你如何从机器人获得治疗？ 情感智能机器可能并不像看起来那么遥远。 在过去的几十年里，人工智能（AI）越来越善于阅读人类的情绪反应。
但是阅读不同于理解。 如果AI自己不能体验情绪，他们能否真正理解我们？ 而且，如果不是，我们有没有把机器人属性归于他们没有的风险？
最近一代的人工智能来自于计算机学习数据的增加，以及处理能力的提高。 这些机器在一直被视为人的任务中竞争越来越激烈。
人工智能现在可以，除其他外， 认出面孔, 把脸上的草图变成照片, 承认言语 和 玩去吧.
识别罪犯
最近，研究人员开发了一种人工智能，通过查看他们的面部特征，能够判断一个人是否是犯罪分子。 该系统使用中文ID照片和数据库进行评估 结果 是下降的。 人工智能错误地将无辜者归类为6％左右的犯罪分子，而在83％的犯罪分子中能够成功识别。 这导致几乎90％的总体准确度惊人。
该系统基于一种称为“深度学习”的方法，其在诸如人脸识别的感知任务方面已经成功。 在这里，深度学习与“脸部旋转模型”相结合，即使照片之间的照明或角度改变，AI也可以验证两张面部照片是否代表同一个人。
深入学习 建立一个“神经网络”，松散地仿照人脑。 这是由成千上万的不同层次的神经元组成的。 每个层将输入（例如面部图像）转换成更高级别的抽象，例如在特定方位和位置处的一组边缘。 这会自动强调与执行给定任务最相关的功能。
鉴于深度学习的成功，人造神经网络可以区分犯罪分子和非犯罪分子并不奇怪 - 如果确实存在可以区分它们的面部特征。 研究表明有三个。 一个是鼻尖和嘴角之间的角度，平均来说，犯罪分子的19.6％小。 上嘴唇曲率平均为23.4％，犯罪分子的平均值为5.6％，而内眼角之间的距离平均为XNUMX％。
乍一看，这个分析似乎表明了这一点 过时的意见 犯罪分子可以通过身体属性来识别并不是完全错误的。 但是，这可能不是完整的故事。 有趣的是，两个最相关的特征是与嘴唇相关的，这是我们最具表现力的脸部特征。 如在研究中使用的身份证照片需要具有中性的面部表情，但可能是AI设法在这些照片中找到隐藏的情绪。 这些可能是如此微小以至于人类可能难以注意到它们。
看文中展示的样品照片难以抗拒诱惑，目前尚未得到同行评议。 事实上，仔细一看，在非犯罪分子的照片中， 你自己看。 但是只有少量样本照片是可用的，所以我们不能将我们的结论推广到整个数据库。
情感计算的力量
这不是电脑第一次能够识别人类的情绪。 所谓的“情感计算“已经存在好几年了。 有人认为，如果我们要舒适地生活和与机器人互动，这些机器应该能够理解和适当的反应人类的情感。 该地区有很多工作，可能性很大。
例如，研究人员已经使用面部分析 现场挣扎的学生 在电脑辅导会议。 人工智能的训练是为了识别不同层次的参与和挫折，以便系统能够知道学生何时发现工作太简单或太难。 这种技术对于提高在线平台的学习体验可能是有用的。
AI也习惯了 根据我们的声音来检测情绪 由一个叫公司 BeyondVerbal。 他们制作了分析语音调制的软件，并以人们说话的方式寻找特定的模式。 该公司声称能够以80％的准确度正确识别情绪。 将来，这种技术可能会帮助自闭症患者识别情绪。
索尼甚至试图开发一个机器人 能够形成情感纽带 与人。 没有太多关于他们打算如何实现的信息，或者机器人会做什么。 但是，他们提到他们试图“整合硬件和服务，提供激动人心的体验“。
一个情感智能的人工智能有几个潜在的好处，无论是给人一个同伴，或帮助我们执行某些任务 - 从刑事审问到说话治疗。
但也有道德问题和风险。 让一个痴呆患者依靠一个人工智能伴侣是否正确，并且认为在没有情绪生活的情况下呢？ 你能定罪一个基于AI的人，将他们归为有罪吗？ 显然不是。 相反，一旦像这样的系统得到进一步改善和充分评估，一个较少的有害和可能有用的使用可能是触发对AI认为“可疑”的个人的进一步检查。
那么我们应该期望AI继续前进吗？ 人工智能学习等情绪和情绪等主观题目仍然难以学习，部分原因是人工智能可能无法获得足够的数据来客观分析。 例如，AI能理解讽刺吗？ 一个句子在一个语境中说话时可能是讽刺的，而在另一个语境中则不是。
然而，数据量和处理能力却在持续增长。 所以，除了少数几个例外，人工智能很可能在未来的几十年中与人类认识不同类型的情绪。 但是，一个人工智能是否可以体验情感是一个 有争议的话题。 即使可能，也可能会有一些他们永远无法体验到的情绪 - 难以真正理解它们。
关于作者
Leandro Minku，计算机科学讲师， 莱斯特大学
相关书籍：
at InnerSelf 市场和亚马逊
