1
| 本文作者： 三川 | 2017-02-10 19:34 | 專題：AAAI 2017 |
編者按：本文中，雷鋒網(wǎng)將為大家介紹一名在世界 AI 江湖享有特殊聲望的人工智能大?！?Rosalind Picard。
她是麻省理工學(xué)院（MIT）教授，在 MIT 的跨領(lǐng)域尖端科學(xué)實驗室 Media Lab 從事機器學(xué)習(xí)與神經(jīng)科學(xué)的交叉研究，一手創(chuàng)立了 Media Lab 情感計算研究部。她同時是兩家初創(chuàng)公司 Affectiva 和 Empatica 的聯(lián)合創(chuàng)始人，前者研發(fā)情緒識別、監(jiān)測技術(shù)，后者生產(chǎn)整合這些技術(shù)的醫(yī)療傳感器，例如醫(yī)用可穿戴設(shè)備。但最重要的是，她的著作《Affective Computing》開創(chuàng)了計算機科學(xué)和人工智能學(xué)科中的新分支——“情感計算”。
《Affective Computing》
她的研究橫跨多個領(lǐng)域，涉及腦神經(jīng)科學(xué)、計算機視覺、人機交互等等，但專注于情緒識別，以及人機交互中的情感溝通。她的研究之路并不平坦。在機器學(xué)習(xí)技術(shù)停留在算法時代時，研究“情感”并不受到學(xué)界的歡迎。一開始，各大 AI 學(xué)術(shù)會議拒絕接受她的成果與論文。但隨著 AI 技術(shù)的發(fā)展，如何賦予 AI“認(rèn)知”與“情感”這一課題變得越來越突出。李飛飛就在近日表示：
“我認(rèn)為下一步人工智能的發(fā)展，需要加強對情感，情緒的了解，要走進(jìn)認(rèn)知學(xué)，心理學(xué)。我說的不僅是腦科學(xué)，而是認(rèn)知學(xué)。因為我們目前對人的情感理解非常少，而這對于人工智能來說是很重要的?！?/em>
而身為“情緒計算”之母的 Rosalind Picard，便是該領(lǐng)域首屈一指的專家。在機器學(xué)習(xí)算法工具日漸普及的今天，人們猛然醒覺“認(rèn)知”“情感”正是創(chuàng)造出真正的 AI 的瓶頸。于是，全世界的目光都投向了 Rosalind Picard 的研究。此次，AAAI 2017 邀請她前來做專題演講，介紹“情緒計算”學(xué)科的由來、情緒識別機器學(xué)習(xí)算法、以及能監(jiān)測人體焦慮、緊張情緒的傳感器的最新研究進(jìn)展。雷鋒網(wǎng)記者對現(xiàn)場演講進(jìn)行了編譯、梳理，非常適合關(guān)注情緒識別 CV 技術(shù)，和“情緒計算”商業(yè)化落地應(yīng)用的讀者們。注：本文由三川、亞萌聯(lián)合編輯。
Rosalind Picard
Rosalind Picard：這次演講中，我想要與大家分享很多故事。尤其自我早年受到 AI 啟發(fā)后，研究中遇到的驚奇發(fā)現(xiàn)。
我年輕的時候，想要創(chuàng)造一個無比智能的 AI 。它的智慧程度就像馬文明斯基的描述那樣：“它是那么得智慧，如果它把我們當(dāng)做寵物一樣養(yǎng)著，只會是我們的幸運”。一開始我覺得這特別酷。但細(xì)想之下就意識到，我并不想成為家庭寵物。但我仍然想要開發(fā)高度智能的 AI，來理解我們的大腦如何工作——對此，創(chuàng)建一個會思考的智能個體，是最好的方式。
學(xué)習(xí)生涯中，我被訓(xùn)練為一個電氣工程師——偏向于架構(gòu)方向，尤其是芯片和硬件設(shè)計。我對一件事非常感興趣：這些零件怎么組合成一個系統(tǒng)，使得我們能“看”。我從事了計算機視覺，并在人類“感知”（perception）領(lǐng)域做了廣泛閱讀，包括感知如何在我們的大腦中運作。
該過程中，我遇到了一個十分驚奇的發(fā)現(xiàn)：
