伯豪生物转化医学服务平台
第四届中国药物基因组学学术大会暨_首届中国个体化用药—精准医学科学产业联盟大会

男同胞们别瞎猜猜了,MIT研究者利用无线信号+AI帮你搞定女孩心思!

2016/10/09 来源:奇点网/李盈
分享: 
导读
如果机器能够随时感知我们人类的情绪该多好。这样的话,我们就能拥有像大白一样的暖男机器人,能够在我们开心的时候击掌,生气的时候让我们冷静下来,悲伤的时候给我们一个大大的拥抱。一旦机器人能够随时感知我们多变的情绪,冷冰冰机器人历史将会改写,我们将会拥有最亲密的伙伴,机器人将会拥有温度。

本文为奇点原创文章(公众号:geekheal_com)


如果机器能够随时感知我们人类的情绪该多好。这样的话,我们就能拥有像大白一样的暖男机器人,能够在我们开心的时候击掌,生气的时候让我们冷静下来,悲伤的时候给我们一个大大的拥抱。一旦机器人能够随时感知我们多变的情绪,冷冰冰机器人历史将会改写,我们将会拥有最亲密的伙伴,机器人将会拥有温度。

然而,让机器「读懂」我们人类多变的情绪可不是一件简单的事情。之前有两种方法用来识别人类的情绪:利用视听技术进行情绪识别、利用像ECG(心电图)这样的生物传感器进行情绪识别。然而这两种识别方法都有很大的局限性,视听技术利用人们面部表情、声音来测量情绪,这种方法更加侧重情绪的外在表现,但是不太能测量内在的情绪。人们有时候会控制表情和声音来掩饰自己真实的情绪,比如说:


ECG生物传感器通过收集人们的心率数据来测量情绪,结果更偏向人们的内在情绪。然而,你得随身穿戴这种传感器……光这一点,就非常的麻烦,并且穿戴传感器本身就会影响人们的情绪,这种方法不适合经常使用。

近日,麻省理工学院人工智慧实验室(Computer Science and Artificial Intelligence Lab, CSAIL)的研究人员研发了一款叫做EQ-Radio的情绪检测仪,利用无线信号就能有效识别人类的多种情绪,比如开心、愉快、悲伤、生气等情绪。被测者无需穿戴任何的传感器,测量也不需要任何的表情和声音,测量的准确度高达87%,并且可以同时测量多个对象的情绪。


从左到右:Fadel Adib,Mingman Zhao,Dina Katabi教授,EQ-Radio同时测量了三个人的情绪

CSAIL的Dina Katabi教授是本次研究的领导者,她为我们展望了一个美好的未来:利用这项技术,「家」将会更加成为我们温暖的港湾,「家」会时时刻刻感知你的情绪,比如说,当你沮丧的时候,家会自动调节灯光和温度,播放安抚人心的音乐。更进一步来说,「家」将成为你的「私人情绪医生」,通过实时监测情绪,家会在非常早期就识别出像抑郁症、焦虑症、双相型障碍之类的疾病。

「我们的研究成果展示了我们可以利用无线信号来捕捉人类的行为信息,即使这些信息难以用肉眼甄别。这为未来监测像抑郁、焦虑这样的疾病开辟了一条新的道路」, Katabi教授说。

想要用无线信号测出我们隐藏在心底的情绪,要分三步走。

第一步:EQ-Radio发送一个无线信号,经由人体反射后再传送回EQ-Radio。在无线信号的选取上,CSAIL的研究者有三种选择:多普勒雷达、WIFI、以及FMCW (调频连续波)。因为FMCW信号比传统WIFI信号强大一千倍,而且会放大个人心跳数据,忽视其他物体的反射,更适合生命特征提取。因此,CSAIL的研究者选择FMCW作为发射的无线信号。

第二步,经由人体反射后的无线信号包含两种信号:呼吸信号、心跳信号。这两种信号将是识别情绪的重要指标,但这两种信号是掺杂一起的,不能直接用于情绪识别。

那么研究者就面对如何将这两种信号分离开的难题,这不是一件简单的事。首先,呼吸信号的影响比较大,会遮蔽心跳信号。其次,无线信号中的心跳信号不像心电图那样拥有明显的峰值,因此很难确定辨别两次心跳信号的间隔,而这个间隔则是识别情绪最为重要的指标之一。


上半部为人体反射的无线信号;下半部为加速度;无线信号明显的峰值是由呼吸运动造成的,而参差不齐的部分是由心跳造成的

上半部为人体反射的无线信号;下半部为加速度;无线信号明显的峰值是由呼吸运动造成的,而参差不齐的部分是由心跳造成的

CSAIL的研究者利用胸腔的加速度来区分呼吸信号和心跳信号。当一个人呼吸的时候,胸腔的运动加速度比较低,因为呼吸往往是缓和、稳定的。而心跳是由心脏肌肉的急剧突然收缩产生的,所以心跳引起的胸腔震动的加速度比较快。

