研究人員開發(fā)出能識別運(yùn)動員情緒的人工智能

　　據(jù)外媒報(bào)道，德國卡爾斯魯厄理工學(xué)院(KIT)和杜伊斯堡 - 埃森大學(xué)的研究人員利用計(jì)算機(jī)輔助神經(jīng)網(wǎng)絡(luò)成功識別出網(wǎng)球比賽中運(yùn)動員的情緒狀態(tài)。這項(xiàng)研究首次使用實(shí)際比賽數(shù)據(jù)對基于人工智能的模型進(jìn)行訓(xùn)練。

　　該研究發(fā)表在《基于知識的系統(tǒng)》期刊上，論文名為《利用卷積神經(jīng)網(wǎng)絡(luò)從網(wǎng)球運(yùn)動員的表達(dá)行為識別情緒狀態(tài)》。研究人員來自 KIT 的體育與運(yùn)動科學(xué)研究所以及杜伊斯堡 - 埃森大學(xué)的軟件開發(fā)和計(jì)算機(jī)科學(xué)領(lǐng)域。他們開發(fā)了一個(gè)特殊的人工智能模型，利用模式識別程序分析了實(shí)際比賽中記錄的網(wǎng)球選手的視頻。

　　研究人員使用了15名網(wǎng)球選手在特定場景下的視頻序列，重點(diǎn)關(guān)注他們在贏得或輸?shù)粢环謺r(shí)的肢體語言。視頻顯示選手的肢體語言包括低頭、舉起手臂歡呼、掛著球拍或步行速度的差異，這些信號可以用來識別選手的情緒狀態(tài)。在獲取這些數(shù)據(jù)后，人工智能學(xué)習(xí)將肢體語言信號與不同的情緒反應(yīng)聯(lián)系起來，判斷一分是否被贏得(積極的肢體語言)或輸?shù)?消極的肢體語言)。KIT 的體育與運(yùn)動科學(xué)研究所的 Darko Jekauc 教授表示:“我們的模型可以以高達(dá)68.9% 的準(zhǔn)確率識別情緒狀態(tài)，這與人類觀察者和早期自動化方法的評估相當(dāng)甚至有時(shí)更優(yōu)秀。”

　　這項(xiàng)研究的一個(gè)重要而獨(dú)特的特點(diǎn)是項(xiàng)目團(tuán)隊(duì)使用真實(shí)場景而不是模擬或虛構(gòu)的情況來訓(xùn)練他們的人工智能系統(tǒng)。然而，這項(xiàng)研究也引發(fā)了一些倫理問題。研究不僅展示了人工智能算法在識別情緒方面可能超過人類觀察者的能力，還揭示了一個(gè)有趣的方面:無論是人類還是人工智能，在識別負(fù)面情緒方面都更加準(zhǔn)確。“原因可能是負(fù)面情緒更容易識別，因?yàn)樗鼈円愿�明顯的方式表達(dá)出來，”Jekauc 教授解釋道。“心理學(xué)理論表明，人們從進(jìn)化的角度更適應(yīng)于感知負(fù)面情緒表達(dá)，例如，快速化解沖突對于社會凝聚力至關(guān)重要。”

　　研究人員認(rèn)為情緒識別可以在多個(gè)領(lǐng)域應(yīng)用，例如改進(jìn)訓(xùn)練方法、團(tuán)隊(duì)動力和表現(xiàn)以及預(yù)防過勞。其他領(lǐng)域，包括醫(yī)療保健、教育、客戶服務(wù)和汽車安全等，也可以從可靠的情緒狀態(tài)早期檢測中受益。“盡管這項(xiàng)技術(shù)提供了顯著的好處，但也必須考慮與之相關(guān)的潛在風(fēng)險(xiǎn)，尤其是涉及隱私和數(shù)據(jù)濫用的問題，”Jekauc 教授說道。“我們的研究嚴(yán)格遵守現(xiàn)有的倫理準(zhǔn)則和數(shù)據(jù)保護(hù)法規(guī)。鑒于將來這種技術(shù)在實(shí)踐中的應(yīng)用，提前明確倫理和法律問題至關(guān)重要。”