大腦深處涉及情感、記憶、意圖的部分，對大腦皮層（cortical）的影響，要比大腦皮層對它們的影響要大。而大腦皮層被看做是人類智慧活動發(fā)生的場所。當(dāng)時我想，記憶和意圖十分重要，但我不想涉及情感。這背后有一些小心思：作為一個工程學(xué)和計算機科學(xué)專業(yè)的女人，我不想把“情感”話題帶進(jìn)研究，會讓別人笑話（雷鋒網(wǎng)注：男性占據(jù)大多數(shù)的領(lǐng)域?qū)ε缘男詣e偏見）。
但了解地越深，我越是沮喪地發(fā)現(xiàn)，情感在一系列智能活動中都起到核心作用：包括感知、決策、邏輯推理、社交、行動選擇、言語措辭。與此同時，我們從事的 AI 研究，在各個方面似乎都因為忽視了情感、無法充分理解情感的各項機制，而難以取得進(jìn)展。因而我十分不情愿地，打算在這方面做些研究。不出意外，一開始所有成果都被學(xué)術(shù)會議拒之門外。因此，在即將成為終身教授之前，我寫了一本叫“情感計算”的書《Affective Computing》。幸運的是，這本書獲得了許多人的認(rèn)可。所以我今天（才能站在這里）十分欣喜地與大家分享，我和我的學(xué)生研究生涯中的一些故事，以及學(xué)到的一些東西。
研究早期，有一個方面我沒能考慮到：HCI （human-machine interface，即人機交互界面）。后來我得到指點——HCI 是智能交互必不可少的前提。我認(rèn)識一幫芬蘭赫爾辛基大學(xué)的 HCI 研究人員，他們想，也許計算機科學(xué)可算是 HCI 下屬的一個子學(xué)科，因為最終是人類在對機器進(jìn)行評估、交互，并且決定了機器的形態(tài)、功能。
我入行時有一個逐漸形成的大趨勢：如果你想要做智能交互，你的工作就是開發(fā)那些可愛的智能體（agent）。就比如——有多少人記得微軟 Office 的智能助手 Clippy？你或許不知道的是，當(dāng)比爾·蓋茨宣布 Clippy 將被取消，大家都給他起立鼓掌。很多人推文：“Clippy 應(yīng)該被吊死！”。但是為什么他們這么恨 Clippy？Clippy 其實是個很聰明的機器學(xué)習(xí) AI，它能準(zhǔn)確判斷你在 Word 里寫的是信件還是普通文章。我認(rèn)為，大家不喜歡 Clippy 的原因是：它看起來太開心了。而當(dāng) Clippy 在 Office 中出現(xiàn)的時候，你的心情如何？恐怕是苦逼（因為在工作）。
微軟 Office 智能助手 Clippy
當(dāng)你心情不好的時候，別人看到你，如果他/它有智能，他會改變表情、不再看起來開心，以免刺激到你。但做到這一點，它們需要能感知、識別你的狀態(tài)；它們需要理解該狀態(tài)，知道什么才是恰當(dāng)?shù)姆磻?yīng)；它們還需要能夠模擬、表現(xiàn)出那個恰當(dāng)?shù)幕貞?yīng)。順便說一句，這當(dāng)然不是什么新研究發(fā)現(xiàn)，人類知道這一點至少有幾千年了——古時的諺語、歇后語、名言警句還有基督教典籍，很多都講到“向心情沉重的人唱歡快的歌，就像驅(qū)趕冬日的寒冷一樣徒勞”。
因此，我們必須在情感上表現(xiàn)得聰明有智慧，識別情感、對它進(jìn)行回應(yīng)。即便一臺計算機并沒有模擬情感的內(nèi)部機制，既然它們（計算機）會和我們交互，就必須在情感方面變得更智能。所以我展開研究，利用計算機視覺和其他技術(shù)，訓(xùn)練計算機識別人類的情感表達(dá)。早年我讀到一個情感學(xué)家寫的東西：在面部運動編碼系統(tǒng)（FACS，詳見維基百科）中，當(dāng)一個人同時做出第動作單元“臉蛋抬升”（Action unit 6：cheek rise）和第 12 動作單元“嘴角向外拉伸”，這是一個發(fā)自內(nèi)心的笑容，這個人是真的開心。但當(dāng)朋友給你拍照時，他說“茄子”，你做出笑容，那卻是假的。
