情感AI或者说情感计算可能是AI中的下一件大事。企业开始探索情感分析技术，以改善客户和员工的体验并提供创新的服务。尽管该技术仍处于起步阶段，但CIO和其他IT领导者仍应关注情绪跟踪技术，因为很多专家认为，该技术可以帮助企业为客户提供他们想要的东西。

面部表情分析之所以具有吸引力，是因为它可以在远处完成，且无需照相机。记录人们的面部表情的想法可推断人们对电影和音乐等产品的感觉，并无需大量调查表即可评估服务交互。

马里兰大学罗伯特史密斯商学院市场营销系教授兼百事公司消费科学首席教授Michel Wedel说：“不引人注意的记录可以减轻消费者的负担，并使经理们可以更好地量身定制产品、服务和营销活动，例如针对个人客户需求的广告和促销。”这最终将提高消费者的满意度，并对经济产生积极影响。

但是，在评估数百项有关监测面部表情情绪的研究后，一项最新研究指出，大家对这种技术的力量存在广泛的误解。专家认为，我们有充分证据证明，其他基于语音、眼动和基于文本的情感分析的情绪跟踪工具也可以提供价值。从长远来看，可以将这些技术与背景数据以及面部表情相结合，以引入情感智能和情感AI。

CIO和其他IT主管可能希望在为客户和员工制定情感AI策略时考虑多种方式，包括语音、行为和背景信息。同时，解决道德问题也很重要，以防止客户和员工产生任何抵触情绪。最后，很多高管认为该技术可能会对传统业务产生重大影响。

如何追踪情绪

研究人员以多种方式衡量情绪。Wedel说：“问卷调查方法肯定不完美，也无法很好地捕捉情绪动态。面部跟踪很有用，但必须谨慎使用。在某些情况下，皮肤电导和脑电图测量可提供有用的信息。另外，眼动跟踪并不能用于检测情绪，尽管有时瞳孔扩大也可说明情绪变化。”

Wedel说，开发更好的工具将需要不断改进和验证测量工具，如果可能的话，还需要算法组合。AI和深度学习等大数据和计算机科学算法将影响面部跟踪算法的发展及其准确性。

美国东北大学心理学教授Lisa Feldman Barrett和她的同事们最近发现了追踪面部情绪科学中的三个主要缺陷。

• 可靠性有限。例如，某些人可能会因为过于努力而皱眉，而不是生气。
• 缺乏明确性。面部表情和情绪类别之间没有唯一映射关系。
• 缺乏概括性。不同文化表达面部表情的方式不同。

不管情绪跟踪算法是否准确，它们都可以预测企业感兴趣的下游行为。Wedel的团队已使用该技术来预测票房成功和电影的播放情况。他说：“但是必须仔细设计研究。”

情感AI仍处于起步阶段

情感AI使用情感数据来改善用户体验，它仍然被认为是一个新兴行业。情绪跟踪平台Neurodata Lab创始人兼首席执行官George Pliev说，自动检测情绪的最初尝试是基于美国心理学家Paul Ekman提出的情绪面部表情的普遍性理论。该理论指出，人类会有六种基本情感，我们都以相同的方式表达情感。

Pliev说：“该理论变得非常普及，这标志着整个新产业的开始。”

但是，这种观点也饱受争议，从美国心理学家James Russell开始。情绪智能研究人员现在正在考虑采用更复杂的方法来理解情绪。这里想法是，情感类别依赖文化，可通过训练形成，也可以教给机器。Pliev说：“情绪并不像早期研究所预期的那样简单。”

情感AI需要更多类别

在Ekman的早期工作中，科学家假设可从面部识别上述六种基本情绪，包括厌恶、悲伤、幸福、恐惧、愤怒和惊奇。但现在，研究人员认为需要更多情绪类别。

情绪分析平台提供商Affectiva公司首席执行官兼联合创始人Rana el Kaliouby说：“我们不喜欢该行业的简单化，因为它只专注于六种基本情感，并且面部表情与情感状态是一一对应的关系。”但其实，面部表情可能不仅仅表示一种情感；它可能是社交、认知或行为提示，或者是生理反应。

El Kaliouby说，这种面部表情与情绪状态的一一对应关系过于简单。她说：“在这种普遍的简单化观点下，抬眉被认为是惊喜，但在现实世界中，它还可以作为问候、社交邀请、表示感谢、发起调情等等。”

为了消除歧义，这里还需要更多信息。某人脸上还发生了什么变化？随着时间的流逝，这种表情如何展现？是否还有其他物理信号，例如声调或手势？为了获得此信息，Affectiva正在投资于一种针对特定用例的多模式方法。

Bart Cooreman是生理跟踪平台iMotions的产品专家，他拥有认知神经科学博士学位，他指出：“感兴趣、困惑、受挫和同情的表情很难直接与基本情感联系起来。”但是，通常是这些更模糊的情感表达类型在现实情况中吸引大家的兴趣。

