都說最難讀懂的是人心，這種復(fù)雜高等動(dòng)物互相理解都有難度。然而，科技卻可能輕而易舉地做到了。在我們還沒搞清楚自己腦子想什么，情緒是快樂還是憤怒時(shí)，人工智能就準(zhǔn)確冷靜不帶感情色彩地指了出來，通過簡(jiǎn)單的“讀腦”“握手”“看臉”，就能輕松看透你，簡(jiǎn)直是比你自己都更了解你。

讀腦繪圖像

拷貝別人記憶不是夢(mèng)

多倫多斯卡伯勒大學(xué)的神經(jīng)科學(xué)家團(tuán)隊(duì)開發(fā)出了一種“讀心術(shù)”方法，通過掃描你的大腦，來展現(xiàn)你腦海中想象的圖像，按照實(shí)驗(yàn)，這種讀心術(shù)方法幾乎萬無一失。完成這項(xiàng)“讀心”任務(wù)的是科學(xué)家制造出的一種“讀心機(jī)器人”，簡(jiǎn)單來說就是一種人工智能程序，這種程序通過識(shí)別大腦中的電子信號(hào)，來復(fù)制描繪大腦中的圖形形狀。該團(tuán)隊(duì)一邊讓受試者觀看電腦屏幕上的人臉圖片，一邊用腦電圖系統(tǒng)記錄他們的腦電波，通過機(jī)器人學(xué)習(xí)算法運(yùn)行腦電波數(shù)據(jù)，以數(shù)字方式重現(xiàn)受試者剛剛看到的人臉圖像。

這項(xiàng)技術(shù)依賴于電腦程序“神經(jīng)網(wǎng)絡(luò)系統(tǒng)”，也就是由人工智能來模擬大腦工作時(shí)的腦電波數(shù)據(jù)，然后將其數(shù)字化并呈現(xiàn)出來。理論來說，這種程序不僅可以學(xué)習(xí)捕捉大腦中看到人臉圖像時(shí)所形成的數(shù)據(jù)信號(hào)，對(duì)于一些演講內(nèi)容、文字?jǐn)?shù)據(jù)、動(dòng)態(tài)圖像等都可以進(jìn)行識(shí)別。所以，雖然目前實(shí)驗(yàn)僅完成了對(duì)人腦看到的人臉圖像的識(shí)別和描繪，未來對(duì)于人腦中形成的關(guān)于文字、數(shù)據(jù)、動(dòng)態(tài)圖像都可以實(shí)現(xiàn)復(fù)制和重現(xiàn)。

研究人員在培訓(xùn)這種“讀心機(jī)器人”時(shí)，首先讓其通過大量的人像數(shù)據(jù)庫(kù)掌握人臉的基本形狀和標(biāo)志特征。當(dāng)機(jī)器人可以識(shí)別面部特征之后，再將這些特征與相對(duì)應(yīng)的腦電圖信號(hào)相關(guān)聯(lián)。這樣，在受測(cè)人員觀察人臉圖像時(shí)，機(jī)器人就可以根據(jù)他們當(dāng)時(shí)的腦電圖反饋準(zhǔn)確描繪出人腦中所反射出的圖像。

實(shí)驗(yàn)參與人、神經(jīng)科學(xué)家阿德里安·內(nèi)斯特對(duì)于結(jié)果非常興奮，“機(jī)器人最終描繪出的可不是簡(jiǎn)單的四邊形或是三角形輪廓，而是由細(xì)微筆觸構(gòu)成的人臉模擬圖。這樣不僅可以重建人們看到的東西，而且還可以用來表達(dá)他們想象出來的，或者記憶中的內(nèi)容。”內(nèi)斯特說，“這就出現(xiàn)了另外一種價(jià)值，執(zhí)法部門可以通過這個(gè)方法，從目擊者那里收集到潛在嫌疑人的信息。”