第六和第 12 動作單元
研究中，我們錄制了一些測試者沮喪時的視頻，測試者并不知道我們想要抓取的是沮喪情緒，所以他們的反應(yīng)真實可靠（雷鋒網(wǎng)注：這里 Rosalind Picard 現(xiàn)場播放了一段用作演示）。這段視頻中，測試者面部出現(xiàn)兩次第六動作單元和第 12 動作單元，但這顯然并不是因為開心。這兩個動作單元，并不總意味著那個人是發(fā)自內(nèi)心的喜悅。事實上，我們的研究發(fā)現(xiàn)，90% 的人在沮喪時做出了這兩個面部動作。同樣的情況，通過教育軟件在幼齡兒童身上被發(fā)現(xiàn)。
該研究中，我們把四個機器學(xué)習(xí)算法，應(yīng)用于區(qū)分開心的笑和苦笑（沮喪時的笑容）這一任務(wù)。在判斷真實笑容上，機器與人類的判斷水平相似。在判斷苦笑上，機器學(xué)習(xí)的成功率是 92%，大幅優(yōu)于人類。當(dāng)然，這不意味著機器學(xué)習(xí)在識別所有面部活動上都超越了人類，而僅在人類有感知偏差、會把某個表情誤認(rèn)為是另一個的領(lǐng)域。詳情請見我的論文。這其中的一個有效特征很可能是 Dynamics（動態(tài)），換句話說，發(fā)自內(nèi)心的笑容有緩慢的展開速度，這是相對于沮喪笑容的突然、迅速——雖然不開心，但要讓自己感覺好些。
人類和機器學(xué)習(xí)算法，識別真笑、苦笑的正確率比較
但該研究需要更多的數(shù)據(jù)，所以我們把許多短視頻（包括超級碗 Super Bowl 的視頻，都是一些很幽默、喜感的內(nèi)容，不會讓參與者不滿）放到網(wǎng)上，邀請人們打開網(wǎng)絡(luò)攝像頭登入觀看，分享他們觀看時的表情。但這實驗中只啟用了喜悅笑容的探測。下圖左下角的綠線、橙線代表了已經(jīng)觀看過這次些視頻的觀眾，相比首次觀看的人（藍(lán)線），他們其實笑地更多。另一個發(fā)現(xiàn)是觀眾發(fā)笑的時間——非首次觀看的觀眾，在看到笑點之前就已經(jīng)有笑的表情。這其實很有趣，這告訴我們，“笑”這一行為或許能夠揭示人們的過去、以及與特定內(nèi)容打交道的經(jīng)歷。
人類何時發(fā)笑的因素，不止是“開心”
機器學(xué)習(xí)開發(fā)者們，一直在琢磨如何提升機器學(xué)習(xí)的成效。我們的實驗給開發(fā)者社區(qū)帶來的核心信息是：相比轉(zhuǎn)換機器學(xué)習(xí)模型，增加數(shù)據(jù)量的效果要好得多。研究中，對于特定（第四）動作單元，真正的提升是在大約 10 萬個訓(xùn)練樣本之后才發(fā)生。第四動作單元是“皺眉頭”（這里指的是眉毛之間起皺紋）——當(dāng)你聚精會神或?qū)δ呈赂械矫曰?、厭惡時的面部活動，很多人眉毛之間都有永久性的“川”字皺紋。我們開發(fā)了一個能根據(jù)該動作單元判斷情緒表達(dá)的檢測模型。有用戶在很不理想的光線環(huán)境下登入測試系統(tǒng)，我們從中獲得了很多數(shù)據(jù)。
如果你想要嘗試我們的測試系統(tǒng)，可以在 iOS 應(yīng)用商店或安卓 Google Play 商店 免費下載，app 名為 “AffdexMe”。目前，在 24 個面部表情的識別上，AffdexMe 達(dá)到了 90% 的精確度，在印度、巴西和中國、南非、美國、歐洲等地都能下載。我的公司 Empatica 向開發(fā)者提供了實時情緒 SDK。如果你需要研究與情緒關(guān)聯(lián)的技術(shù)，現(xiàn)在完全免費的（對于研究人員如此。對于商業(yè)化應(yīng)用，在將來未必免費）。
AffdexMe
