情绪识别，一个价值 1000 亿元的行业

愤怒、厌恶、恐惧、快乐、悲伤、惊讶……

你脸上的表情，现在正变成一场「情绪经济」。

当你疲劳驾驶，走神或焦躁的情绪将被车识别警告；用平板学习产生困难，它将读取你「困惑」的情绪，并放慢教学速度；当售出一个商品，你可以通过消费者面部情绪快速评估产品的效果……

《卫报》称，「AI 面部识别情绪」已经成为规模 200 亿美元（约合人民币 1342 亿元）的行业，且还在持续扩充中。

早在 2009 年，第一家营销「人工情绪智能」的公司 Affective 就已经将情绪检测技术作为市场研究产品出售。

包括检测机械员工损伤、视频游戏用户体验、协助医护人员评估患者健康等各行各业，围绕它的领域都在持续增长，亚马逊、微软和 IBM 也将「情绪分析」作为他们面部识别产品的主要功能进行宣传。

Affective 创始人 Kaliouby 预测，不久的将来，当这项技术无处不在并融入我们所有的设备中时，能够「利用我们的内心、潜意识做出瞬间的反应」。

冰冷的机器如何识别人类情绪？

目前，情绪检测主要通过两种技术，一是计算机视觉，精确识别面部表情，二是机器深度学习技术，分析和解释面部特征的情绪内容。

作为最早从「情绪经济」中获利的公司，Affectiva 的核心技术是一个叫 Affdex 的情感引擎。

Affdex 启动后，摄像头就会锁定人类面部，通过观察面部表情的纹理、肌肉和变化，对人类五官的特征点进行「编码」，并和图像数据库进行比对，从而确认你的情绪并作出相应的决策。

Affectiva 的网站拥有世界上最大的情感数据储存库，这也是它们情绪检测进展快速的原因。

这些数据大部分都是从人们收看电视或每天开车上下班的选择性录像中收集，它们已经涵盖了来自 87 个国家不同年龄、性别、种族的超过 750 万的面孔。

当收集到人们的录像后，Affective 办公室的 35 名「贴标人员」会将它们进行分类，例如人们表现出低垂的眉毛、紧绷的嘴唇和凸起的眼睛，就会被贴上「愤怒」。

这些被标记的人类情绪数据被用来训练 Affective 的算法。

当「快乐」「愤怒」「悲伤」等等标签里的脸谱图成千上万，Affective 也就能将情绪之间的识别和联系处理得越来越精准，甚至能判断你是否在隐藏情绪。

这种标记方法被很多情绪检测行业的人认为是检测情绪的黄金标准。它来源于「情绪面部动作编码系统 Emfacs」，并被整个 20 世纪下半叶都被视为经典的情绪理论，利用在美国中国情报局、联邦调查局、海关、边境保护等地方。美剧《Lie to me》通过人的面部表情来探测案件真相的灵感也来源于此。

但就像所有新技术都具有两面性那样，情绪检测，同样也面临着争议和质疑。

读懂情绪不简单

一个强烈而持久的反面声音由美国东北大学的心理学教授 Lisa Feldman Barrett 提出。

她表示「给人们提供选定的情绪标签，会在无意中引导人们表现出相应的表情」，因为「固定的标签」就几乎和「刻板情绪印象」画上了等号。

通俗点说，标签化的情绪就像变成了 emoji 表情。

有公司甚至表示能够通过这种标签化识别，就判断出对方是不是恋童癖、恐怖分子，还能从脸上发现对方是否想要进行性行为。

最近还有一项研究表明，情绪识别甚至会产生种族歧视，而且去年就有研究显示情绪检测技术中黑人的负面情绪比白人多，情绪识别也被认为「存在偏见的缺陷」。

Barrett 和一组同事重新进行了测试验证。在测试过程中他们不提供情绪标签，而是让测试者在看到图像时自由描述图像中的情绪，发现特定面部表情和特定情绪之间的相关性直线下降。

后来 Barrett 在她的书《情绪是如何产生的：大脑的秘密生活》中阐述了自己的情绪理论。她认为大脑中没有由外部刺激触发的普遍情绪，每一次情绪体验都是由内部更基本的部分构成的。

它们是人类身体物理特性的结合，灵活的大脑将它们连接到自身所处的任何环境中，根据每个人的文化水平和成长环境都会有所不同。

情绪是丰富且复杂的。

所以将面部表情直接映射到所有文化和背景中的情感都没有意义，一个人可能生气时皱眉，另一个人可能在策划谋害对手时礼貌微笑；一个人可能喜欢受挫时得到暖心的励志谈话，另一个人也可能希望有个能怒吼的地方发泄情绪。Barrett 表示：

评估情绪最好被理解为一种动态实践，这涉及自动认知过程，人与人之间的互动，个人经验和文化能力。

Affective 创始人 Kaliouby 也同意这个说法，并不断改善数据的多样性，用视频、语音、步态以及更多微小变化来实现更准确的结果。

毕竟像「情绪」这贯穿在人们每时每刻生活中的东西，如果不准确的分析在社会、工作中被采用，并让人们得到了实际的恶劣结果，短是一时不公平的物质伤害，长则足以积累影响整个人生。

技术确实能让生活变得更好，但在真实生活面前，它依然是沧海一粟。

不过更严谨的情绪检测技术依然值得期待。

首先，它或许能帮一个满脸迷茫的编辑想出一个完美的结尾。