麻省理工学院帮助机器学习系统感知人类情绪

麻省理工学院媒体实验室的研究人员开发了一种机器学习系统，可以“读取”面部表情来确定人类的情绪。

当人们渴望开发能够解释人类复杂的交流和表达的机器时，一些人认为情感计算可以提供传统机器人、软件和解决方案之间缺失的联系，这对一些人来说确实是有益的。

情感阅读系统的潜在应用范围从不引人注目的心理健康追踪，到测量学生上课的兴趣或顾客对商店的兴趣。

解释情感挑战。

能够“读懂”人是很多人认为理所当然的技能。对于机器来说，没有直觉或情商那么容易。尤其是当工作中有很多变数，背景又如此重要的时候——更不用说文化差异了。

例如，一个人可以用不同的方式表达他的情绪。而在此之前，年龄、文化和性别等因素也被加入到组合中。深入研究，一天中的时间，其他人在互动中的存在，以及一个人当前的情绪都会让阅读情绪成为一个复杂的过程。

这就是机器学习的作用。有了足够的训练数据，麻省理工学院媒体实验室的研究人员开发了一个系统，该系统在识别小的面部表情及其相应的情绪方面优于现有模型。

该团队声称，有了“一些额外的训练数据”，该模型可以在不牺牲功效的情况下适应分析新的情况，例如一群新的人。

“这是一种不引人注目的监控我们情绪的方式，”媒体实验室的研究员Oggi Rudovic说，他是一篇描述该模型的论文的合著者，该论文于上周在机器学习和数据挖掘会议上发表。“如果你想要拥有社会智能的机器人，你必须让这些机器人对我们的情绪和情感做出智能、自然的反应，更像人类。”

麻省理工学院团队的机器学习模型不同于传统的情感计算，它使用了一种被称为“专家混合”的技术。这种方法不是在一组图像上训练系统，也不是将各种面部表情及其相应的情绪映射到新的图像上，而是与单个神经网络模型——“专家”相结合。

这些“专家”中的每一个都接受过专业培训，专门处理个人任务，并从中产生单一输出。新系统还依赖于一个“门控网络”，计算哪个专家最能检测到情绪的概率。

该研究的主要作者迈克尔费弗说：“基本上，网络可以识别个人，并说‘这是给定图像的合适专家’。