AI情緒識別技術(shù)背后：一場悄然來襲的“暴政”

從天貓精靈、監(jiān)控探頭，到自動駕駛汽車，情緒檢測技術(shù)正變得無處不在。

語音助手檢測著我們的音調(diào)和音色，以便更好地理解命令。

公共空間遍布了跟蹤識別人臉的攝像頭，據(jù)稱可以在犯罪分子犯罪之前鎖定他們。

在未來，自動駕駛汽車將能夠發(fā)現(xiàn)駕駛員路怒行為，并強(qiáng)制控制車輛。

不可否認(rèn)，情緒檢測的技術(shù)在AI時代不斷飛速發(fā)展。然而，這些情緒監(jiān)控技術(shù)都基于了一種過時的科學(xué)概念：所有人都有同樣的六種基本情感。

這樣的假設(shè)真的成立么？人類情感的粗暴劃分又會帶來什么后果呢？

讓我們從人類情緒研究的源頭說起，一起來探究這兩個令人細(xì)思極恐問題。

一個不幸的少年和被他定義的人類情緒

大多數(shù)情緒檢測技術(shù)都基于一個理論基礎(chǔ)，這個理論基礎(chǔ)源自一個不幸的少年。

保羅?？寺錾?934年，他的父親是一名兒科醫(yī)生，母親是一名律師。他在青年時期夢想著能效仿他的英雄費(fèi)迪南德·麥哲倫，有朝一日可以改變世界。

當(dāng)?？寺?4歲時，他母親由于抑郁癥的折磨而自殺。在2008年舊金山探索博物館的一次演講中他提到即使在他很年輕的時候，也覺得“自己必須做些什么，來彌補(bǔ)無法拯救母親的事實”。他的夢想從對自然地理的探索轉(zhuǎn)移到對心理世界的探索。

然而在僅僅一年之后，也就是1948年，埃克曼從高中退學(xué)。

他非常聰明，但經(jīng)常與老師發(fā)生沖突。當(dāng)時，學(xué)生只需要兩年完成高中學(xué)業(yè)就可以申請一些大學(xué)。之后，埃克曼成為了芝加哥大學(xué)的一名本科生。

受到弗洛伊德的強(qiáng)烈影響，?？寺鼪Q定繼續(xù)完成心理治療博士學(xué)習(xí)，研究抑郁癥。他對非語言交流著迷，著重研究患者的肢體語言和手部動作。

不久，他意識到他的病人只是代表了一個有偏的樣本：他正在研究抑郁癥的幸存者，而不是那些已經(jīng)死于抑郁癥的人。他認(rèn)為，想要更好地理解人類并幫助像他母親這樣的人，不應(yīng)該通過觀察異常行為，而是應(yīng)該對正常行為加以更深的研究。

抑郁癥是一種情緒障礙，這個以麥哲倫為偶像的男人終于找到了自己的思路：探尋是否所有人都經(jīng)歷過一系列共同的情緒。

在20世紀(jì)60年代，埃克曼并不是這個研究方向的獨(dú)行者。

著名的人類學(xué)家瑪格麗特米德已經(jīng)花了數(shù)年時間環(huán)游世界，證明文化會以不同的方式表達(dá)情感。最有名的案例是，米德曾在20世紀(jì)20年代生活在美屬薩摩亞的小島上，試圖研究美國和歐洲青少年所經(jīng)歷的情緒劇變是否具有普遍性。

她發(fā)現(xiàn)，年輕的薩摩亞女性沒有像他們同時代人在美國經(jīng)歷過的那種與道德相關(guān)的強(qiáng)烈感受，如焦慮和厭惡等。例如，對于十幾歲的薩摩亞女性來說，在結(jié)婚和開始一個家庭之前，進(jìn)行無罪的性行為是很隨意很正常的。

1928年，當(dāng)米德的《薩摩亞時代的到來》出版時，她的發(fā)現(xiàn)震驚了美國讀者，并以強(qiáng)有力的證據(jù)表明人類的基本經(jīng)驗，包括情感，是因文化而異的。