在面部表情的研究中，我接觸到許多患有孤獨癥的人士。我和我的學(xué)生 Steve Mann 開發(fā)了類似于谷歌眼鏡的設(shè)備，并集成了面部表情識別裝置。當(dāng)我戴著該智能眼鏡和你說話時，如果你對話題感興趣并且對我微笑，眼鏡屏幕會顯示綠色；如果你流露出困惑的神情，我會看到鏡片顯示的黃色光；如果你流露出負(fù)面情緒，我會看到紅色光，這向我們提示需要更好地處理談話。
當(dāng)我與一個患孤獨癥的年輕女士做實驗時，她太緊張與我說話，于是打字對我說：“Ros，你做得不對。你讀別人的情緒，對我來說并不是問題，但你讀不到我的。”當(dāng)時我感到有些受傷，因為這是我賴以謀生的工作。
但她繼續(xù)說：“并不只是你，所有人都體會不到我的情緒?！?/p>
我就說：“大家為什么會體察不出對方的情緒？我們沒能從你身上讀出的情感是什么？或者，我們讀錯了什么？”她說:”你們感覺不到我的緊張、焦慮。”我意識到，很多人在高度緊張、心頭沉重時，或許其焦慮情緒馬上就要爆發(fā)，但他自己卻沒意識到，而是把自己內(nèi)心關(guān)閉，與周遭分隔開。比方說，中學(xué)里某老師對一個的男孩子說：“起來！做點正事去”，只是很普通的話。但小男孩卻一下子情緒崩潰了，因為他剛被學(xué)校開除。如果老師能正確解讀這個小男孩的情緒，就能避免類似情況發(fā)生。
多年前我們開始做大量情緒檢測實驗的時候，把這看作是一般性的情緒激動信號，但后來證明它比我們想象的遠(yuǎn)遠(yuǎn)更豐富有趣。對于檢測出汗的手掌的技術(shù)，過去我們稱之為“galvanic skin response”，如今一般更科學(xué)、嚴(yán)謹(jǐn)?shù)胤Q為“electrodermal activity”（EDA，皮膚電活動），測量皮膚的電導(dǎo)系數(shù)（conductance）和微摩爾（micromole）。
在麻省理工的 Media Lab，我們著手開發(fā)裝備該技術(shù)的設(shè)備，讓測試者七天 24 小時佩戴，監(jiān)測其數(shù)據(jù)，希望為情緒崩潰等情緒變化提供線索。Empatica 有兩個已經(jīng)商業(yè)化的產(chǎn)品：E4 智能手表推出已經(jīng)有一年，專為研究人員收集測試者收據(jù)。它已被認(rèn)證為醫(yī)療設(shè)備，能收集符合臨床要求的數(shù)據(jù)；另外還有 Embrace 智能手環(huán)，我會隨后介紹。
E4 智能手表
我們的興趣在于，獲取能讓我們讀取自主神經(jīng)系統(tǒng)（autonomic nerve system）兩大分支（“sympathetic division” 和 “parasympathetic division”）的數(shù)據(jù)，它們能呈現(xiàn)出緊張、“fight or flight”（打還是跑）和“rest and digest”（休息、消化）反應(yīng)。收集的兩大信號會實時傳輸?shù)揭苿釉O(shè)備，你能看到皮膚電活動、微摩爾、脈搏（需要按住智能手表），脈搏又可用來計算心率。
除這兩大分支（sympathetic，parasympathetic）以外，自主神經(jīng)系統(tǒng)還有第三個分支：enteric。它很有意思，但現(xiàn)在我們還沒有測量的好辦法。人腦有數(shù)億個神經(jīng)元，在人睡眠時會進(jìn)行無數(shù)有趣的活動、還有各種很酷的學(xué)習(xí)跡象，所以人腦智能研究的成果非常值得期待。但現(xiàn)在的研究重心是逃跑反應(yīng)（flight response）和 parasympathetic 分支的“休息、消化”。前者通過皮膚來監(jiān)測，后者則通常是觀察心率圖譜中的高頻波段。
