情感AI，或情感计算，可能是AI的下一件大事。企业开始探索情绪分析技术，以改善客户和员工体验并提供创新服务。尽管这项技术仍处于起步阶段，但首席信息官和其他IT领导者应该密切关注情绪跟踪技术，因为许多专家认为它可以帮助企业满足客户的需求。面部表情分析很有吸引力，因为它可以在远处进行，而且不需要摄像头。记录人们面部表情的想法可以推断出人们对电影和音乐等产品的感受，并在无需大量问卷调查的情况下评估服务互动。“不显眼的记录可以减轻消费者的负担，并让管理者更好地定制产品、服务和营销活动，例如根据个人客户需求量身定制的广告和促销活动。”这最终将提高消费者满意度并对经济产生积极影响。但一项新研究在评估了数百项关于监测面部表情情绪的研究后指出，人们对这项技术的力量普遍存在误解。据专家称，我们有很好的证据表明，其他基于语音、眼球运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，这些技术可以与背景数据和面部表情相结合，以引入情商和情感人工智能。和其他IT领导者在为客户和员工制定情感AI策略时，可能希望考虑多种模式，包括语音、行为和上下文信息。与此同时，解决道德问题也很重要，以防止来自客户和员工。最后，许多高管认为该技术可能对传统业务产生重大影响业务。如何追踪情绪研究人员以多种方式衡量情绪。“问卷调查方法当然不完美，也不能很好地捕捉情绪动态，”Wedel说。“面部追踪很有用，但必须谨慎使用。在某些情况下，皮肤电导和脑电图测量可以提供有用的信息。此外，眼动追踪对于检测情绪没有用，尽管放大的瞳孔有时可以指示情绪变化。”韦德尔表示，开发更好的工具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。大数据和人工智能、深度学习等计算机科学算法将影响人脸跟踪算法的发展及其准确性。东北大学心理学LisaFeldmanBarrett教授和她的同事们最近发现了追踪面部情绪的科学的三大缺陷。可靠性是有限的。例如，有些人可能会因为太用力而不是生气而皱眉。缺乏清晰度。面部表情和情绪类别之间没有唯一映射。缺乏概括。不同的文化表达不同的面部表情。无论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的团队已经使用该技术来预测票房成功和电影的放映效果。“但研究必须仔细设计，”他说。情感人工智能仍处于起步阶段。情感人工智能利用情感数据来提升用户体验，目前仍被认为是一个新兴行业。情绪追踪平台NeurodataLab的创始人兼首席执行官乔治·普利夫(GeorgePliev)表示，自动检测情绪的最初尝试是基于美国心理学家保罗·埃克曼(PaulEkman)提出的情绪面部表情普遍性理论。该理论指出，人类有六种基本情绪，我们都以相同的方式表达它们。“这个理论变得如此流行，以至于它标志着一个全新行业的开始，”Pliev说。但这个想法也一直存在争议，首先是美国心理学家詹姆斯罗素。情商研究人员现在正在考虑更复杂的方法来理解情绪。这里的想法是，情感类别是依赖于文化的，可以训练和传授给机器。“情绪并不像早期研究预期的那么简单，”普利夫说。情感人工智能需要更多类别。在埃克曼的早期工作中，科学家们假设可以从面部识别出上述六种基本情绪，包括厌恶、悲伤、快乐、恐惧，愤怒和惊讶。但现在，研究人员认为需要更多类别的情绪。情绪分析平台提供商Affectiva的首席执行官兼联合创始人RanaelKaliouby表示：“我们不喜欢这个行业的简化，因为它只关注六种基本情绪，并且面部表情之间存在一对一的对应关系和情绪状态。关系。”但事实上，面部表情所指示的可能不仅仅是一种情绪；它可能是一种社会、认知或行为线索，或者是一种生理反应。这种面部表情与情绪状态之间的一一对应关系过于简单化了，ElKaliouby“在这种普遍的简单化观点下，扬眉毛被认为是一个惊喜，但在现实世界中，它也可以作为一种问候、社交邀请、表达感激之情、调情的开始等等，”她说。为了消除歧义，这里需要更多信息。一个人的脸上还有什么变化？随着时间的推移，这看起来如何展开？是否有其他物理信号，例如语音或手势？为了获得这些信息，Affectiva正在投资于特定于用例的模式方法。BartCooreman，生理学追踪平台iMotions的产品专家，拥有博士学位。在认知神经科学中，指出：“兴趣、困惑、沮丧和同情的表情符号很难直接与基本情绪联系起来。”