米德的研究中關(guān)于情感和其他社會現(xiàn)象在文化上構(gòu)建的證據(jù)，對20世紀(jì)的女權(quán)主義思想和行動有著巨大的影響。她提出這樣的觀點：自由戀愛是擺脫男性主導(dǎo)地位的一種方式；養(yǎng)育而不是遺傳，在人們的行為方式中起著核心作用。在寫完《薩摩亞時代來臨》之后，米德發(fā)現(xiàn)越來越多的例子表明，西方的情感思維方式對非西方土著人的經(jīng)歷并不適用。

例如，她1932年出版的《印第安部落的變化文化》一書，記錄了困擾美國原住民“平原部落”的文化沖突。其成員往往很難從傳統(tǒng)習(xí)俗轉(zhuǎn)而適應(yīng)西方的行為和情感。

到20世紀(jì)60年代后期，米德的觀點在西方幾乎都是科學(xué)共識，絕大多數(shù)學(xué)者都認(rèn)為，情感并非是跨文化統(tǒng)一的。

?？寺鼌s對此表示懷疑。

?？寺|(zhì)疑的源頭可以追溯至查爾斯·達(dá)爾文的研究。1872年，達(dá)爾文在《人與動物情感的表達(dá)》中指出，一些本能行為，比如驚訝地抬起眉毛，在動物和人類之間沒有區(qū)別。對于達(dá)爾文來說，這進(jìn)一步證明了人類和其他動物具有某種共同的進(jìn)化祖先，以及情感具有某種生物學(xué)來源。

1955年，米德為達(dá)爾文的論文重新寫了前言，但她強(qiáng)調(diào)這只是出于對歷史研究的好奇心。在她看來，和更現(xiàn)代的研究相比，達(dá)爾文的研究并不是一項成熟工作。

然而，達(dá)爾文的文章對埃克曼產(chǎn)生了巨大的影響。當(dāng)《人與動物情感的表達(dá)》于1998年再次出版時，?？寺鼮槠鋵懥艘黄把浴ＫС诌_(dá)爾文最初的猜想，而這時輿論環(huán)境也已經(jīng)有了變化。人和動物擁有與生俱來的情緒這個觀點再度被人們接受，Ekman的研究為此起到了很大作用。

有一點值得注意的是，達(dá)爾文并不是第一個猜測情緒是天生的學(xué)者。兩千多年前，亞里士多德寫到，“有些人，他們在任何角度來看都不一樣，但卻有著相同的面部表情。”亞里士多德也不是唯一一個以這種方式思考的古代哲學(xué)家。

它在整個古代都得到了傳播，并持續(xù)到17世紀(jì)后期。受笛卡爾“靈魂的激情”影響，藝術(shù)家查爾斯勒布倫寫了一篇論文，主張高級藝術(shù)應(yīng)該更多地使用夸張的面部表情，并且他總結(jié)了一些基本的情緒表達(dá)。他的《學(xué)習(xí)繪制激情的方法》于1698年出版。他在著作出版之前就去世了，但他的素描在之后幾個世紀(jì)對歐洲藝術(shù)理論產(chǎn)生了巨大的影響。

臉部表情素描

勒布倫的畫作用于相面術(shù)，這種相面術(shù)認(rèn)為，臉部不僅是情感展現(xiàn)的窗口，也是心靈的窗口：丑陋就是一種原罪，如果一個人長相近似牲畜意味著這人的品行近乎野獸。

直至20世紀(jì)仍然盛傳的相面術(shù)和其分支學(xué)派（比如骨相學(xué)），為許多偏見和歧視的流行提供了借口。例如，美國醫(yī)師詹姆斯在其1852年的著作《比較生理學(xué)》的目錄中列了一串類似于“猶太人之于山羊”“阿茲特克兒童之于老鼠”，甚至“土耳其人之于殘暴者”這些在當(dāng)今會被視作種族歧視的文字。

雖然達(dá)爾文和艾克曼的著作從未支持過相面術(shù)，但面相能夠暴露內(nèi)心想法的古老觀點在歷史中不斷以不同的形式出現(xiàn)，甚至至今仍為人信奉。