由于很多研究有孤獨者患者參與，我們經(jīng)常受到要求，開發(fā)他們這一群體易于使用的產(chǎn)品。舉個例子，我們研究團(tuán)隊是世界首個利用普通攝像頭、計算機視覺技術(shù)、時間序列分析（time series analysis）、分解法（decomposition），無需人體接觸而根據(jù)測試者臉色（雷鋒網(wǎng)注：心跳快慢影響面部血液流動，產(chǎn)生面部顏色變化）來讀取心率和呼吸頻率的算法。
最近，我們在嘗試根據(jù)你隨身攜帶的物品（例如口袋里的智能手機），讀取心率和呼吸頻率，而無需佩戴任何設(shè)備。我們把該技術(shù)的精確率與業(yè)界的“黃金標(biāo)準(zhǔn)”——專業(yè)醫(yī)療呼吸傳感器和 ECG 心率檢測設(shè)備對比，以下是受試者在不同姿勢下的平均誤差：
醫(yī)療級的手指脈搏傳感器（戴在受試者手指）誤差在 4 心率/分鐘左右，而我們的技術(shù)平均誤差幾乎全部在 4 以下，因而可說是十分準(zhǔn)確。對于習(xí)慣把手機放在手提包里的人們，如果手提包與人體接觸有限，僅僅用手提著，誤差會稍稍大一些；但如果手提包緊貼于身側(cè)，還是非常精確的。另外，如果你手持智能手機，無論是注視屏幕或是舉著它接聽電話，監(jiān)測結(jié)果都非常精確。但如果你用手指不停點擊屏幕、執(zhí)行觸摸操作，誤差會變大，這倒在意料之中。大家請等我們的好消息——未來會推出能監(jiān)測心率和呼吸頻率的手機 app，而不需要專門的傳感器。
關(guān)于 parasympathetic 和心率監(jiān)測到此為止了，這次講座剩下的部分將聚焦于 EDA 和電導(dǎo)系數(shù)。首先，當(dāng)下的研究階段對我來說十分關(guān)鍵——這是我第一次看到測試者七天 24 小時不間斷的皮膚電導(dǎo)系數(shù)數(shù)據(jù)，目前測試者全是 MIT 的學(xué)生。圖中每一行代表著一天。EDA 在實驗室工作時段（圖中用黃色表示）升高在我們預(yù)料之中，這是由于學(xué)術(shù)交流、認(rèn)知負(fù)荷、情緒負(fù)荷、高難度的 MIT 學(xué)習(xí)和研究（非常難、需要全神貫注的作業(yè)）?？措娨晻r EDA 很低。令人驚訝的是（學(xué)生的）社交活動很少，這就是 MIT 的生活（笑）。社交時 EDA 小幅上升，但不及實驗室時段。當(dāng)你只是聽別人講話時，EDA 較低，但當(dāng)你講話時，它會上升。
最大的驚訝來自于睡覺時段：這期間的皮膚電活動比一天中其他時段都要高。不僅 MIT 學(xué)生如此，普通人也是這般。我們對此提出了許多研究問題，也發(fā)表了許多論文，在這里，我只想指出一點：我們想知道 EDA、EEG （腦電波監(jiān)測裝置，戴在受試者頭部） 和 ACC 各自、以及它們之間組合而成的特征，是否都能反映出睡眠時段的大腦活動高峰期。大家都知道，睡眠讓人腦子更好使——當(dāng)一個人學(xué)了些新東西然后去睡覺，睡醒后進(jìn)行測試往往成績更好。
于是我們進(jìn)行了標(biāo)準(zhǔn)的記憶鞏固、學(xué)習(xí)、睡眠實驗，把睡眠后比睡眠前提升最大的受試者，和提升幅度最小、甚至沒有提升抑或降低的受試者進(jìn)行對比測試。我們創(chuàng)建了一個二元分類器，來看看是否能夠使用這些特征，把兩組受試者區(qū)分出來。迄今為止所發(fā)現(xiàn)的最佳特征是六個智能體（agents）的特征，利用六個很簡單的機器學(xué)習(xí)模型進(jìn)行特征測試。如圖所示，我們看到在一組實驗中紫色所代表的測試（EDA+ACC）；其它所有實驗中紅色所代表的測試（EDA），最能辨別出睡眠時的大腦高峰活動。
細(xì)想之下，這其實很讓人驚訝：為什么手腕上的汗水分泌，會和大腦中的學(xué)習(xí)活動相關(guān)？為什么 EEG 的效果不如它？
