文章机器的温度:从情感分析到情感计算
资深作者Linna
Linna 专注人工智能领域
 
从电影《我的机器人女友》中的机器人女孩,到日剧《绝对男友》中的天成奈特,具备情感分析能力的人形机器人,满足了人类对于人工智能所有奇幻又浪漫的想象。
 
来源:日剧《绝对男友》
 
这也成为行业人士与大众舆论对于人工智能的争论焦点。行业共识认为,做出一个有感情的机器人,在技术上是不太可能实现的。但在企业服务的商用场景下,随着社交平台中含有主观情感的数据量不断扩大,情感分析在舆情、客服、金融、教育等企业级应用场景中的精确度不断提升,也算是迈出了“人机相恋”的第一步——从分析到反馈。
 
目前人工智能情感分析技术主要分为三个方向:基于文本的情感分析(Sentiment Analysis)、基于视频的情绪识别(Emotion Recognition)和智能机器人的情感计算(Affective Computing)。
 
顾名思义,文本类情感分析的对象为带有情感色彩的主观文本,主要通过将文本中的情感词与既有的情感词典(如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典,知网Hownet情感词典,台湾大学简体中文情感极性词典NTSUSD,snownlp框架的词典等)进行匹配,得出每个词汇的情感分类,然后进行加法计算得出结果。若结果为正则为正向情感,负数则为负面情感,如果结果为0或情感倾向不明显的得分则为中性情感或无情感。
 
图源网络
 
视频情绪识别分析对象大多是图像、图片、语音等非文字符号,技术原理是对人的外在情感信号(面部表情、语气语音语调、肢体语言等外在表现)与内在情感状态(愤怒、高兴、伤心)进行识别匹配,从而判断此人当下的情绪状态。
 
在识别——分析——解释之后,人工智能的下一个目标自然指向了情感计算(affective computing)——即识别人类情感并进行分析,同时合成类似情感模式,在反馈中融入特定的情感表达因素。简单来说,就是赋予计算机类似于人一样的观察、理解方式和生成各种情感特征的能力,最终使得计算机像人一样能够自然流畅地进行人机交互。
 
目前的情感计算主要通过对人的面部表情(面部肌肉变化所组成的模式)、姿态表情(身体其他部分的表情动作)和语调表情(言语的声调、节奏和速度等方面的变化)以及多种生理指标(如皮质醇水平、心率、血压、呼吸等)进行分析,并进行实时反馈。比如,聊天机器人通过多种识别方式判断出情感状态,同样可以通过语音/表情符号/动作等方式,选择不同的方式实时反馈。
 
目前,大众认知最广/商业热度最大的文本分析应用场景,集中在零售电商和舆论监测之中。在企业级的需求中,依托于零售电商大数据,情感分析使得企业能够了解群体情感极性的分布情况,以及其观点、态度、情感的强烈程度。借助情感分析,舆情监测不但能够描述说明“是什么”,还能够挖掘出具体的属性、喜好,展现出“怎么样”,从而更多维度地了解企业的市场反馈和用户需求,为方向聚焦、策略引导、价值判断提供依据。
 

阿里小蜜 

阿里小蜜能够自动对用户情感进行检测,并进行用户情绪安抚,应用情绪生成式语聊模型,针对用户不同的输入,产生不同的答案。同时,它具备针对特定领域的专属模型,结合模型优化工具产品能力,最大限度地提升识别效果。
 
在客服应用场景中,人工客服不仅仅需要解决问题,更需要感知并安抚用户的情绪,提升用户满意度。这也是为何用户对“智障式”人工智能表示抵触的原因。相对应,具备情感分析功能智能客服机器人,能够提供更友好的交互体验,在市场前景上也有足够的增长空间。
 
来源:InfoQ

 

百分点舆情洞察系统

在舆情分析应用场景中,传统舆情分析数据指向扁平化指标,而忽略了内容发布行为本身包含的丰富信息与情境。情感分析则可以将原子化的互动行为数据还原为具体场景下的观点和情感表达,避免了“被真实掩盖的真实”,挖掘出海量数据的真正价值,洞察各式各样的观点、情绪、口碑和民情,为企业提供商业数据和情报,帮助企业更智能地决策。
 
百分点舆情洞察系统是一款应用了情感分析技术的智能化舆情监测与分析产品。比如,基于品牌监控自身舆情的需求,情感分析通过多渠道/多形式的数据挖掘,结合深度迁移学习技术,对舆情的整体态势作出更加精确的把控,从而能够发现真正的危机并及时处理。
 
来源:百分点官网
汽车行业存在着庞大的安全管理需求。 智研咨询2020年的一项研究显示,我国道路交通事故产生原因,处于第一位的是人为因素,即驾驶员违反交通规则、身体异常等。而以往汽车行业往往通过检测道路交通状况、车辆运行状态以及提升车身安全性等外部方式进行风险控制,存在一定的滞后性。
 