到了1964年的時候，?？寺萑肓死Ь常核麩o法在不首先精確定義表情的情況下研究情感行為，但當(dāng)時沒人能做到為這些表情下定義。這時，后來成為埃克曼最親密的共事者——心理學(xué)家蘇爾凡為其引薦了達(dá)爾文的著作《人與動物情感的表達(dá)》。

受到達(dá)爾文著作的啟發(fā)，他確信，如果要驗證其假說，首先得找到觀測量化人類微表情的方法，這樣他就能研究這些面部表情和內(nèi)心普遍的情緒是否存在相關(guān)性。

?？寺蜏方?，以及另一位同事弗里森花了八年時間發(fā)展其理論。?？寺透ダ锷寔碜悦绹?、巴西、智利、阿根廷以及日本的學(xué)生來用表達(dá)情緒的詞匯描述其看到的表情圖，從而驗證其方法可行性。他們很快得到這個明顯的結(jié)論：在不同的國家，六種基本的表情都對應(yīng)著六種情緒。

這些情緒為：幸福、憤怒、悲傷、鄙夷、驚訝和恐懼。

?？寺芯恐惺褂玫牧N基本情緒表情。從左上角順時鐘方向分別為：憤怒、恐懼、鄙夷、悲傷、幸福和驚訝。

無獨(dú)有偶，另外一名澳大利亞的人種學(xué)者艾比爾獨(dú)立研究得出類似的結(jié)論。研究結(jié)果證實了?？寺挠^點：存在一組可以通過面部表情來鑒定的、基礎(chǔ)的、普遍的人類感情。

但這些結(jié)論存在一個漏洞：所有埃克曼和艾比爾的研究對象都是西方媒體的影響物，包括各種圖片、電影或者是電視節(jié)目。埃克曼認(rèn)識到，要真正驗證其假說，它需要“研究哪些未曾見過外面世界的對象”。

在他母親逝世近20年后，?？寺覃溦軅愐粯?，乘坐一架舊飛機(jī)飛往巴布亞新幾內(nèi)亞，尋找偏僻的部族。

?？寺透ダ锷诎筒紒喰聨變?nèi)亞的東南高地連綿的山巒中尋找未接觸過西方媒體的人群。在歐卡巴峽谷的密林間，?？寺麄冋业搅烁栕迦?，西方人類學(xué)家兩個世紀(jì)前第一次發(fā)現(xiàn)了這個族群，此后并未有過打擾。在灣尼溫蒂山脈的北側(cè)和南側(cè)，福爾族人沿著山脈住在棚屋中，幾乎隔絕于外面的世界。

隨著他們抵達(dá)福爾部落，?？寺透ダ锷瓕λ麄兊臐撛趯嶒炚哌M(jìn)行了篩選。他們沒看過任何西方電影或媒體結(jié)果，因而不會受西方情緒反應(yīng)影響；他們得不會說英語；而且也從未與外來者合作過、或曾比鄰而居過。符合條件的有189名成人和130位兒童。

測試方法與其它地區(qū)方法一樣，觀察辨析圖片和情境。得知福爾族人有三種方言，?？寺透ダ锷瓕Ψg者進(jìn)行了嚴(yán)格的訓(xùn)練，確保對情境的不同翻譯不會影響試驗結(jié)果。

盡管從未見過這些圖片，福爾族人非常迅速地理解了實驗。成人觀察三種臉部表情，兒童觀察兩種，每個表情圖附有情境介紹，例如“這個人準(zhǔn)備打架”。

如果表情放之四海而皆準(zhǔn)，情境介紹應(yīng)當(dāng)只聯(lián)系到其中的一張圖。

研究結(jié)果證明了這個觀點：福爾族人在93%的情況下，與其它并不偏遠(yuǎn)地區(qū)的人對表情和情境介紹作出了同樣的配對。

?？寺透ダ锷J(rèn)為他們成功地證明了，所有的人類，都能感受到六中基本情緒：幸福、憤怒、悲傷、鄙夷、驚訝和恐懼。

他們在1971年發(fā)表了自己的研究成果。米德對此目瞪口呆。

埃克曼的研究本可以到此為止，但他的好奇心驅(qū)使他繼續(xù)。他想知道為什么米德和其他人會得出錯誤的結(jié)論。他好奇是否表情在普遍行之外，也會受到特定文化要求人們應(yīng)當(dāng)如何表現(xiàn)的影響。