當(dāng)我們成功開發(fā)出汗液分析腕帶（配有皮膚電導(dǎo)系數(shù)傳感器，能夠七天 24 小時運行）之后，很多人上門借取，用于各種研究。有一天，實驗室里的一名本科生對我說：“教授 Picard，我的弟弟不能說話，他有孤獨癥，我很想知道到底是什么事讓他這么緊張？我能借一個智能腕帶在圣誕假期時給我弟弟用嗎？拜托了！”我回答道：“當(dāng)然可以，別只拿一個，帶走兩個吧?！?/p>
之后，我開始在辦公室電腦上查看這個小男孩的數(shù)據(jù)。第一天很正常，雖然男孩因為不喜歡雙手的腕帶而尖叫，覺得累贅。第二天也很正常，是個放松的假日。但在第三天，異變發(fā)生了：一只腕帶的指數(shù)突然飆得極高，而另一只腕帶卻沒有反應(yīng)。我以為傳感器一定是壞了，怎么可能身體一側(cè)感到緊張、焦慮，另一側(cè)卻沒有？我仔細(xì)查看數(shù)據(jù)，兩個傳感裝置在這前后一切正常，任何異樣。我試圖找到問題所在，但沮喪地一無所獲，不得不破例給我假期中的學(xué)生打電話。學(xué)生說，那剛好是他弟弟癲癇大發(fā)作前 20 分鐘。
雷鋒網(wǎng)按：這件事令 Rosalind Picard 異常震驚，一度以為是傳感器故障，這是因為：
腦電波在癲癇發(fā)作前產(chǎn)生預(yù)兆性的異常活動聞所未聞，若證實，將是醫(yī)學(xué)上的突破性發(fā)現(xiàn)；
癲癇只在身體一側(cè)產(chǎn)生異常反應(yīng)，亦匪夷所思。
為解開這兩個謎題， Rosalind Picard 求證于某兒童醫(yī)院的癲癇腦外科醫(yī)生，該醫(yī)生在從醫(yī)生涯中的確遇到過癲癇發(fā)作前在身體一側(cè)產(chǎn)生生理反應(yīng)的病例，但醫(yī)學(xué)上尚未有合理解釋。于是兩人展開研究，在癲癇患者身上進(jìn)行 EEG、EDA 監(jiān)測。實驗結(jié)果證實，所有患者均在癲癇發(fā)作時才產(chǎn)生異常腦電波、皮膚電活動（雷鋒網(wǎng)注：小男孩的皮膚電異常，應(yīng)為無痙攣癥狀的癲癇發(fā)作）。另外，研究發(fā)現(xiàn)，由于大腦中許多組織成對出現(xiàn)，當(dāng)只有其中一個受到異常腦電波刺激，身體另一側(cè)的皮膚會產(chǎn)生異常皮膚電活動（舉個例子，若右側(cè)腦組織接受異常刺激，人體左側(cè)皮膚會有異常電活動，反之亦然）。
癲癇發(fā)作時的腦電波異常
在此這些都不是主要成果，Rosalind Picard 等另外揭開了一個重大研究發(fā)現(xiàn)：當(dāng) EEG 傳感器檢測到測試者腦電波活動停止時（癲癇猝死癥（SUDEP）癥狀，大腦活動完全停止，導(dǎo)致患者呼吸停止），停止的時間越長，死亡的風(fēng)險就越大，但同時，EDA 檢測到的皮膚電指數(shù)就越高。
癲癇猝死癥時，大腦活動停止
簡而言之，皮膚電活動指數(shù)能準(zhǔn)確監(jiān)測癲癇猝死癥。該發(fā)現(xiàn)意義深遠(yuǎn)——這代表著，若癲癇患者隨身佩戴 EDA 傳感設(shè)備，一旦癲癇猝死癥發(fā)作，系統(tǒng)就能立刻通知其他人，予以救援。順便說一句，癲癇猝死癥的死亡率在神經(jīng)系統(tǒng)疾病中僅次于中風(fēng)，排在第二名，超過阿茲海默癥（注：民間常做老年癡呆癥）；但當(dāng)它發(fā)作，癲癇者昏迷時，外界及時干預(yù)具有非常高的成功救活幾率。許多不必要的死亡，其實是癲癇猝死癥未能及時發(fā)現(xiàn)。
因此，Rosalind Picard 和她的同事推出了智能腕帶 Embrace，內(nèi)置 EDA 模塊，能準(zhǔn)確監(jiān)測癲癇患者的狀態(tài)。Embrace 已獲得歐盟的醫(yī)療設(shè)備認(rèn)證，并正在申請美國的許可。
Embrace
