人工智能正在学会察言观色

想象一下，你坐在办公桌前登录参加绩效评估，一个人工智能系统正在分析对话。你长时间工作，平衡着截止日期，你的经理问你最近怎么样。你说你很好，甚至可能微笑，但你的声音中有一丝犹豫和颤抖。当你改变姿势时，你的肩膀耷拉下来。这些微妙的线索对人类的眼睛来说可能暗示着潜在的压力。但对于一个只被训练将情绪归类为“快乐”或“悲伤”的人工智能模型来说，这些细微差别很可能会丢失。它会记录下话语和微笑，然后继续前进——除非你的人类经理介入，否则你疲惫、注意力不集中、可能离倦怠还有几天的事实永远不会被考虑在内。

“情感人工智能”通过面部表情、语音语调和行为来估计人们的感受，似乎突然无处不在；它被用于员工福祉和招聘面试、教育平台和驾驶员监控系统。NiCE和Genesys等技术呼叫中心平台使用人工智能来检测客户何时听起来沮丧，并实时提示座席放慢速度或以更多同理心回应。Meta等巨头公司和Hume AI等初创公司正在开发更具表现力的语音人工智能系统，这些系统可以检测“对话”对象的情感线索，并调整他们的沟通方式。此外，数百家公司已经提供虚拟人工智能陪伴应用程序，这是一个快速增长的市场，到2035年可能价值约5550亿美元——机器人伙伴也进入了画面。例如，Intuition Robotics的ElliQ是一个小设备，大致类似于一个白色台灯，现在被用来让老年人参与对话，希望减少孤独感。

但是，尽管情感人工智能领域正在快速发展，但大多数现有系统都专注于检测有限数量的信号，一次标记一种特定的情绪——如果你想理解人类状况，这是不够的。在现实世界中，人类信号和情绪是情境性的、重叠的且不断变化的。笑声可以表示快乐、紧张或两者兼有；提高的声音可能同样容易表示热情或沮丧。使情绪检测工作更加困难的是，反应因人而异，取决于人口统计、文化背景和无数其他变量。换句话说，我们期望人工智能捕捉到的和人工智能实际能提供的之间存在差距。这就是我们称之为人类情境人工智能的新研究领域正在努力缩小的差距。

人类情境人工智能不是只看一个输入并标记它，而是越来越有能力评估个人的个性和特征，并在结合多种输入（包括面部动态、声音、语调、语言和行为）的同时实时跟踪情绪。至关重要的是，反应也在特定环境的背景下进行评估，例如绩效评估或专业辅导课程。结果呢？计算机正在学习阅读场景，而不仅仅是屏幕。情感感知人工智能的故事始于大约三十年前麻省理工学院媒体实验室，美国电气工程师和计算机科学家罗莎琳德·皮卡德创造了“情感计算”一词。她的工作引入了一个激进的想法，即可以教会计算机识别和响应人类情感。皮卡德的早期实验侧重于单一模式：面部表情、语音语调和生理信号，如皮肤电导或心率。目标是让机器了解人类情感，帮助它们变得更有同理心。这是一个令人兴奋的愿景，但当时科学和硬件还没有准备好。计算能力有限，传感器粗糙，数据集狭窄且有偏见。

在接下来的几十年里，研究人员和公司在衡量人类表达自己的多种方式方面变得更好。在2010年代，情感分析——处理大量文本以找出情感潜台词——开始进入主流。与此同时，包括我的公司Neurologyca在内的营销公司开始使用视频和网络摄像头来测量和编目客户反应。Fitbit和Apple Watch等生物识别设备和活动追踪器也变得无处不在，产生了关于人们睡眠、步数、压力水平等的新数据流。毫不奇怪，科学家们很快证实，更大数量的个性化数据导致读取人类情感的准确性更高。2019年，康奈尔大学的研究人员证明，结合多种类型的信号可以改善情感感知。他们的系统将生理数据（如通过脑电图（EEG）和心率测量的脑活动）与视觉线索（如面部表情）相结合，优于仅依赖一种输入的系统。大约在同一时间，皮卡德和她在麻省理工学院的团队发现，在特定个人的独特数据上训练的人形机器人在读取该人的反应和感受方面明显优于没有个性化数据行动的机器人。最近的研究与这些发现一致。2024年，韩国的科学家表明，融合生理、环境和个人数据来识别情感，错误率降低了32%。2025年发表的另一篇论文表明，用户特定信息显著提高了情感识别性能。今天，我们的设备知道我们是谁；我们的习惯和倾向，喜欢和不喜欢。它们也变得更小、更高效。嵌入手机、笔记本电脑、虚拟现实和增强现实设备中的小型低功耗摄像头和麦克风可以同时检测数十种人类信号，从眼球运动和微表情到呼吸节奏、语音调制和姿势。计算能力的进步使得这些信号能够实时处理。