因此，他進(jìn)行了又一項實驗。他將美軍醫(yī)療救助里的嚴(yán)重?zé)齻徒刂?a target="_blank">視頻播放給在美國和東京的學(xué)生觀看。他們將實驗者分為兩組，一組有個權(quán)威者（穿白衣的科學(xué)家）陪同觀看，一組沒有。?？寺低蹬南滤麄冇^看視頻的表情，發(fā)現(xiàn)有權(quán)威者陪同的那組實驗者與另一組表現(xiàn)不同：日本學(xué)生看起來更淡漠、面無表情狀；而美國人表情更加夸張。

無陪同的那組日本學(xué)生和美國人表情類似，沒有明顯的區(qū)別。兩者不同顯然是由身穿白衣的米德觸發(fā)了兩組人的不同表現(xiàn)。埃克曼表示，人類學(xué)家看到的是實驗者想要他們看到的表情。

令人驚奇的是，不論陪同者是誰，如果降低視頻播放速度，你都能看到這六種面部表情的輕微跡象。?？寺鼘⑵淅碚摶癁椋罕M管有文化方面的影響，這六種普遍的表情是不能被克制住的。埃克曼將其命名為“微表情”。

?？寺某晒€帶來了其他發(fā)現(xiàn)。舉一個較近的例子，2008年，加州大學(xué)洛杉磯分校（UCLA）的人類學(xué)家格雷戈里和巴雷特實施了?？寺透ダ锷摹奥曇魧嶒灐钡囊粋€版本。厄瓜多爾的舒阿爾（Shuar）族人，而非福爾（Fore）族人，將作為與美國被試者進(jìn)行比較的群體。

兩個小組都被要求聽一些容易在英語和舒阿爾語之間翻譯的簡單句子，如“狗在房子里”和“她吃了魚”，這些語句沒有透露出說話者的任何情感信息。變化的僅僅是聲音的音色。

接下來，要求參與者從五張帶有面部表情的圖片中選取一張，其最能代表他們聽到的聲音所表達(dá)的情感。同樣地，兩組之間的結(jié)果相似，這表明盡管存在后天學(xué)習(xí)上的差異，普遍的基本情緒也可以在言語中體現(xiàn)出來。

?？寺难芯?，以及在一定程度上格雷戈里和巴雷特的研究，仍被許多人認(rèn)為是決定性的。

迪士尼甚至制作出一部電影，用到了其中的五種情緒作為人物角色：《頭腦特工隊》。當(dāng)然了，科技公司對研究人員的工作給予了類似的信任。

當(dāng)?？寺幕厩楦杏錾蠑?shù)字時代

如果沒有情感，人工智能將缺乏很大一部分的感知能力；而一臺無法理解情緒的機(jī)器是無法以人的方式對命令做出反應(yīng)的。這種科學(xué)實踐的例子不僅僅局限在高?；蚴枪韫取?/p>

近五分之一的美國成年人擁有Amazon Echo或同等智能音箱，如Google Home。亞馬遜希望人們信任他們的虛擬助手Alexa，因此他們會使用耳語，吶喊，不同的音調(diào)和語速來表達(dá)情感，并使她的聲音變得更加人性化。Alexa還會分析我們的聲音，以弄清楚我們的情緒。當(dāng)你生氣時，Alexa會讓你冷靜下來；當(dāng)你快樂時，她可以和你一同享受快樂。所有這些都行之有效。

蘋果的Siri，微軟的Cortana以及Google助手背后的團(tuán)隊都在開發(fā)使用語音和面部識別的情感檢測系統(tǒng)——相同的面部識別技術(shù)已經(jīng)可以用來訪問iPhone X.

