AI正在学习"读懂"人类情绪，情境感知技术突破旧有局限

想象一下，你坐在桌前登录系统，参加一场由AI辅助记录的绩效面谈。你长期超负荷工作，在赶截止日期的压力下疲惫不堪。当经理问你状态如何时，你说"还好"，甚至挤出一个微笑——但声音里藏着一丝迟疑，语调也略有颤抖，坐姿不自觉地向前倾，双肩微微下塌。

这些细微的肢体信号，对人类眼睛来说或许隐约透露着压力，但对一个只被训练来区分"开心"或"悲伤"的AI模型而言，这些细节极有可能被完全忽略。系统记录下你说的话和那个笑容，然后继续运行。除非你的上司主动介入，否则你的疲惫、注意力涣散，乃至即将到来的职业倦怠，都不会进入任何分析方程式。

"情绪AI"通过分析面部表情、声音语调和行为举止来推测人的情绪状态，这项技术如今似乎已无处不在：它被应用于员工健康监测、招聘面试、教育平台以及驾驶员监控系统。NICE和Genesys等呼叫中心技术平台利用AI检测客户是否听起来情绪激动，并实时提示客服人员放慢语速或提升回应的同理心。Meta等科技巨头以及Hume AI等初创公司，正在开发更具表达力的语音AI系统，这些系统能够识别对话对象的情绪线索，并据此调整自身的沟通方式。

此外，目前已有数百家公司推出了虚拟AI陪伴应用，这一市场增速迅猛，预计到2035年市值将达到约5550亿美元。与此同时，机器人伙伴也已悄然登场。例如，Intuition Robotics公司研发的ElliQ，是一款外形有点像白色台灯的小型设备，目前已被用于与老年人展开对话互动，旨在缓解孤独感。

然而，尽管情绪AI领域正在快速推进，现有的大多数系统仍停留在检测有限信号、一次只给一种情绪贴标签的阶段——这对于真正理解人类状态而言远远不够。在现实世界中，人类的信号与情绪具有强烈的情境性、相互交叠性，并且瞬息万变。一声笑可能代表喜悦，也可能代表紧张，甚至两者兼而有之；声音提高，可能是热情洋溢，也可能是情绪激动。更困难的是，不同个体的情绪反应差异极大，受年龄、文化背景以及无数其他变量的影响。

换句话说，我们对AI情绪识别能力的期待，与AI实际能做到的之间，存在着一道不小的鸿沟。而一个新兴研究领域——我们称之为"人类情境AI"——正致力于弥合这一差距。与其只看单一输入然后贴标签不同，人类情境AI越来越具备综合评估个体性格与特质的能力，能够在实时追踪情绪变化的同时，融合多种输入信息，包括面部动态、声音、语调、语言和行为。至关重要的是，情绪反应还会结合具体场景进行评估，例如绩效面谈或职业辅导。最终结果是：计算机正在学习读懂整个场景，而不仅仅是屏幕上呈现的内容。

情绪感知AI的起点

情绪感知AI的故事，要从近三十年前的麻省理工学院媒体实验室说起。美国电气工程师和计算机科学家罗莎琳德·皮卡德在那里提出了"情感计算"这一概念，开创性地提出计算机可以被训练去识别和回应人类情绪。

皮卡德早期的研究聚焦于单一模态：面部表情、声音语调，以及皮肤导电率、心率等生理信号。其目标是为机器开一扇窥见人类情感世界的窗口，让机器变得更有同理心。这是一个令人振奋的愿景，但彼时，科学与硬件条件尚未成熟：算力有限，传感器粗糙，数据集规模狭小且存在偏差。

此后数十年间，研究人员和公司在测量人类表达方式方面取得了显著进步。2010年代，情感分析——通过处理大量文本来挖掘情绪倾向——开始进入主流视野。与此同时，包括笔者所在公司Neurologyca在内的营销公司，开始使用摄像头测量并记录用户反应。Fitbit和苹果手表等可穿戴设备与活动追踪器也逐渐普及，持续生成人们关于睡眠、步数、压力水平等方面的新数据流。

不出所料，科学家们很快证实，个人化数据量越大，情绪识别的准确性就越高。2019年，康奈尔大学的研究人员证明，融合多种信号类型能有效提升情绪感知效果。他们的系统将脑电图（EEG）测得的大脑活动、心率等生理数据与面部表情等视觉线索相结合，表现远超依赖单一输入的系统。几乎同一时期，皮卡德在MIT的团队发现，基于特定个体数据训练的类人机器人，在解读该个体反应与情绪方面，表现明显优于未经个性化训练的机器人。

近期研究与上述发现一脉相承。2024年，韩国科学家的研究表明，融合生理、环境与个人数据进行情绪识别，可将错误率降低32%。2025年发表的另一篇论文也证实，用户专属信息能显著提升情绪识别性能。

如今，我们的设备已经"认识"我们——了解我们的习惯与偏好、喜好与厌恶。它们也变得更小巧、更高效。内嵌于手机、笔记本电脑以及VR/AR设备中的微型低功耗摄像头和麦克风，可以同时捕捉数十种人类信号，从眼球运动和微表情，到呼吸节律、声音调制和身体姿态。计算技术的进步，也使得整合音频、视频、生物特征与文本数据成为可能，甚至在很多情况下，无需将原始数据传输至云端。斯坦福大学、剑桥大学、MIT、京都大学，以及中国沈阳东北大学软件学院的研究人员，正在积极探索如何通过融合此类输入信息来提升人机交互的灵敏度与精准度。

