智能机器与人类沟通时如何识别情绪变化？

人们在进行交谈时，总是对彼此的情绪状态十分敏感。的确，大多数人希望，他们的交流的对象能够考虑到自己的情绪状态。因为在这种情况下进行的交流往往会更加有效。

所以，如果电脑要有效地与人类沟通的话，那他们将需要用一些方式来重复这个技巧，并评估对话者的情绪状态。了解一个人的精神状态是处于正面还是负面，可以使电脑的反馈质量大相径庭。

但如何做到这一点呢？评估人类精神状态的一种方法是使用脑电图仪器分析大脑中产生的电子信号。这种方法能够可靠地揭示出大脑状态的各个方面，比如其专心程度或焦点等。

然而，大脑的情绪状态非常复杂，之前就有很多研究指出，与特定情绪相关的脑电波似乎会随着时间的推移而改变。因此，还没有人找到一种能够利用脑电波清晰可靠地识别情绪状态的方法。

但在上海交通大学的郑伟龙（音译，Wei-Long Zheng）及其同事的努力下，这一切出现了转机。

该团队已经找到了一种识别大脑情绪状态，并能够可靠地将其进行复制的方法。他们通过对脑电波的观察，来识别相同主体在数周内的情绪状态，从而对该技术进行了测试。

伟龙及其同事的研究是从建立数据库开始的。为此，他们要求15名学生观看了15个电影片段，这些电影片段分别涉及正面、负面或中性情绪。

在每次观看的时候，该团队都会对各个主体的面部以及连接到各主体头部的62个电极的电子信号进行记录。

然后，他们会询问各个主体该电影是否触发了其正面、负面或中性反应，并将各个主体的情绪唤醒程度按照1到5级进行评估。

最重要的是，该团队在数周时间内针对相同主体重复进行了多次试验。

接着，伟龙及其同事使用了一个计算机学习算法来对该数据集进行分析，寻找相同情绪状态下人类脑电波的共同特征。

不出所料，该算法发现了一组能够明确区分正面、负面和中性情绪的模式，该模式适用于不同主体以及不同时间段的相同主体，其准确率约为80%。

“我们的情绪识别系统的性能表明，神经模式在反应期内以及两次反应期之间是相对稳定的，”他们说道。

当然，还有更多的工作要做。这项研究中的主体都是中国一所大学内比较年轻的大学生。伟龙及其同事希望研究大脑的情绪状态会如何随年龄、性别和种族而变化。这些都是未来要做的事。

目前，这是一项很有意义的工作，它不仅有助于情绪的研究，而且可以在某一天帮助智能机器更好地理解与其交流的人类的情绪状态。

更多精彩内容请关注官方微信公众号：MIT-TR