情感檢測技術(shù)和人工情感也被用于防護(hù)工作。Affectiva希望監(jiān)控司機(jī)，從他們的聲音，肢體語言和面部表情上識別出情緒。如果你有嚴(yán)重的路怒癥，或是癱倒在方向盤上，他們的Automotive AI平臺就可以控制汽車，帶你到最近的安全地帶，如有必要，還會打電話求救。

人工情感技術(shù)也被用作打擊犯罪的工具。1978年以來，?？寺恢庇H自教人們檢測微表情。他曾在中央情報局，蘇格蘭場，國土安全部和其他許多地方訓(xùn)練過操作員和軍官；他甚至教過皮克斯動畫工作室的團(tuán)隊如何將微表情帶入角色的面部。

他的作品也啟發(fā)了一部題為“千謊百計”的電視劇，并擔(dān)任顧問。然而，該劇的刻意渲染使觀眾誤以為“讀懂”某人的微表情是那么容易。

2007年，TSA啟動了一項名為“通過觀測技術(shù)篩查乘客”（Screening Passengers by Observation Techniques, SPOT）的計劃——機(jī)場安保人員接受了培訓(xùn)，要讀出在等待航班的乘客臉上的微表情，以此識別恐怖分子。

這項計劃徹底地失敗了——飛行的壓力使乘客以非典型的方式觀察和行動。

在人類失敗之處，技術(shù)卻可以解決問題。位于紐約的羅徹斯特大學(xué)收集了超過一百萬張面孔的圖片，建立起一個微表情數(shù)據(jù)庫。

這是一種訓(xùn)練機(jī)器的方法，以評估在機(jī)場排隊的人是否可能是恐怖分子。容易犯錯的人類大腦已派不上用場，取而代之的是在機(jī)場觀察人類的情感檢測AI，通過探頭和警方的觀察室相連。

如果沒有?？寺鼘厩榫w和微表情的發(fā)現(xiàn)，那么開發(fā)情感檢測技術(shù)會更加困難。當(dāng)情緒可以分類和測量時，編寫軟件會更容易。但問題在于——所有的這些系統(tǒng)在進(jìn)行較大規(guī)模的試驗時，似乎都遇到了某種問題。一旦你嘗試大規(guī)模地應(yīng)用基本的情緒模型，它看起來就不那么可靠了。

這可能是因為，情緒并不像埃克曼所認(rèn)為的那么簡單。

悄然來襲的情緒暴政

“人只有六種基本情緒”這個想法存在三個問題。

首先要指出的是，人們對“情緒”的定義仍然沒有統(tǒng)一意見。

過去50年來，幾乎每篇論文都有自己的說法。心理學(xué)家Robert Sternberg稱情緒為“由對內(nèi)部和外部事件作出的在生理和行為（可能是認(rèn)知）上的反應(yīng)組成的一種感覺”；神經(jīng)科學(xué)家Jaak Panksepp將其定義為“強(qiáng)烈鼓勵有機(jī)體沖動行事的大腦系統(tǒng)的強(qiáng)烈激發(fā)”；而社會心理學(xué)家Phoebe Ellsworth說，情緒是一個過程，當(dāng)一個人的注意力被一些差異或變化所影響時就會觸發(fā)。

而更大的問題在于?？寺透ダ锷陌筒紒喰聨變?nèi)亞實驗（New Guinea experiment）本身。

這項研究存在三個主要問題。

首先，他們不是最早與福爾族人見面并記錄其部落風(fēng)俗的人。人類學(xué)家羅納德與凱瑟琳曾在1953年研究過福爾族人居住的北部地區(qū)，而傳教士和政府巡邏隊在此之前已經(jīng)造訪過福爾南部地區(qū)了。

當(dāng)埃克曼訪問福爾部落時，曾經(jīng)以對外敵意和同類相食而著稱的福爾人正在種植咖啡和使用金錢。（?？寺劦搅速Y助者對他提出的收據(jù)請求，開玩笑說他不得不為“當(dāng)?shù)匚揍t(yī)的祝福”之類的開支保留分類賬目。）到20世紀(jì)60年代后期為止，福爾部落成員與外界完全隔離的概率很小。

