情感计算，人工智能的重要发展方向

　　微软全球执行副总裁沈向洋在昨天的人工智能大会上做了精彩演讲，与普遍的讨论人工智能技术和应用不同，沈向洋提出了许多独特的且富有哲理的观点，他结合小冰等微软研究院的相关产品和技术描述了情感智能的原理、应用现状和发展方向，他认为，除了硬性的IQ以外，人工智能的研究更要强调机器与人之间的感性化交互，强调情感计算。智能化的机器在满足人类需求的同时，还应让用户对其产生一种情感上的信任和依赖，而小冰目前就是这样一个“感性化的人工智能助手”。

　　1、情感计算的重要性

　　如沈向洋在演讲中所说，我们在谈论人工智能时势必要谈一下图灵测试，势必会去强调机器的IQ。机器通过感知计算提升IQ水平固然重要，但按照人工智能最为通行的定义——“人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。”这里的人类智慧当然不是单指智商或者智力，还有人类情感，情感是人类神经系统对外界价值关系产生的主观反映。人工智能在我们眼中一直不是普通的智力工具，所以我们一方面需要它具备超越人类的感知计算能力，另一方面也需要它能够与人进行情感交流，在重视人工智能完成任务和功能强化的同时更要建立和满足人的情感和心理需求，这才是人工智能的最终定义。也就是说，人工智能的发展路径不应该一味沿着理性的路线前行，而是应该落在沈向洋在演讲中提到的感性和理性的交叉区域。

　　从实际应用来看，也出现了越来越多具备情感计算能力、能与人类进行感性交互的技术和产品。MIT教授、TED讲者雪莉·特克在《一起孤独》一书中提出，社交本能使人类很容易将社交关系投射到各种各样的人和事物上，当一件物品在我们的关怀下茁壮成长时，我们会觉得它是智能的。但更重要的是，我们会觉得自己与它形成了某种关系。我所说的这种关系并不是来源于计算机真实的情感或智能，因为它们根本没有。这种关系，来自于我们自身被它们所唤起的部分。她所说的物品包括能激发孩子情感依恋的玩偶，比如菲比小精灵和真娃娃机器人玩偶。更有甚者，是一只叫帕罗的机器海豹，用来充当老年人的伴侣动物。罗切斯特大学的罗杰波教授与AdobeResearch合作开发了一种比现有技术更精确的训练电脑处理图像数据的方法，受过这种训练的电脑可以被用来探测图像中更可能流露出的情感因素，可以用来衡量经济指标或用来预测大选结果。Affectiva可以通过处理人脸图像实时捕捉和量化情感，而SociometricSolutions可以通过语音语调做同样的事情。在法律调查过程中，计算机能识别相关的词汇和短语，还能理解事件链、人际关系，甚至是情感和动机。

　　对于微软来说，更是将对人工智能情感计算的思想注入到了小冰的开发和运营中，微软认为，在人工智能领域内，新一代人工智能系统的首要任务就是需要具备“感性”的情感连接能力，这样才能以更像真实人类的方式满足人们普遍心理和情感需求，从而逐步建立信任和依赖感。在技术和产品创新层面，微软构建了一个完整可持续的对话系统，这个对话系统的基本任务不是以完成任务为优先，而是建立情感连接为优先。构建这个对话系统的方法，已不只限于语义学，而是基于搜索引擎、大数据和机器学习的系统模拟方法。最终希望让小冰这样的人工智能产品快速普及到千家万户，成为人们日常生活的一部分。从小冰在第三方平台的智能聊天应用，到与东航合作的航空智能服务，再到近期的小冰面试官，这些都是在与用户进行情感交互，都是情感人工智能的具体体现。

　　这样，用户就会产生对机器的“依赖性”(沈向洋语)，而这种依赖性再促使机器为用户提供更好的服务，满足用户更多的情感需求。比如沈向洋提到小冰通过动态决策具有了情感记忆功能，当前一天某个用户提到了自己一些心情，小冰会注意到这一点，后面的很长时间还会反复了解用户的情况，询问用户的身体有没有好一点。因此，比起直接解决问题的感知计算型人工智能，情感计算是先与用户建立一种信任关系，然后在此基础上形成一种情感交流和需求满足的良性循环。

　　2、如何实现情感计算

　　情感计算在人工智能的发展过程中将发挥至关重要的作用，我们也看到了越来越多的具有“情感”的产品，但这仅仅是一个开始，面对人类情感这个异常复杂且人类自身都没有完全弄懂的问题，人工智能还有很长的路要走，但好在我们现在发现了正确的路径——我们不需要弄懂人类情感的本质，只需要让机器对情感表达的各种信号(面部表情、语言、语音等)进行分析并输出结果就可以了。就像我们目前虽然无法完全破译大脑，但我们依然能够从功能出发研发出智能化的机器一样。

　　沈向洋在回答“小冰目前是否具有了情感”时提到，人类情感的东西，实际上隐性的包含在数据里面，小冰之所以能够对懂人类情感，是因为今天可以借助于运算能力和算法去收集和分析用户的数据，然后产生这样的情感分析能力，小冰用这样的能力反过来再去跟用户进行交流。而其他具有“情感”的机器人也是基于这种原因，比如，软银推出的情感陪护机器人Pepper读懂人类情感的方式是对人类的面部表情进行分析，实际上是图像识别技术;而神经科学公司Innerscope可以通过观察电影中那些让观众的大脑高度活跃的高光时刻来预测该这部电影能否一鸣惊人，这也是一种对大脑某些区域电信号的物理检测，也不是真正弄清楚了大脑为何兴奋。

