人工智能在社会生产生活中早已不是普通的智力工具,所以人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,也正是在影视媒体中最为人所津津乐道的“超人工智能(Artifical Superintelligence)”。虽然现阶段人工智能并不能出现个人意识与人类产生情感纠葛,但在重视它完成任务和功能强化的同时,更关注如何满足人的情感和心理需求。
与其他的人工智能技术相比,情感分析(Sentiment Analysis)显得有些特殊。因为其他领域一般都是根据客观的数据来进行分析和预测,但情感分析则更偏向于强烈的主观因素。橙全心理与橙溪数据联合开发的MindWave人工智能情绪识别与心理筛查辅助系统,不仅使人工智能深度学习识别和追踪面部表情,同时通过个性化算法识别微表情,进行表情动作表达分析,从科学的角度量化情绪,更为准确且高效。
情绪来自内心与外部环境的交互,是从内心对外界环境的反馈开始。情绪不仅可以影响面部表情、声音高低、语速以及其他肢体语言,还会影响呼吸、心脏、身形、皮肤等器官。
MindWave人工智能情绪识别与心理筛查辅助系统正是模拟这种联结,借助心理学范式实验情绪Stroop模型等外部刺激源,在情绪对外部环境做出反馈时,快速识别并分析7种情绪类型、微表情、肢体姿态、非接触式测心率、呼吸传感、声纹频率、情绪浓度、紧张度、好感度等数值指标及动态曲线。
在非接触微表情研究、微表情与情绪关系的心理学研究理论基础上,基于人工智能的情绪分析技术可以更好的呈现情绪波动,提前发现隐蔽性的情感倾向,集成生理指标有效突破个体心理防御机制,有助于实现更为灵敏的实时检测、无感知情绪监测分析、系统提供相应的预警策略等,这些都是MindWave人工智能筛查系统前瞻性的探索和应用。
除了多模态局部特征融合的微表情识别,MindWave人工智能筛查系统还整合肢体姿态检测,评估分析与性格有关的动作,通过非接触式检测心跳速度以及呼吸频率的变化,判断是否骤然紧张、舒缓等情绪变化。结合丰富的场景运用和临床干预经验,进一步探索基于纹理特征和基于运动特征对微表情的刻画程度,以求得最终实现实时可靠的微表情识别算法,为表情变化分析提供支撑。
大量实验表明,可以利用机器学习的方法通过海量的数据学习构建准确的表情识别框架。不仅可以捕捉到那些虚伪造作的表情,对于一些一闪而过人无法辨别的微表情,计算机也可以毫不疏漏的捕捉到。尽管仅基于表情、脱离现实情境的甄别方法的有其局限性,但MindWave智能情绪引擎人工智能筛查系统也在不断进行深度学习,探索并升级多种场景的实际应用。