然而,把心跳信号分离成单次心跳就更难了,因为相对心电图具有比较明显的峰值以及可以预料到的大致图形,EQ-Radio既没有明显的峰值也没有大致的图形。研究者面临着一个「先有鸡还是还是先有蛋的问题」,如果有峰值,就能绘制出心跳大致的图形;如果有图形,就能推测出峰值。况且,不同人的心跳模式是不同的,心跳受其他因素影响也较大。然而,CSAIL的研究者仍然利用十分牛的算法分离出了单次心跳,算出了心跳间隔(不是奇点糕偷懒,实在是看不懂这个算法TAT,有兴趣的童鞋可以去看原论文[1])。

第三步,将分离好的呼吸数据以及心跳数据「喂给」基于机器学习的「情绪分类器」,然后「分类器」会识别出不同的情绪类型。

大部分的情绪可以用两种维度进行测量:情绪激发的强度(y轴)、情绪价向(X轴)。

需要注意的是,「开心」和「生气」是指广义、一般意义上的情绪状态。这种方法比较有效地识别不同象限的情绪,比如说开心和生气。但是它很难识别同一象限的情绪的微小差别,比如说恼火、生气、愤怒。

四个象限可以表示显示了最基本的四种情绪。生气:高强度的消极情绪;开心:高强度的积极情绪;愉快:低强度的积极情绪;悲伤:低强度的消极情绪。


四个象限可以表示显示了最基本的四种情绪。生气:高强度的消极情绪;开心:高强度的积极情绪;愉快:低强度的积极情绪;悲伤:低强度的消极情绪。

对于不同的人来说,心跳和情绪之间的联系是不同的。对于同一个人来说,一天不同时刻的其他因素也会影响到心跳(比如说喝了咖啡)。为解决这个问题,CSAIL研究团队对比一个人经历某种情绪时的心跳和他们处在平静状态时的心跳,将两者的差别「喂」给「情绪分类器」。

那么,EQ-Radio测量的准确性如何呢?在实验中,CSAIL研究者找了30名志愿者,这些志愿者坐在离EQ -Radio设备3-10英尺的位置,志愿者要回忆一个相应的场景来唤起一种特殊的情绪(可利用音乐或照片来帮助回忆)。在实验中,研究者记录了志愿者的情绪,以及在什么时候他/她感受到了这种情绪。为了对照效果,研究者还利用ECG、微软的Project Oxford API进行情绪识别。

实验显示,EQ-Radio识别情绪的准确性和最先进的ECG系统不相上下。如果针对单个研究对象训练EQ-Radio,其准确率为87%,ECG系统识别的准确率为88.2%。如果是针对所有的研究对象,EQ-Radio的准确率为72.3%,ECG系统识别的准确率为73.2%。同样的实验中,基于图像的情绪识别系统的准确率最低,仅为39.5%。

目前,EQ -Radio的早期版本已经在波士顿15户家庭中进行测试,其中就包括Katabi教授家中。Katabi教授用EQ -Radio来监测自己的睡眠模式、进食习惯,即使你和它不在同一间房间,它也能够监测你的身体特征和情绪。

EQ -Radio的应用场景非常多,用于医院急诊室可以监测等待治疗病人的状态;用于电影院,电影制作者可以知道观众对电影的真实评价,商家可以更针对性制作符合消费者口味的商品,等等。

然而,什么时候、什么场景能够使用EQ -Radio却是个问题,有些时候人们努力保持表情和声音的平稳,就是因为不想泄露他们心底真正隐藏的情绪。人们终将要在「美好的谎言」和「难以接受的真话」之间进行抉择。

最后,对于男孩来说,应该选 A.走 还是选 B.不走 呢?

参考文献:

【1】Emotion Recognition using Wireless Signals.Mingmin Zhao, Fadel Adib, Dina Katabi.http://eqradio.csail.mit.edu/files/eqradio-paper.pdf

【2】http://news.mit.edu/2016/detecting-emotions-with-wireless-signals-0920

【3】http://www.forbes.com/sites/kevinmurnane/2016/09/20/mits-csail-lab-creates-a-system-that-identifies-peoples-emotions-using-wireless-signals/#26f4c491668d

【4】http://www.wsj.com/articles/researchers-use-wireless-signals-to-recognize-emotions-1474372803?mod=WSJ_TechWSJD_NeedToKnow

本网站所有注明“来源:生物探索”的文字、图片和音视频资料,版权均属于生物探索所有,其他平台转载需得到授权。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(editor@biodiscover.com),我们将立即进行删除处理。所有文章仅代表作者观点,不代表本站立场。