在物联网和智能摄像头的普及下,通过情感分析技术实现对驾驶员疲劳状态实时监测成为可能,也推动了厂商对于人脸情绪分析技术的大数据样本。
 

Face++

Face++在这一场景中的优势比较突出。它可以通过表情对驾驶员进行情绪识别,随时监测驾驶员驾控状态,在疲劳驾驶或驾驶员身体异常时及时警告,做出预警,真正从驾驶员本身入手,更加及时、有效地保障行车安全。
 
来源:Face++官网

此外,情感在财务决策过程中占据着重要地位,视频情绪识别也逐渐开始运用于金融业。

Nviso Insight Advice平台

NVISO是全球人类行为人工智能软件领域的领导者,服务于全球用户中心产品和服务的制造商。其Insights Advice数字平台利用视频情绪识别,帮助财务咨询更深入地理解客户需求,更好地做出财务决策。
 
其工作方式为,通过网址和移动应用程序对客户进行带有嵌入式视频的调查,在客户观看视频时,使用网络摄像头对客户情绪反应进行实时处理和分析。最终,客户和财务咨询会收到一份有关理财建议及对比的详细报告。
 
这一过程通过真实的情绪反应,帮助客户和潜在客户了解他们对金融的真实感受,从而对他们需要优先考虑的事项给出建议,也使得财务咨询能够理解客户的思维方式,以及如何更好地与他们进行沟通。除此之外,对情绪的识别也可弥补传统的风险分析方式的不足,实现对投资者更加全面的了解。
 
来源:Nviso官网
 
在情感计算领域,领先的赛道是教育行业与医疗行业。“情感计算”一词最早由麻省理工学院媒体实验室情感计算研究小组创始人兼主任Rosalind Picard教授于1995年提出的,她认识到情感在多大程度上支配着我们的生活,并决定推动“工程情感(engineering emotion)”的概念。作为这一技术的先驱,麻省理工学院媒体实验室情感计算研究小组的前提目标不是为了解决企业问题,而是希望其能够帮助病人以及患有孤独症/社交障碍的儿童。
 

希腊EI-EDUROBOT情绪智能教育机器人

EI-EDUROBOT是一款针对4到9岁学生的教育机器人,除能提供物理、数学、计算机和环境科学等学科的教学外,这款情绪智能教育机器人旨在供患有ASD(Autistic Spectrum Disorder,孤独症谱系障碍)缺陷的儿童使用,它能够与人类互动,以提高他们的社交技能。此外,它也能够与普通儿童互动,并模拟患有ASD缺陷的儿童的行为,从而教会普通儿童如何与患有ASD缺陷的儿童互动及相处。其最终目的,是培养普通儿童与患ASD缺陷的儿童之间的同理心。
 
此外,EI-EDUROBOT建立在一个开源平台上,因此每个用户都可以对其进行编程并上传新的场景和脚本。它还计划开发一个可视化编程界面,便于编程经验很少或没有编程经验的教师使用机器人。
 
来源:EI-EDUROBOT官网
 

Emteq Labs

英国Emteq Labs开发了一种传感器嵌入式VR耳机,通过测量心率、面部肌肉发出的微小电信号以及眼球运动等,准确、客观地量化情绪,而这对于焦虑症的治疗至关重要。
 
一方面,它能够对患者的压力和焦虑感进行测量,从而为其后续治疗提供指导,并帮助患者管理自己的不良情绪并控制不良行为;另一方面,这一工具还能长时间监测患者焦虑症状的发展,从而为新型疗法的评估和开发提供参考。
 
来源:Emteq Labs官网
 
 
不论是机器人还是智能摄像头,不论是文本分析还是视频分析,在B端市场,企业对于人工智能情感分析的水平和精确度正在不断上涨,市场规模也在不断扩大。据MarketsandMarkets2020年发布的研究报告预测,到2025年全球情感计算市场规模预计将从2020年的286亿美元增长到2025年的1400亿美元,预测期间的复合年增长率为37.4%。
 
可以预见,随着更多企业级需求和场景的不断扩大,人们对于情感分析“能做到”和“不能做到”的事情也会更加明确。但一个新的现象出现——在现实中,已经出现了人类与人工智能登记结婚的案例——36岁的近藤明彦于2020年迎娶了日本虚拟歌手初音未来。这表明,其实人对于具情感的人工智能的期待,远远大于人工智能想要成为“人类”的期待——如果机器人真的有感情,他会更愿意提供一些情感建议,而不是直接成为你的男朋友/女朋友。
机器的温度:从情感分析到情感计算

[免责声明]

原文标题: 机器的温度:从情感分析到情感计算

本文由作者原创发布于36氪企服点评;未经许可,禁止转载。