　　我们现在可能无法弄懂人类情感的本质，但我们可以找到对应各种情感的表现信号，比如寂寞对应的文字，开心对应的表情，愤怒对应的语调，兴奋对应的脑电波，等等，机器通过对这些信号的分析就能找出所对应的情感，从而做到了读懂人类的情感和表达自己的情感，这样机器就具有了与人类进行情感交互的能力。就像MIT教授特克所说，我们对社交的内在渴望让我们不仅很容易将情感倾注在机器上，而且还是倾注在那些不可能真正爱我们的机器上。

　　3、大数据在情感计算中的重要性

　　现在的人工智能已经具备了一些基础的，或者说是简单的情感，但离与人类实现完全没有偏差的情感交流还有许多重要的工作的去做，其中一项就是数据的采集。沈向洋在演讲中表示，现在的人工智能还是停留在感知这个层面，比如计算机识别、计算机语音，真正的认知还需要一些时间，包括情感，今天最大的问题还是我们收集的数据不够好，使得我们很多事情不能做。

　　得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。

　　拿近几年比较火的深度学习来说，它善于在高维度的数据中摸索出错综复杂的结构，因此能应用在许多不同的领域，除了图像识别和语音识别，它还在许多方面击败了其他机器学习技术，在自然语言理解方面，特别是话题分类、情感分析、问答系统和语言翻译等不同的任务上。深度学习擅长进行情感分析，但如果把深度学习看成是人工智能起飞的发动力，那数据就是这台发动机的燃料。因此，对于情感计算来说，大数据和数据挖掘非常重要。

　　正是因为数据对人工智能的重要性，众多科技巨头都在尽可能多的收集用户数据，搜索引擎可以记录用户的上网行为习惯;社交网络可以对用户发布的语言和图像内容进行分析，等等。而微软小冰是通过一种开放式的合作来获取数据。微软已经与包括新浪微博、京东、小米、东方航空公司、美图秀秀等企业达成了战略合作;日本版小冰将登陆Line平台;小冰会成为Windows10里面非常重要的一部分。借助于微软自身的操作系统系统和其他第三方平台，小冰正在渗透到用户生活的方方面面，带去智能化的服务和情感化的交流，在这个过程中也收获了海量数据，这些数据将反过来促进小冰情感计算的进步。

　　4、视觉信息和情感计算

　　对于数据采集来说，视觉化信息在其中占有举足轻重的作用。沈向洋作为计算机视觉和图形学研究的世界级专家，在演讲中也对图像识别技术做了重要阐述。沈向洋表示，人类对外界信息的获取91%是通过视觉的方式，而机器要想和人类进行更好的情感交互，也需要具备强大的计算机视觉系统。

　　沈向洋说，在学术界里有一个比赛，识别一千类物体误差是多少，一直到4年前误差都相当大，但是由于深度学习的出现，现在的误差率达到接近人类的5.1%，而微软研究院今年2月份做出来的系统第一次打败了人类的记录，达到4.9%。在图像识别领域，微软即将发布小冰的图像识别系统，它不仅是识别出图像中的内容，而且依然坚持它的原则——与人类进行情感交流;小冰还和美图秀秀展开合作，根据合影里人面部情况、性别情况、距离位置信息、表情、面容相似度来判断出这些人之间的关系;此外，小冰还有识别年龄和衣服搭配的能力，它就会给你一个从脸到衣服的整体的视觉年龄的判断，换一件衣服视觉年龄又会发生变化。;Windows发布时，小冰会有自己的基于多个系统的审美功能，所以它可以告诉你同一张脸在90后的女生和80后的男生心目中是完全不同的审美结论。

　　总之，小冰基于图像识别技术打造的这些功能还是围绕在与用户进行情感交流的核心思想上，不管是图像的内容识别，还是用户关系分析和用户特征分析，这些其实都是一些好的开场白，借此让机器和用户迅速建立起信任关系，让机器有机会充当用户的感性化助手，让用户对小冰更加依赖。

　　5、情感计算的未来

　　沈向洋说，小冰已经建立了一个几千万的人类和机器人之间的专属关系，这帮助小冰形成了一个自我进化的循环过程。也就是说技术产生产品，产品被用户使用，随着用户的使用过程，在反过来帮助我们整个人工智能的技术进一步的取得快速的自我迭代和进化。

　　小冰可以在半夜与用户聊天，可以为用户带来乐趣和服务，其内在的情感计算属性决定了它已经慢慢成为了用户生活中的一部分，对许多人的生活产生了重要影响。小冰的进化过程是人工智能中情感计算的缩影，我们对于人工智能的诉求不应仅限于比特的流动，还应该在于一种情感的表达，因为工具可以被取代，效率可以逐步被提高，数据可以失去价值，但机器和用户之间因为情感互动和需求满足所形成的那种循环却将一直持续。