或許有一天，人們的記憶將呈現(xiàn)另一種可能性，就像英劇《黑鏡》中所展現(xiàn)的那樣，人們可以任意地拷貝或者回放一個(gè)人大腦中的記憶。同時(shí)，這種技術(shù)的實(shí)現(xiàn)也可能在醫(yī)學(xué)上提供參考價(jià)值，為失語(yǔ)者提供一種表達(dá)自己思想的手段。

看臉識(shí)情緒

真正的測(cè)謊儀要來了

通過看臉色、眉眼高低就可以識(shí)別一個(gè)人的情緒，一直是區(qū)分機(jī)器人是否真“智能”的一個(gè)標(biāo)準(zhǔn)，世界各大領(lǐng)域的技術(shù)大咖也都在努力讓人工智能學(xué)會(huì)“察言觀色”。谷歌的研究者們開發(fā)了一款網(wǎng)頁(yè)應(yīng)用，向人們展示由人工智能創(chuàng)作的小動(dòng)物繪畫，然后通過攝像頭記錄人們看到繪畫時(shí)的反應(yīng)，準(zhǔn)確識(shí)別觀眾的喜好之后，網(wǎng)頁(yè)就可以更好地“投其所好”繪畫，這也應(yīng)該是“察言觀色”的最初級(jí)體現(xiàn)。

跟谷歌團(tuán)隊(duì)不同的是，麻省理工學(xué)院的研究者們正在針對(duì)“負(fù)面”情緒在探索，因?yàn)榭謶帧盒臅r(shí)的表情可能會(huì)更夸張，人工智能也就更容易上手。

另外，類似美國(guó)知名初創(chuàng)公司Affectiva的諸多企業(yè)都在探索有情感的人工智能，以及讓機(jī)器更好地理解人類面部表情和社會(huì)行為的技術(shù)。比如說如何讓無人駕駛汽車識(shí)別司機(jī)情緒，在司機(jī)分心時(shí)接管駕車任務(wù)等。

人工智能理解人類情緒的方法其實(shí)和人類一樣，無非就是通過面部表情變化判斷情緒波動(dòng)。即使人會(huì)故意控制面部表情和聲音不產(chǎn)生變化或者展現(xiàn)出與內(nèi)心世界不一樣的表情和聲音，也總會(huì)露出一些破綻，只不過可能會(huì)很微小或一閃而過，讓人不易察覺。但對(duì)于人工智能來說，發(fā)現(xiàn)細(xì)微的現(xiàn)象或捕捉稍縱即逝的變化正是他們的長(zhǎng)項(xiàng)，他們可以借助高速攝像機(jī)和高性能處理器來完成這項(xiàng)工作，從這個(gè)方面來說，人工智能對(duì)人類情緒的理解可能會(huì)比人還優(yōu)秀。

人工智能情緒識(shí)別的能力用處極大，在醫(yī)療業(yè)、服務(wù)業(yè)甚至審訊領(lǐng)域都會(huì)發(fā)揮不小的作用，就像美劇《Lie to me》能透過辨別微表情指認(rèn)犯罪者一樣，也許會(huì)在不久后實(shí)現(xiàn)。

握手辨性格

自閉兒童將有新伙伴

機(jī)器人的可怕之處不僅在于可以洞察你的大腦，還能夠從一次簡(jiǎn)單的握手中，瞬間挖掘到你的性格。據(jù)英國(guó)《每日郵報(bào)》報(bào)道，研究人員正在研發(fā)類人的情感機(jī)器人，它們對(duì)于觸覺相當(dāng)敏感，所以僅從簡(jiǎn)單的肢體接觸就可以判斷對(duì)方的性別、情緒和性格，從而回應(yīng)以相對(duì)的感情安慰。這樣的機(jī)器人就不僅僅看起來像人，還擁有和人類相似的社交能力，通過感情慰藉來融入到人類環(huán)境中。

