動情緒檢測系統不僅僅具有比人類更厲害的情緒解讀能力，而且，它們還可以洞悉我們內心的真實想法，從而提升用戶與設備之間的人機交互。

但是很多研究情緒的專家認為這些算法并不會成功，而且，這個技術的可靠性也尚未得到證實，使用它們可能會產生不好的后果。

人臉分析技術

情緒檢測技術主要包含兩個技術要點：一個是計算機視覺技術，用于精確識別面部情緒；另一個是機器學習算法，用于解讀面部情緒。

一般來說，第二個步驟會使用一種名為“監督學習”的技術，這種技術可以訓練算法，使之能夠識別之前“見到”過的東西。其原理就是讓算法分析和處理成千上萬張高興表情的圖片來訓練算法，而經過訓練后的算法將能夠識別新的、高興表情的圖片。

一個名叫Rana el Kaliouby研究生是第一位使用這種技術進行試驗的人。在2001年的時候，他從埃及來到劍橋攻讀計算機科學博士學位。和其他人相比，她每天使用電腦的時間都會很長。因此，她想到：如果計算機可以識別她的情緒，并且給與回應的話，是不是很有趣呢？畢竟，她遠渡重洋，身邊沒有家人和朋友，很孤獨。

因而，Kaliouby攻讀博士研究生期間的課題就選擇了實現自己的這個想法，而且，最后也成功地開發了一個設備。這個設備可以幫助患有阿斯波哥爾綜合征（兒童分裂樣精神病）的兒童閱讀，同時回應這些兒童的情緒。

2006年時，Kaliouby加入了麻省理工的情緒計算實驗室。在此工作期間，她和實驗室的主任Rosalind Picard一起工作，繼續改進和提升自己的技術。后來，在2009年時，他們一起創辦了一家名為Affectiva的初創公司，這也是第一家研究情緒人工智能的公司。

起初，Affectiva公司直接出售自己的情緒檢測技術，這項技術可以實時檢測人們對于廣告和產品的情緒反應。他們的客戶包括Mars、Kellogg’s以及CBS等等。2013年，他們還與另外一家生物測量公司進行了合作，同時，隨著行業的進步而持續增長。

Amazon、Microsoft、IBM現在也在宣傳“情緒分析”技術，這項技術在這些公司也是面部識別技術的一種。還有很多小一些的公司，比如Kairos和Eyeris公司，他們也已經發展起來了，向Affectiva公司提供相似的服務。

除了用于市場調查，這項技術還被應用于監控、檢測司機精神狀態、測試游戲的用戶體驗，甚至還可以協助醫生評估病人的情況。

Kaliouby見證了情緒檢測技術的發展，情緒檢測技術從實驗室中的一個科研項目，成長成為一個規模高達200億美元的產業。而且，她相信情緒檢測技術還會繼續發展。她預測，未來這項技術將會無處不在，集成進入我們所有的設備之中，甚至能夠洞悉我們的內心，解讀我們的潛意思，并且給與實時的回應。

龐大的數據庫

和大部分機器學習技術應用場景一樣，情緒識別也以來大量高質量數據。

根據Affectiva網站上的說法，Affectiva公司擁有世界上最大的情緒數據庫。數據庫中共有超過750萬張臉，它們來自于87個不同的國家。主要的拍攝場景是觀看電視和日常通勤。

這些視頻由Affectiva公司的35名工作人員進行標記，通過判斷來標定視頻中拍攝到的情緒。比如，如果看到有人眉毛低垂、嘴唇緊閉或者是眼球外凸，那就將其標注為“憤怒”。其他情緒也是相似的處理方法。這些標記好的數據將會被用于訓練公司的算法。

很多情緒檢測公司都使用這種標記方法，而這種方法已經成為測量情緒的金科玉律。這種方法叫做“面部情緒動作編碼系統”（Emfacs），由Paul Ekman和Wallace V Friesen在上世紀80年代提出。

而這種技術最早起源于上世紀60年代，當時，Ekman和兩位同事創建了一個假說。假說認為，人類一共有6種通用情緒，包括：憤怒、厭惡、恐懼、快樂、悲傷以及驚訝，而這些情緒都可以通過分析面部肌肉的運動來得出結論。

為了證明這個假說，他們設計了實驗，向不同文化背景的人們展示情緒照片，讓他們來識別圖中情緒。結果表明，雖然大家有很大的文化差異，但是大家對于情緒的識別基本都是一致的。例如，對于所有的人來說，低垂的眉毛、緊閉的嘴唇以及外凸的眼球都是表示“憤怒”。

在接下來的20年中，Ekman根據自己的發現，開發了用于識別面部情緒的方法。一個人的某種情緒會自動激發面部肌肉的活動，從而顯示出情緒。盡管有的時候人們在盡力隱藏自己真實的情緒，但總是會流露出一些東西，而這些東西就可能被其他人所捕捉到。

在20世界后半葉，這個理論一直當做情緒的經典理論。Ekman將他的情緒檢測方法申請了專利，并向CIA、FBI以及TSA等機構出售自己的技術，用于幫助這些機構進行培訓。這種理論后來也流行起來，甚至還有人用這個點子，拍了一部名為Lie to Me（別對我說謊）的電視劇。

