首頁 -> 登錄 -> 注冊 -> 回復主題 -> 發(fā)表主題
光行天下 -> 人工智能 -> 人工智能:正在學習讀懂你的情感,未來可幫助管理負面情緒 [點此返回論壇查看本帖完整版本] [打印本頁]

ttb2016 2018-07-29 22:16

人工智能:正在學習讀懂你的情感,未來可幫助管理負面情緒

麻省理工學院媒體實驗室的研究者們已經開發(fā)了一種機器學習模型,這種模型讓電腦更加像人一樣解譯我們的情感。 7nk3^$|  
pzcof#2  
在“情感計算”這個新興領域,人們開發(fā)可以分析面部表情的機器人和計算機,讓它們解譯我們的情感并根據解譯結果做出回應。其應用包括管理個人健康、保證學生在課堂上的興趣、幫助診斷一些疾病以及開發(fā)有用的機器人伙伴。 5~=wia  
#s|,o Im  
然而這項技術面臨的一大挑戰(zhàn)是,不同的人表達情感的方式非常不同,這一不同依賴于許多因素。一些普適的差異包括不同文化、性別、年齡組之間的差異。但是此外還存在一些更精細的差異:每天中的不同時刻、睡眠狀況、甚至對談話對象的熟悉程度等都會導致你情感表達的差異。 N3@gvS  
/|,:'W%U  
人們的大腦天生就可以處理這些偏差,但這對機器來說很難。深度學習技術在近些年來幫助機器捕捉這些偏差,但這還無法精確到或能夠適應不同的人群需求。 )KcY<K  
'Jl3%axR  
麻省理工學院媒體實驗室的研究人員們開發(fā)了一種新的機器學習模型,這個模型通過幾千個面部圖像學習,獲得了比傳統(tǒng)模型更能捕捉到細微的面部表情變化的能力,可以更好衡量人們的情感。此外,通過使用一些額外的訓練數據,模型還可以適應一個全新的人群,并達到同樣的效果。這項研究的目標是提高現有的情感計算技術。 9 N9Q#o$!.  
:[bpMP<bz;  
“這是一種隱蔽的管理情感方式,”麻省理工學院媒體實驗室研究者及這篇文章的共作者 Oggi Rudovic 表示,“如果你想讓機器人擁有社交智能,你必須讓它們能夠聰明而自然地對我們的情感作出回應,更加像人類一樣。”O(jiān)ggi Rudovic 在上周的機器學習和數據挖掘大會上進行了展示。 .MW/XnCYs4  
GW!%DT  
[attachment=85519]
r,cK#!<%  
個性化專家 ]vq=~x  
BaOPtBYA:  
傳統(tǒng)情感計算模型通常想找到一個“通解”。他們通過對一系列描述不同面部表情的圖像訓練來優(yōu)化特征——如當笑的時候嘴唇是如何卷曲的——并將這些普適的優(yōu)化標記在整個新圖像數據集中。 hXQo>t-$  
wo_iCjmK  
而本次研究的科學家將個性化模型技術與“多專家模型(MoE)”技術結合,幫助挖掘細粒度的個人面部表情數據。Rudovic 說,這是首次將這兩種技術結合并用于情感計算。 s^ K:cz  
Z]=9=S| .4  
在多專家模型中,一系列神經網絡模型被稱為“專家”,每一個“專家”用于專門訓練一個分開的任務并生成一個輸出結果。研究人員結合了門控網絡,這一網絡可以計算每個專家成功解譯未見過的新情緒的概率!盎旧希W絡可以區(qū)別個體的差異并指出‘在這張圖中這個專家的結果是正確的’。”Feffer 說。 .oz(,$CS"  
1L<X+,]@  
對他們的模型來說,研究人員通過將每個專家與 RECOLA 數據集中 18 個個人視頻記錄進行匹配。RECOLA 數據集是一個公開數據庫,供人們在為情感計算設計的應用平臺上通過視頻聊天交流。他們采用了 9 個主題訓練模型,而通過另外 9 個主題來評估訓練結果。所有的視頻都被剪輯成獨立的小部分。 W>m #Mz  
a'B 5m]%  
每一個專家和門控網絡都可以通過一種叫 ResNet 的分類神經網絡幫助追溯到每個個體的面部表情。在這個過程中,模型基于數值的高低(如高興或不高興)和喚醒程度(如興奮)為每一個框架打分。通常使用矩陣為這些不同的情感狀態(tài)進行編碼。同時,6 個人類專家標記每一個框架的數值和喚醒度,用來訓練這些模型。 \zV'YeG  
);L