該研究的第二個問題在于對當(dāng)?shù)卣Z言的翻譯。

每一個專業(yè)的翻譯人員都會告訴你，翻譯不是將一種語言的某個單詞換成另一種語言的某個單詞。同時，也未必能在對象語言中找到匹配的單詞。將英語翻譯成福爾族語言，這種與英語風(fēng)格迥異的語言，使這個問題愈發(fā)嚴(yán)重，無論翻譯人員的表現(xiàn)如何出類拔萃。

研究的第三個問題是照片中的面部表情。

在現(xiàn)實生活中，很少面部表情會像?？寺掌械哪菢用黠@或夸張。心理學(xué)家詹姆斯及其團(tuán)隊最近的研究表明，使用越逼真的面部表情圖，8歲前的兒童越不容易識別表情中所蘊(yùn)含的情緒。

例如，年幼的孩子不知道“厭惡”的表情背后，蘊(yùn)含的究竟是厭惡還是憤怒的情緒。最近，由心理學(xué)家麗莎領(lǐng)導(dǎo)的一個小組發(fā)現(xiàn)，如果在提供的照片中有著各種各樣的面部表情，并允許參與者將照片自行分類，這些類別都會因為文化差異而有所不同。

這就導(dǎo)致了第三個大問題——不同的人會有不同的基礎(chǔ)情感列表。當(dāng)然，還有一些理解情感的方法，不要求情感分類是普遍的，或是簡單可識別的。

例如，“情感理論的心理學(xué)構(gòu)建”方法正在情感研究界大受支持。這一方法表明，雖然我們都感受到類似的，稱之為“核心影響源”的東西，但是每一種情感的“構(gòu)建”，實際上都是由很多因素組成的。

這些因素包括了我們從小到大培養(yǎng)的情感感知，描述這些感受的語言，產(chǎn)生情感時所處的情境，先前產(chǎn)生這些感受時留下的記憶以及其他許多因素。情感，不只是一種感覺，一種表情。

這樣看來，情感的分類并不是普遍使用的。即使所有人類共享的他們經(jīng)歷，同樣是驅(qū)使我們遠(yuǎn)離發(fā)霉食物的那種“討厭”感覺，這些經(jīng)歷在不同的文化中以不同的方式進(jìn)行表述，同時不總是具有相同的面部表情或聲音線索。

遺憾的是，這種細(xì)微差別似乎并沒有被開發(fā)人員和程序員察覺。

人們已經(jīng)開始在機(jī)場接受監(jiān)控；許多美國人已經(jīng)在家中安置了Alexa語音助手或是與“她”同類的智能助手；自動駕駛汽車已經(jīng)嶄露頭角（即使你現(xiàn)在買不到）。

所有這些智能系統(tǒng)都出過問題。Alexa語音助手曾經(jīng)與無關(guān)者進(jìn)行了私人談話，自動駕駛汽車曾經(jīng)撞向行人，任何嘗試在護(hù)照安檢處，使用所謂“最先進(jìn)”面部識別系統(tǒng)的人，都知道他們可能會對使用經(jīng)歷感到沮喪。

我們希望這些設(shè)備和系統(tǒng)使我們保持冷靜，判斷我們的“路怒癥”指數(shù)，或是察覺我們的犯罪傾向嗎？被一副智能太陽眼鏡“出賣”行動，并且還被錯誤指控判刑的日子，還有多久？

將不同文化背景中，情感多種多樣的表達(dá)方式，合而為一，這無疑減少了世界各地豐富的情感表達(dá)。

所有人都要有一樣的規(guī)范化的情緒，這正是一種赤裸裸的“情感暴政” 。

如果不加以制止，這個暴政將伴隨著情感檢測技術(shù)發(fā)展，在不久的將來傳播到世界的各個角落。

你自己的情緒，將不再由你自己所定義。