“給機(jī)器人賦予情感是唯一可以拉近它們和人類之間情感距離的方法。”巴黎薩克雷大學(xué)的教授阿德里亞娜表示，“我們此后的研究方向就是讓機(jī)器人能夠擁有一個(gè)‘玻璃心’，敏感到可以感知人類情緒，并學(xué)會(huì)禮貌、同情或者幽默地回應(yīng)人類的情緒。”研究人員在初期的實(shí)驗(yàn)中已經(jīng)完成了機(jī)器人通過握手的簡(jiǎn)單肢體接觸就能判斷對(duì)方性別的能力，且正確率達(dá)到75%。

阿德里亞娜解釋：“我們首先設(shè)定了男女不同性別在握手這個(gè)動(dòng)作中的不同表現(xiàn)模式，比如男女在握手時(shí)的力度、幅度上和時(shí)間都不一樣，外向的人和內(nèi)向的人表現(xiàn)出的握手姿勢(shì)和頻率也不一樣，通過給機(jī)器人‘灌輸’這些握手模式，讓它們能夠在實(shí)際操作中識(shí)別對(duì)方身份。”

為了能夠更全面準(zhǔn)確地進(jìn)行模式設(shè)定，研究人員對(duì)大量男女握手姿勢(shì)進(jìn)行了觀察研究，除了握手力度、擺動(dòng)幅度、時(shí)間長(zhǎng)度、放松程度的區(qū)別外，研究人員還發(fā)現(xiàn)，男士主動(dòng)握女士手時(shí)普遍習(xí)慣手臂更向下伸，推測(cè)是因?yàn)橐话闩慷几。斐赡惺课帐值牧?xí)慣動(dòng)作。如果這種敏感的感知能力可以推行，那么未來機(jī)器人可能扮演的角色將有很多，比如成為自閉癥孩子最好的朋友，或者孤寡老人的貼心“老伴兒”。

此前的一份調(diào)查顯示，5歲至18歲之間的青少年中，有20%表示更愿意與機(jī)器人交朋友。而對(duì)于有自閉癥的孩子來說，機(jī)器人的敏感和貼心也更會(huì)成為打動(dòng)這些孩子并換以真心的特質(zhì)。

相關(guān)知識(shí)

人工智能怎么學(xué)習(xí)

以上所有的人工智能“讀心術(shù)”歸根結(jié)底都還是基于其“深度學(xué)習(xí)能力”才能達(dá)成的。人工智能之所以具備學(xué)習(xí)能力，是因?yàn)樗灿蓄愃迫祟惖拇竽X——人工神經(jīng)網(wǎng)絡(luò)（ANN），它的本質(zhì)就在于試圖模仿大腦神經(jīng)元之間的傳遞處理信息的模式。

人工神經(jīng)網(wǎng)絡(luò)的創(chuàng)造理念受到生物學(xué)的啟發(fā)，是生物神經(jīng)網(wǎng)絡(luò)的一種模擬和近似，它從結(jié)構(gòu)、實(shí)現(xiàn)機(jī)理和功能上模擬生物神經(jīng)網(wǎng)絡(luò)。一般認(rèn)為，人工神經(jīng)元網(wǎng)絡(luò)是由大量神經(jīng)元通過極其豐富和完善的連接而構(gòu)成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。因?yàn)樯锏膶W(xué)習(xí)系統(tǒng)是由相互連接的神經(jīng)元組成的異常復(fù)雜的網(wǎng)絡(luò)，其中每一個(gè)神經(jīng)元單元有一定數(shù)量的實(shí)值輸入，并產(chǎn)生單一的實(shí)數(shù)值輸出。這種輸入和輸出模式基于數(shù)學(xué)統(tǒng)計(jì)學(xué)類型的學(xué)習(xí)方法得以優(yōu)化，所以人工神經(jīng)網(wǎng)絡(luò)也是數(shù)學(xué)統(tǒng)計(jì)學(xué)方法的一種實(shí)際應(yīng)用。

這種神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，達(dá)到處理信息的目的，自身也就具備了學(xué)習(xí)和自適應(yīng)的能力。