但是，很多研究情緒的自然科學家和神經學家都開始質疑Ekman的經典理論。

近幾年來，來自于美國東北大學（Northeastern University）的Lisa Feldman Barrett教授對Ekman的經典理論提出了有力而且持續的評論。

Barrett教授第一次接觸經典情緒理論是在讀研期間，她需要找一個合適的方法來客觀地測量情緒，因而就找到了Ekman教授的經典理論。當她仔細閱讀相關文獻時，她發現這個理論是有漏洞的。當時的實驗中，人們做的是將給定的情緒和圖片去進行匹配，而這一定程度上相當于無意地給了他們答案的提示。

她和她的一些同事們一起重新做了Ekman經典理論的驗證實驗，這次，他們不再提供標簽，實驗參與者可以自由地描述圖片中的情緒。最終，實驗得到了和以前不太一樣的結果，面部表情和情緒的相關性大大降低。

從這以后，Barrett建立了自己的情緒理論，而且出版了一本書來詳細闡明，書的名字叫做《情緒是如何產生的：大腦的秘密》（How Emotions Are Made： the Secret Life of the Brain）她認為，沒有什么所謂的“通用情緒”，情緒存在于大腦之中，由內部刺激而激發，而且情緒是由更小的基礎結構所構成的。

Barrett在書中寫到：“情緒是身體的物理特性的體現。大腦會將自己和周圍的各種環境相聯系，包括文化、成長歷程等等，從而產生出情緒。情緒是真實的，但是并不是一個具象的分子或者是神經元。這種真實就是像是我們手里握著鈔票那樣，情緒是我們身體的產物。”

Barrett認為將面部表情直接和情緒在各種文化環境中直接相關聯，是不合適的。有的人在生氣的時候可能會滿臉怒容，另一個可能會禮貌的微笑，但背地里謀劃著怎么對付自己的敵人。因此，進行情緒分析時，需要把情緒看做是動態的，而且涉及很多東西，包括：認知過程、人際交互、行為傾向以及文化背景等。Barrett說道：“情緒非常復雜，因此，分析情緒有很多需要做的事情。”

Kaliouby也同意表情是復雜的，這也是為什么她和她的團隊一直在提升自己數據庫的豐富程度和復雜程度。而且，他們使用視頻來訓練算法，而不再使用圖片。他們也在試驗中抓取相關信息，比如說聲音、步態以及面部的細微變化。她堅信，更好的數據庫將會提升分析結果的準確性。有些研究甚至聲稱，機器在識別工作上的表現已經超過了人類。

但是，Barrett認為，光有數據還不行，重要的是怎么去標記。Affectiva等公司的標記數據訓練出來的算法，只能識別Barrett教授提到的“典型情緒”。

紐約大學AI Now研究中心的聯合主任Meredith Whittake，基于Ekman的理論開發了一個使用機器學習技術的應用。結果，最后發現這個應用不僅不實用，而且可能會給社會造成一定的危害。

她說：“有的公司已經開始使用這些技術來評測應聘者是不是合適，甚至有的學校也用這些技術來判斷學生的參與度和滿意度。對于應聘者，這樣的信息會改變一個人的應聘結果；對于學生，這樣的信息會改變他所接受到的教學方法和評價方式。如果這個結果不是非常準確的話，那麻煩就大了。”

Kaliouby表示，她也知道情緒檢測技術可能會被濫用，因此，在開發過程中，她非常注意技術倫理問題。

Kaliouby非常了解建立多元數據庫的重要性，她說：“我們必須要保證用于訓練算法的數據是多元化的。我們的樣本包含白種人、亞洲人、深色人種，甚至還包括穆斯林女性。“

正是為了這個目的，Affectiva公司從87個國家收集數據。而在數據收集的過程中，工作人員發現，有的國家居民表情明顯，有的則不然，在表達情緒的時候會有一些細微的差別。比如說，巴西人笑得時候嘴會咧得比較寬、比較長；而日本人的微笑并不表示開心，只是表示禮貌。

Affectiva公司為這些細微差別專門建立了一個分析系統，用于區分不同的種族和不同的文化。

但是，Whittaker對這樣的技術有些擔心。事實上，已經有一些公司提供預測技術，可以預測某個人多大程度上可能會是恐怖分子、戀童癖或者是預測一個人的性取向。

最近的一些研究表明，面部識別技術產生的偏見將更可能會損害少數民族的權利。去年11月公布的一項研究表明，相對白人，情緒檢測技術對于黑人并不友好。

當這些問題匯總到Kaliouby那里以后，她說，Affectiva公司的系統中的確有所謂的“種族鑒定”功能，但是現在并未啟用。而且，他們只會橫向對比識別同一地區的情緒。例如，巴西人和巴西人去對比，日本人和日本人去對比。

“那如果是一個在巴西的日本人怎么辦呢？系統會采用那個標準呢？“

“當前，我們的技術還未成熟。”