例如，好的电视广告可能不会引发大笑，但是有趣的笑话通常会让人微笑。凌乱的网站可能不会使某人生气或悲伤，但是它可能导致在用户永久离开该网站之前，以眉头皱眉的形式简短地表示沮丧。Cooreman说，在现实世界中，更有效的做法是专注于以嘴、鼻子、眼睛或眉毛的形式表现的更具体的情感，而不只是基本情感。

很多情感类别很微妙，难以识别。Neurodata Lab的Pliev表示，两个主要挑战是创建完整的情绪表达列表，并能够指出某个情况中是否存在这些情绪。根据任务的不同，情绪清单可能会增加。对于情感的标准表达或者情感表达的数量，并没有客观参考。Pliev称：“人们无法在情感类别方面达成共识，也无法在表达的强度或所代表的情感数量达成共识。”

语音助力情感AI

研究人员认为，他们也许能够通过语音以更细粒度的方式自动检测情绪。加州大学伯克利分校的研究人员正在开发通过语音分析检测27种不同情绪的算法。加州大学伯克利分校的教授Dacher Keltner表示，在不同的方式下，面部表情、凝视、声音、触摸和身体动作都以不同的方式传达情感。他说：“声音可能是情感交流的最丰富来源，其次是面部。”

有些情绪是以一种方式传达，而其他情绪则没有。例如，Keltner的研究发现，只有通过触摸才能始终检测到感激之情。他说：“随着方法和统计数据能够更好地捕捉反应模式，我们相信大约20种情绪将在不同的测量方法中具有可靠的信号。”这些包括：

• 负面信号，例如愤怒、焦虑、蔑视、厌恶、尴尬、恐惧、内疚、悲伤、羞耻和恐惧；
• 正面信号，例如高兴、敬畏、知足、欲望、狂喜、兴趣、爱、骄傲、同情和胜利

需要新的训练工具

在创建全新的情绪和沟通训练工具方面，情绪跟踪带来希望。Keltner认为，例如，音频反馈可能是人们学习感受自己的情感并与他人建立联系的重要因素。

他表示：“这是训练目的的重点，因为这是人们意识到的一种感觉形式-我们听到我们的声音但看不到自己的脸。这一直是我们社交互动的一部分，我认为这可能是让我们拥有更多控制权的一种感觉形式，在考虑将反馈应用于我们的情感表达时。”

有些企业摒弃了传统的情感观念，专注于如何感知声音。例如，VoiceVibes开发了一套培训工具，用于呼叫中心的工作人员和执行人员练习其公共演讲技能。这些工具专注于他人如何看待某人的声音质量，这是该公司称为“感应”的方法。

VoiceVibes公司首席执行官Deb Cancro表示：“感应更适合员工培训和自我意识训练。无论我们的情绪如何，我们经常需要采用一种最有效的音调，即使与我们的真实感觉不符。”例如，某人可能会感到难过，但在接听电话时仍需要使用个性化的语调，或者高管可能想学习如何在压力情况下依然在社交场合保持镇定的状态。

情感AI的道德和隐私问题

有时候，我们试图使用更先进的情感跟踪技术使消费者受益时，很可能让他们受到惊吓。Motive Software公司联合创始人Armen Berjikly说：“企业不应该秘密监控员工。” Motive Software是一家致力于利用情感洞察力解决业务问题的公司。有些国家安全或金融服务组织可能必须监视员工，但是还有些典型的公司冒着侵犯员工信任度的风险，试图改善员工体验。

Wedel说，企业应该关注道德问题，因为隐私问题和非合规行为可能适得其反，并对公司本身构成威胁。他建议将视频转换为面部表情数据，并从数据中剥离其他个人身份信息。

咨询公司Elicit首席营销官Brooke Niemiec说，个性化营销的关键是避免“令人毛骨悚然”，并且该规则也适用于情感识别等新技术应用。这里诀窍是确保仅将技术用于改善当前状况。例如，面部情感识别相机可以测量参与者对某个活动的总体满意度。Niemiec说：“但是，如果使用相同的技术筛选出不满意的人，以便有人在活动期间直接与他们接触，那我认为这越过了‘不要令人毛骨悚然’的界限。”

另外，有些人非常善于掩饰自己的真实感受。Niemiec说，任何对不当行为或被侵犯的感觉都可能导致人们搭起防护罩，从而有效地阻止了该技术的使用。

但是情感跟踪可以在传统行业（例如汽车制造业）中提供明显的竞争优势。例如，汽车零部件制造商Valeo在跟踪驾驶员和乘客的舒适度方面进行了大量投资。这不仅可以提高客户满意度，而且可以使汽车更安全。

Valeo创新副总裁Guillaume Devauchelle说：“人工智能的下一个发展是情感智能。在不久的将来，机器将变得更加移情并适应我们的情感，以便它们能够更好地与我们互动。”