模糊类型的情绪表达会引起人们对现实世界情境的兴趣。例如，一个好的电视广告可能不会引起大笑，但一个好的笑话通常会让人微笑。一个混乱的网站可能不会让人生气或悲伤，但它可能会导致用户在永远离开网站之前以皱眉的形式短暂地表达沮丧。Cooreman说，在现实世界中，关注嘴巴、鼻子、眼睛或眉毛等更具体的情绪，而不是仅仅关注基本情绪会更有效。许多情感类别是微妙的，难以识别。NeurodataLab的Pliev说，两个主要挑战是创建一个完整的情绪表达列表，并能够指出在某种情况下是否存在这些情绪。根据任务的不同，情绪清单可能会增加。情绪表达的标准或情绪表达的量没有客观的参考。“人们无法就情感的类别、表达的强度或表达的情感数量达成一致，”普利夫说。以语音为动力的情感AI研究人员认为，他们或许能够通过语音情绪以更精细的方式自动检测它。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教授DacherKeltner表示，面部表情、目光、声音、触觉和身体动作都以不同的方式传达情绪。“声音可能是最丰富的情感交流来源，其次是面部表情，”他说。有些情绪以一种方式传达，而另一些则不然。例如，凯尔特纳的研究发现，感恩始终只能通过触摸来检测。“随着方法和统计数据更好地捕捉反应模式，我们相信大约20种情绪将在不同的衡量标准中产生可靠的信号，”他说。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；喜悦、敬畏、满足、欲望、狂喜、兴趣、爱、自豪、同情和胜利等积极信号需要新的培训工具来创建全新的情感和沟通培训在工具方面，情绪跟踪提供了希望。例如，Keltner认为，音频反馈可能是人们学习如何感受自己的情绪和与他人联系的重要因素。他说：“这就是训练目的的重点，因为这是一种人们意识到的感觉形式——我们听到自己的声音，但看不到自己的脸。它一直是我们社交互动的一部分，我认为它可能是一种让我们在考虑将反馈应用于我们的情绪表达时有更多控制权的感觉形式。”一些企业摒弃了传统的情感概念，转而关注声音是如何被感知的。例如，VoiceVibes开发了一套培训工具，供呼叫中心工作人员和管理人员练习他们的公开演讲技巧。这些工具关注其他人如何看待某人的语音质量，一种公司称之为“感知”的方法。VoiceVibes的首席执行官DebCancro说：“感知对于员工培训和自我意识培训更好。我们经常需要采用最有效的声音，无论我们的情绪如何，即使它与我们的真实感受不符。”例如，某人可能很伤心，但在接听电话时仍然需要使用个性化的语气，或者一位高管可能想学习如何在压力大的情况下保持泰然自若的社交状态。EmotionAI的道德和隐私问题有时，当我们尝试使用更先进的情绪跟踪技术来使消费者受益时，我们冒着惊吓消费者的风险。“公司不应该秘密监控员工，”MotiveSoftware的联合创始人ArmenBerjikly说，该公司致力于使用情感洞察来解决问题业务问题。一些国家安全或金融服务机构可能不得不监控员工，但也有典型的公司冒着违反员工信任的风险，试图改善员工体验。公司应该关注道德问题，Wedel说，因为隐私问题和不合规会适得其反，对公司本身构成威胁。他建议将视频转换为面部表情数据，并剥离其他人的个人资料数据中的可识别信息。咨询公司Elicit的首席营销官BrookeNiemiec表示，个性化营销的关键是避免“令人毛骨悚然”，这一规则也适用于情感识别等新技术应用。这里的诀窍是确保技术仅用于改善当前状况。例如，面部情绪识别摄像头可以衡量参与者对一项活动的总体满意度。“但是，如果你使用相同的技术来筛选出不开心的人，以便有人可以在活动期间直接与他们互动，那么我认为这越过了‘不要令人毛骨悚然’的界限，”Niemiec说。另外，有些人非常擅长掩饰你的真实感受。Niemiec说，任何不当行为或被侵犯的感觉都可能导致人们竖起盾牌，有效地阻止该技术的使用。但情绪追踪可以在汽车制造等传统行业中提供明显的竞争优势。例如，汽车零部件制造商法雷奥在跟踪驾驶员和乘客的舒适度方面投入了大量资金。这不仅提高了客户满意度，还使汽车更安全。法雷奥创新副总裁GuillaumeDevauchelle表示：“人工智能的下一个发展方向是情商。在不久的将来，机器将变得更加善解人意，更能适应我们的情绪，从而更好地与我们互动。”
