美國(guó)南加州年夜學(xué)的研討人員針對(duì)人工智能體系停止練習(xí)，使其得以剖析并控制人類(lèi)行動(dòng)與面貌中的奧妙線索，并停止猜測(cè)…
人工智能（artificial intelligence；AI）體系能經(jīng)過(guò)剖析您看電視的習(xí)氣，“神準(zhǔn)”地推舉您能夠會(huì)愛(ài)好的電視節(jié)目，這聽(tīng)起來(lái)曾經(jīng)夠使人毛骨悚然了，如今，AI體系正接收更新的練習(xí)——遴選出人類(lèi)行動(dòng)與面貌中的纖細(xì)線索，使其在某些情形下比人類(lèi)更具有直覺(jué)才能。
在一項(xiàng)試驗(yàn)中，AI被用于婚姻醫(yī)治平分析配頭的聲響特點(diǎn)，并猜測(cè)醫(yī)治的成果。依據(jù)這項(xiàng)試驗(yàn)顯示，AI在猜測(cè)醫(yī)治成果方面非常勝利，有時(shí)還比人類(lèi)專(zhuān)家更精確。
在婚姻醫(yī)治中有兩項(xiàng)變量使其難以評(píng)價(jià)能否獲得停頓。每對(duì)伉儷之間的關(guān)系靜態(tài)都不雷同，醫(yī)治師的工資評(píng)價(jià)永久都是相當(dāng)客觀的。是以，該范疇一向努力于成長(zhǎng)出一些客不雅的目標(biāo)。
美國(guó)南加州年夜學(xué)（University of Southern California；USC）的一項(xiàng)研討籌劃中，研討人員試圖開(kāi)辟的AI體系可望供給這一類(lèi)的目標(biāo)。固然今朝曾經(jīng)有一項(xiàng)研討能將各類(lèi)聲響特點(diǎn)映像至情感，包含常常用于辨識(shí)的特點(diǎn)（如聲調(diào)和強(qiáng)度），和分離構(gòu)成聲調(diào)和幅度的頻率擾動(dòng)度（jitter）與振幅擾動(dòng)度（shimmer）等其它特點(diǎn)。另外一個(gè)是諧波噪聲比（HNR）。
為了評(píng)價(jià)這些特點(diǎn)并將其映像至情緒，以利于剖析配頭之間的對(duì)話(huà)質(zhì)量，研討人員開(kāi)辟了一套龐雜的算法。正如研討人員在其論文“依據(jù)語(yǔ)音聲學(xué)特微猜測(cè)配頭醫(yī)治成果”（Predicting couple therapy outcomes based on speech acoustic features）中所說(shuō)明的，這些對(duì)話(huà)顯示畏縮或回避的跡象嗎？這會(huì)增長(zhǎng)回避的嚴(yán)重性、頻率（壞）或削減（好）？對(duì)話(huà)中存在滑稽的跡象嗎？增長(zhǎng)（好）照樣削減（壞）？哪些對(duì)話(huà)的特點(diǎn)更具有扶植性？哪些較少？主要性若何？ 20171018-AI-marriage-1 該體系還斟酌了這些對(duì)話(huà)的特點(diǎn)，例如誰(shuí)在措辭？在什么時(shí)候措辭？和連續(xù)說(shuō)了若干時(shí)光等等。風(fēng)趣的是，AI卻疏忽了對(duì)話(huà)的內(nèi)容。
一旦研討人員對(duì)其AI體系停止練習(xí)后，便可以將它套用在具有已知成果的現(xiàn)稀有據(jù)集上。另外一方面，研討人員也請(qǐng)求人類(lèi)心思學(xué)家評(píng)價(jià)雷同的數(shù)據(jù)，包含措辭內(nèi)容和語(yǔ)音特征等，成果顯示關(guān)于雷同案例的準(zhǔn)確猜測(cè)率約75.6%。而AI僅應(yīng)用語(yǔ)音特征，就到達(dá)79.3%的勝利猜測(cè)率。
研討人員表現(xiàn)，研討成果有助于進(jìn)一步勉勵(lì)其他有關(guān)丈量非說(shuō)話(huà)線索方面的研討，從而協(xié)助這一類(lèi)型的醫(yī)治。
例如，美國(guó)斯坦福年夜學(xué)（Stanford University）的研討人員練習(xí)神經(jīng)收集辨識(shí)35,000張以上的面孔，以肯定它能否能僅透過(guò)表面特點(diǎn)鑒別異性戀和異性戀者。最初獲得的結(jié)論也就成為其論文主題：“深度神經(jīng)收集比人類(lèi)更能精確從面部影象辨別性取向”（Deep neural networks are more accurate than humans at detecting sexual orientation from facial images）。
多年來(lái)，異性戀和女異性戀的話(huà)題一向激發(fā)關(guān)于“異性戀雷達(dá)”（gaydar）方面的研討興致，但在稱(chēng)號(hào)上卻老是離開(kāi)不了直覺(jué)。斯坦福年夜學(xué)的研討仿佛相似于面相學(xué)和顱相學(xué)等“偽迷信”，因此使其論文更具爭(zhēng)議性，但其初步的研討成果也不容疏忽。
作者指出個(gè)中一項(xiàng)研討顯示，當(dāng)人們看到某小我的臉，就可以以更佳精確度識(shí)別出這小我，和發(fā)覺(jué)其情緒狀況、小我特質(zhì)、性取向與其他特質(zhì)。
他們還提到“出身前激素實(shí)際”（prenatal hormone theory），該實(shí)際為性取向供給了心理的基本（研討還沒(méi)有作出結(jié)論）。他們?cè)谖恼轮刑岬溃?ldquo;這與性取向的出身前激素實(shí)際分歧，男異性戀者和女異性戀者的面孔常常具有非典范的性別特點(diǎn)、臉色和裝扮作風(fēng)。”（但這其實(shí)不表現(xiàn)一切的男異性戀比男異性戀更女性化，也不是指沒(méi)有男異性戀具有明顯的男性臉部特點(diǎn)，女異性戀的情形也是如斯。）
研討人員以為，他們練習(xí)神經(jīng)收集同時(shí)斟酌固定的面部特點(diǎn)（例如鼻子的外形）和不固定的特點(diǎn)（裝扮作風(fēng)）。
研討人員應(yīng)用結(jié)交網(wǎng)站上那些將本身標(biāo)示為異性戀或異性戀者的照片。當(dāng)供給兩張分歧面部（一張異性戀和一張異性戀者）的照片給神經(jīng)收集判讀時(shí)，AI體系可準(zhǔn)確猜想到男性的機(jī)率為81%，猜想到女性的精確率為71%。至于人類(lèi)判讀者的精確率分離落在61%與54%。
作者明白指出，這項(xiàng)研討存在局限性，極可能會(huì)招致風(fēng)險(xiǎn)的效果，是以不要誤會(huì)或許過(guò)度解讀研討成果。起首，神經(jīng)收集和人類(lèi)斷定之間的成果顯示，神經(jīng)收集偵測(cè)到的面部特點(diǎn)差別異常奧妙，人類(lèi)很明顯不會(huì)留意到這些特點(diǎn)。
