情感AI已经成为我们汽车和其他设备的关键组成部分了吗？

分析师预测，情感人工智能将在未来几年大幅增加，尽管估计差异很大。

2018年的一项研究市场研究未来(MRFR)预测，包括视频、语音和他人之间的面部分析技术在内的“情感分析”市场价值将高达25亿美元。2025年，Tractica在自己的分析中做了一个保守的估计，但仍然预测到2025年，“情感识别和情感分析”的市场将达到38亿美元。Gartner的研究人员预测，市场将由从消费者体验和娱乐到医疗保健和汽车的用例驱动。

然而，技术本身已经取得了很大的进步。在2019年对1000项从人类面部表情推断情绪的研究进行的元分析中，一组科学家得出结论，我们的面部和情绪之间的关系更加复杂，并且符合眼睛。这项研究发表在《公共利益心理科学》杂志上，并由《华盛顿邮报》报道。

在接受《华盛顿邮报》采访时，东北大学心理学教授丽莎费尔德曼巴雷特参与了这项研究。他说，“大约20%到30%的时候，人们会做出预期的面部表情，”比如开心地笑.但其他时候，他们不会。“他们不会随意移动脸。他们以特定的方式表达自己的情绪。”

简而言之，如果情感AI会对其崇高的期望产生影响，那么我们需要理解我们的脸和声音是如何以一种非常复杂的方式与我们的情感相对应的。

在同一篇文章中，情感AI公司Affectiva的联合创始人兼首席执行官Rana el Kaliouby将情感AI空间描述为一个发展空间。她同意情感人工智能技术还没有达到广泛部署所需的复杂性，但她表示希望有一天能够进行更多的研究，并更好地教育行业和消费者情感人工智能的局限性。

Affectiva已经成为情感AI领域的领导者之一。该公司主要致力于将其情感AI应用于车辆——想象一个世界，在这个世界里，汽车可以通过各种方式对驾驶员和乘客的情绪做出反应，从调节音乐和温度，甚至是自拉，以及提供紧急路边援助。

AI能走多远？我们怎么去那里？

在2019年世界驾驶大会暨大会上的演讲结束后，Affectiva高级产品经理Abdelrahman Mahmoud与Design News坐下来，共同探讨情感AI研究的现状以及推动技术发展所需的条件。

阿卜杜勒拉赫曼马哈茂德：许多研究都集中在情绪的原型表达上，如喜悦、愤怒和惊讶。但从根本上说，我们认为情绪表达不仅仅是五六种原型情绪。这就是为什么，作为一家公司，我们不仅仅关注这些情绪。其实，我们首先关注的是不同的面部肌肉，就像人们如何表达微笑一样。

DN:关于最近关于情感AI的研究，能介绍一下你们公司的情况吗？

马哈茂德：从研究的角度来看，人们对多模态[方法]有很多担忧，这些方法被用来识别挫折之类的事情。我们做了很多内部研究，我们知道你需要一个多模态的方法来尝试解决这个问题。

在早期，我们只用脸或声音做了很多研究。我们已经看到，如果我们使用两者的数据，精度会急剧上升——这是直观的，但我们只需要验证它。这是我们现在多模式努力的主要焦点——检测抑郁和嗜睡等信号，这些信号在汽车中非常重要。

DN:他们一直在学习肢体语言或姿势吗？例如，想象一个人表现出较少的沮丧，但肩膀或手更紧张？

马哈茂德：的面部和声音都有很强的信号。但是，在某些情况下，确保添加手势是有帮助的。请记住，汽车生态系统非常注重优化成本，这意味着您没有足够的空间来添加大量可以执行不同操作的车型。

DN:是否意味着你必须在你想要捕捉的信息和可以放在车内的摄像头之间保持平衡？

马哈茂德：对我们来说，我们总是选择强烈地给出大多数关于机舱内发生的事情的信号。这可能不是一个完整的画面，但你希望尽可能地接近。但我们认为这是短期的。从长远来看，车内的计算能力和更好的计算平台将改变我们可以捕捉的数量。

DN:市场分析一直在讲很多关于情感AI超越汽车的用例。Affectiva本身甚至与软银达成协议，为机器人提供人工智能。你觉得汽车还是情感AI最大的机会吗？

Mahmoud :我们可以在很多市场部署一般的情绪认知或者情绪AI。事实上，我们并不认为汽车是像机器人这样非常独特的市场。究其原因，是对汽车的HMI(人机界面)有很多顾虑。

传统上，OEM并没有真正关注人机界面。可以看到车内丑陋的HMI没有真正直观的设计。最近，人们越来越关注汽车中的人机界面将如何变化。如果车内的人机界面不直观，那么为了促进更多的自主性，驾驶员只需要切换到下一个可以交互的界面。

而且你看到与手机市场的平行关系，那里有很多关注用户界面，因为这是不同硬件制造商的主要差异化因素。这与机器人非常相似，因为机器人的人机界面是最能从情感识别中受益的东西。关于汽车的一个很酷的事情是你可以更大规模地测试HMI，因为机器人市场在部署方面仍然是一个有限的市场。

DN：在你在Drive的演讲中，你谈到了上下文在情感识别方面是一个非常重要的方面。你能详细说明一下吗?

马哈茂德：：肯定是有大量的研究，我们一直在做与关于如何将不同的面部肌肉在特定情境下的情绪转换合作伙伴。事情就是检测情绪真的很重要。例如，令人沮丧的是，一个基本的面部表情是微笑，这是违反直觉的，但是当他们感到沮丧时，人们会微笑。

背景是混合和多模态方法很重要的原因。你可以让一些机器学习检测诸如人们如何表达微笑或者人们如何移动他们的面部肌肉，但是那时需要有一层考虑到某些环境以便理解差异沮丧之间或只是微笑。

DN：您是否会说情境识别是现在情感AI的重要缺失部分?

马哈茂德：：我认为我们还很远，从人类的一种直觉的，只要有一个AI能够只分析所有这些不同的信号，并理解情绪。但这是一个活跃的研究领域。但是对于情感识别模型，您只需要了解您正在部署它们的上下文以及它们的训练内容，这与您能想到的任何机器学习模型非常相似。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：