研究人員開(kāi)發(fā)出能識(shí)別運(yùn)動(dòng)員情緒的人工智能

　　據(jù)外媒報(bào)道，德國(guó)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(shí)別出網(wǎng)球比賽中運(yùn)動(dòng)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(duì)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(shí)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(dòng)員的表達(dá)行為識(shí)別情緒狀態(tài)》。研究人員來(lái)自 KIT 的體育與運(yùn)動(dòng)科學(xué)研究所以及杜伊斯堡 - 埃森大學(xué)的軟件開(kāi)發(fā)和計(jì)算機(jī)科學(xué)領(lǐng)域。他們開(kāi)發(fā)了一個(gè)特殊的人工智能模型，利用模式識(shí)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(chǎng)景下的視頻序列，重點(diǎn)關(guān)注他們?cè)谮A得或輸?shù)粢环謺r(shí)的肢體語(yǔ)言。視頻顯示選手的肢體語(yǔ)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(hào)可以用來(lái)識(shí)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(yǔ)言信號(hào)與不同的情緒反應(yīng)聯(lián)系起來(lái)，判斷一分是否被贏得(積極的肢體語(yǔ)言)或輸?shù)?消極的肢體語(yǔ)言)。KIT 的體育與運(yùn)動(dòng)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(shí)別情緒狀態(tài)，這與人類觀察者和早期自動(dòng)化方法的評(píng)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(chǎng)景而不是模擬或虛構(gòu)的情況來(lái)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(wèn)題。研究不僅展示了人工智能算法在識(shí)別情緒方面可能超過(guò)人類觀察者的能力，還揭示了一個(gè)有趣的方面:無(wú)論是人類還是人工智能，在識(shí)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(shí)別，因?yàn)樗鼈円愿�明顯的方式表達(dá)出來(lái)，”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(duì)于社會(huì)凝聚力至關(guān)重要。”

　　研究人員認(rèn)為情緒識(shí)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(dòng)力和表現(xiàn)以及預(yù)防過(guò)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(cè)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(wèn)題，”Jekauc 教授說(shuō)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(lái)這種技術(shù)在實(shí)踐中的應(yīng)用，提前明確倫理和法律問(wèn)題至關(guān)重要。”