如今“社恐”一詞好像已經(jīng)成為了90后身上最常見的標簽，這類人群由于不擅長跟人交際，時常陷入“尬聊”的局面。

尤其是當人們只憑文字進行交流時，很容易因為誤判對方的意圖和情緒從而做出錯誤回應。

但有這么一款AI聊天助手，它不僅能解決這個問題，還能手把手教你如何回復對方。

據(jù)36氪報道，這款叫Mei的手機應用在對大量的文本對話數(shù)據(jù)進行分析之后，可以得出交談時對方的情緒、性格以及行為模式，并為用戶和聯(lián)系人建立完整的個性檔案。

在對話中，它可以幫助你揣摩對方的情緒并做出合適的回應。

在Mei的官網(wǎng)上也可以看到它總結出的幾個明顯模式：如果你的朋友叫你“bub ”，她可能就是對你有意思，因為女生對感興趣的對象用“bub”的頻率會比對普通朋友高10倍；

另外，當兩個人處于感情發(fā)展期，會更多地使用“night”和“dream”這兩個詞語。

36氪還在報道中提到，Mei的創(chuàng)始人Lee曾說過完整的文字信息很難掩飾用戶的情緒和狀態(tài)，因此利用人工智能和大數(shù)據(jù)分析，結合心理分析理論，就可以為用戶的文本對話提供個性化分析和建議。

與文字識別相比，人工智能對面部表情的情感識別應用則更加廣泛。

比如在面試中，招聘單位會通過求職者的表情判斷她的情緒是無聊還是熱情。在零售場所，這一技術也可以用于識別顧客的心情甚至年齡從而配合精準營銷。

目前亞馬遜、微軟以及Affectiva等公司都在開發(fā)相似的情感檢測產(chǎn)品，這些產(chǎn)品宣稱能夠通過對面部表情的識別判斷出對方的感受。

以亞馬遜的云服務RekigniTIon為例，在改進服務后，RekigniTIon可以對快樂，悲傷，憤怒，驚訝，厭惡，冷靜、困惑和恐懼這八種情緒進行識別。

初創(chuàng)公司AffecTIva的產(chǎn)品則是通過攝像頭和麥克風檢測車內乘坐人員的情感和認知狀態(tài)，從而減少交通事故的發(fā)生。

據(jù)該公司稱，這個軟件能分析司機出是否處于生氣或興奮狀態(tài)，并通過打哈欠、閉眼、眨眼頻率等小動作的監(jiān)測得出是否疲勞駕駛的結論。

但在去年7月，美國五名專家發(fā)表了一篇論文駁斥“根據(jù)表情識別情感”這一觀點，并通過大量研究證明市面上的許多依托面部表情識別情感的算法缺乏充分的科學依據(jù)。

數(shù)據(jù)顯示，當人們生氣時，他們在平均不到30%的時間里會皺眉，因此皺眉不能等于憤怒，它只是‘憤怒’的眾多表達方式之一。

這也就意味著在超過平均70%的時間里，人們生氣時是不會皺眉的。另外，即使人們在不生氣的時候，也會經(jīng)常皺眉。

該研究還提到，亞馬遜的RekogniTIon系統(tǒng)和其他情緒讀取算法一樣，是結合計算機視覺和機器學習算法，在識別面部特征后將與其相應的情緒關聯(lián)起來。

因此目前人工智能對情緒的識別其實是基于刻板印象：例如開心時會大笑，難過的時候會大哭，生氣的時候會皺眉。

不可否認我們的面部表情和真實情緒之間存在著直接聯(lián)系，但心理學教授Barrett也在研究中指出，“情境會強烈影響人們通過面部表情推斷出的情感含義?！倍F(xiàn)在的情緒識別系統(tǒng)所分析的數(shù)據(jù)并不包含任何有關相關背景的重要信息。

另外，個體在表達情感方式上的不同也會造成面部表情的差異。

這也就意味著包括亞馬遜、Affectiva在內的許多公司宣稱的“情感識別算法”準確度無法得到有效保證。

盡管目前這項技術仍在不斷改進，如Affectiva通過對駕駛員的跟進研究，收集了大量有關面部表情、手勢和語調等自然行為和情感數(shù)據(jù)，不僅僅是局限于面部表情的分析。

但顯然，如果在還沒有得到完善的情況下就被應用到招聘、醫(yī)療、安檢等場景中，錯誤的結果可能會造成人們被誤解。

同樣，即使前文所提到的文本對話識別基于對大量內容數(shù)據(jù)進行分析，能夠在一定程度上達到理解的目的，但也受限于語氣、語境甚至是文化差異，不可避免地會“表錯情”。

畢竟就連我們人類自身都經(jīng)常無法準確理解情感的傳達，更何況是人工智能呢？