Embrace 發(fā)布之后，Rosalind Picard 收到一個患者家庭的感謝信。事情是這樣的：該家庭的媽媽給患有癲癇的女兒買了 Embrace，24 小時佩戴。出事時，媽媽正在家里洗澡，但她的智能手機突然發(fā)出 Embrace 發(fā)來的警報。她拿起手機看了一下，不確實是否該相信，但猶豫一下后就沖出浴室，發(fā)現(xiàn)女兒臉朝下趴在地面上，呼吸停止，臉色變成了藍(lán)紫色。她把女兒翻過來，實施簡單的刺激，女兒重新開始呼吸，臉色慢慢變紅。她十分感謝 Embrace 救了女兒一命。
被媽媽和 Embrace 拯救的小女孩
我們正在做一些更具深遠(yuǎn)意義的事情。
在美國15-44歲的人群中，重度抑郁癥是造成殘疾的主因。下面是 CDC 搜集的橫跨15年的數(shù)據(jù)，反映出一個非常嚴(yán)肅的社會趨勢：
在 1999-2014 年間，美國自殺率增長了 24%
45-64 歲白人男性人群自殺率上升 59%
45-64 歲白人女性人群自殺率上升 80%
5-14 歲年輕女孩自殺率翻了三倍
抑郁癥不僅在美國，在全世界范圍內(nèi)都將成為人類的重大生存威脅：發(fā)展中國家的自殺率更高且仍在增長。
WHO （世衛(wèi)組織）的預(yù)測是：
到 2020 年，每 20 秒就有一人自殺。
而到 2030 年，抑郁將超越癌癥、交通事故、戰(zhàn)爭和中風(fēng)，成為人類死亡和殘疾的首要誘因。
當(dāng)然這個數(shù)據(jù)只是預(yù)測，我們不希望這成為現(xiàn)實。所以在麻省理工的 MediaLab，我們在思考：“為什么不開發(fā)一些預(yù)防措施呢？”今天，我們已經(jīng)能很容易地從手機、可穿戴等設(shè)備里獲得情緒焦慮數(shù)據(jù)、睡眠數(shù)據(jù)、社交數(shù)據(jù)和其它情緒數(shù)據(jù)。我們每年從參與研究的用戶身上，搜集超過 10 億樣本數(shù)據(jù)，包括睡眠波、運動、光照（lightning exposure）、自主神經(jīng)系統(tǒng)焦慮、發(fā)信息行為、打電話行為、地理位置、社交網(wǎng)絡(luò)互動 、移動出行等等數(shù)據(jù)。
結(jié)合機器學(xué)習(xí)技術(shù)進(jìn)行因果推理，我們或許能預(yù)測情緒變化。如果我們能預(yù)測出部分心情變化，那么就能避免一些對自己不利的事，提高生活品質(zhì)。舉個例子，當(dāng)你工作到凌晨，不確定是要去睡覺，還是多花點時間把工作完成。機器學(xué)習(xí)算法可根據(jù)過去的數(shù)據(jù)，推算出如果你熬夜工作，第二天身體狀態(tài)會很不好、心情很差的概率，再根據(jù)推算結(jié)果給出建議。
但現(xiàn)在的數(shù)據(jù)規(guī)模還遠(yuǎn)遠(yuǎn)不夠，需收集更多。若有了足夠的數(shù)據(jù)，如果我們能為每個城市做天氣預(yù)報，為什么不能給每個人做心情預(yù)報？如此一來，我們或許能幫助很多人避免一些焦慮、抑郁情緒，甚至是抑郁癥。目前抑郁癥治療的主要障礙是診斷：不少患者從來沒有去醫(yī)院看過醫(yī)生，絕大多數(shù)人只在情況變得嚴(yán)重時才看醫(yī)生。很多人直到被家人、朋友拽去醫(yī)院神經(jīng)科才意識到自己出現(xiàn)了問題。
如果我們能通過機器學(xué)習(xí)技術(shù)分析數(shù)據(jù)，提供早期預(yù)警呢？如果我們能通過及早發(fā)現(xiàn)、采取措施，預(yù)防 80% 的抑郁癥呢？
得到預(yù)警之后，人們可以及時處理導(dǎo)致其抑郁狀態(tài)的導(dǎo)火索，避免病情惡化；然后通過一系列社交、運動、睡眠、飲食、焦慮來改善生理、精神狀態(tài)。這是我的研究小組正著手挑戰(zhàn)的難題之一，這會是一個長期的研究課題。
相關(guān)文章：
李飛飛：“情緒”和“情感”，是人工智能的下一個春天 | 未來論壇2017
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