然而，尽管突破接连不断，机器在可靠解读情绪乃至物理压力方面依然力不从心。就在去年，《精神病理学与临床科学杂志》发表的一项调查显示，智能手表给出的压力评分，几乎从未与用户实际感受到的压力水平相吻合。事实上，四分之一的受访者表示，他们的真实感受与手表显示的结果恰恰相反。

这种脱节究竟为何？我们在信号采集方面已经做得相当出色，但在信号解读上，我们还差得很远。健康追踪设备或许会根据你的心率判断你处于压力状态，并建议减少训练量，但它并不知道你心率升高，究竟是因为兴奋、疲惫，还是多喝了一杯咖啡。在真实场景中感知情绪则更加困难。要解决这一复杂问题，机器需要的正是情境。

Neurologyca的情境实验

我的公司Neurologyca于2015年在西班牙创立，起初深耕神经营销领域。联合创始人胡安·格拉尼亚与欧洲各大品牌和企业集团合作时意识到，这些公司普遍缺乏关于消费者的可靠数据。彼时，大多数客户反馈来源于调查问卷，提出的问题诸如"从1到10分，这则汽车广告让你感到多开心？"或"哪个表情符号最能描述你现在的心情？"这类过于简化的工具，导致自我报告偏差居高不下，因为人们往往会对自身反应产生误判或表述不准。

为了绕开这一问题，Neurologyca建立了专属实验室，借助神经科学与认知科学，更精准地捕捉人类对产品、标志、广告和体验的反应。除了心率监测仪、眼动追踪仪和脑电图等生物特征工具，我们还录制了数百万帧人类反应视频，记录每个具体场景及其引发的面部与身体动作。为此，我们标注了超过790个参考点，包括嘴角位置、眼睛和瞳孔大小、眨眼频率以及头部角度。所有数据均依据严格的欧洲隐私标准进行匿名收集与存储。

随后，我们将这些信息与数十年神经科学和行为科学研究成果相结合，这些研究揭示了生物特征、语言模式和人体运动与情绪之间的关联——这类研究资源我们仍在持续从欧洲各学术机构汇聚积累。我们还建立了一套情境数据库，例如"正在观看一则宠物食品广告"或"初次聆听一首新歌"，并记录这些场景所引发的人类情感反应。

在与企业的合作中，这套方法不仅使我们能够识别细腻的情绪变化，还能帮助我们判断哪些反应预示着正向或负向结果。以恐怖电影预告片为例：我们的研究帮助我们发现，最成功的预告片能够激发一种非常特定的情绪组合——少许恐惧、少许焦虑，同时夹带着一丝喜悦。掌握了这一规律，我们就能迅速评估观众反应，帮助电影公司调整预告片，以达到预期效果。

几年后，我们发现，基于我们数据库训练出来的模型，仅凭一台网络摄像头就能准确评估情绪。我们不再需要在布满设备的房间里举办焦点小组访谈。取而代之的是，我们可以向全球各地的付费参与者寄送新款香水样品，并附上一个链接。当参与者点击链接时，摄像头随即开启，记录下他们初次闻到香水时的面部反应。我们的触达范围由此大幅扩展：不再局限于一两个国家的小规模焦点小组，而是可以迅速评估来自全球各地的1000名用户，对比日本、印度或德国的受访者对某款产品的感受差异。

大约四年前，随着AI的全面渗透，我们意识到，这些模型的应用场景远不止于神经营销。重要的是，这些模型建立在直接观察到的人类行为之上，而非推断出的模式或宽泛标注的开放数据集。放眼品牌与企业之外，我们确认这套模型可以集成到AI系统中，帮助它们以更精细的粒度理解人类情绪。换言之，我们可以为AI提供一个情境层。

三层情境的构成

当我们谈论"情境层"时，我们指的是三种不同类型的情境。

第一种是情境性或环境性情境，例如绩效面谈、远程医疗问诊或恐怖电影观看体验。

第二种是个人情境，涵盖某个体的具体历史、目标和基准状态。

第三种是行为情境，通过实时追踪注意力、自信心、参与度和认知负荷的动态变化，来覆盖该个体在整个事件或互动过程中的反应。

当今大多数系统只聚焦于情境性情境，部分系统已开始纳入个人情境，但极少有系统能够同时涵盖行为情境，或以有意义的方式将三者融为一体。我们在Neurologyca构建的，是一个融合上述三者的逻辑层，并将其转化为结构化的机器可读信息，从而使AI系统和智能体能够做出更有效的响应。我们的技术目前已被用于增强多种系统，包括仍在开发中的系统，以及已经部署的应用，例如驾驶安全应用Netradyne、家庭智能助手Amazon Alexa，以及医疗健康AI平台Sully.ai。

其运作方式如下：情境性情境由平台或应用本身来界定，无论是职业辅导课程、冥想应用还是驾驶安全监控系统。个人情境则已存储在各自平台内——若尚未存储，也可通过用户共享个人数据或摄像头监测来创建。（例如，大多数健康管理和职业发展应用均包含每位用户的个人资料、历史记录及以往会话信息。）最后，行为情境通过我们的模型实时采集与分析。最终，我们的逻辑层将这三条信息流融合为一体。

我们的系统不会为三种情境分配固定权重，而是提供持续的动态校准——三者之间的平衡会根据具体场景随时调整。例如，同样是语音中的停顿，在绩效面谈中可能意味着不确定，但在放松场景下则可能传达完全不同的含义。当信号模糊或相互重叠时，系统会通过降低置信度评分来反映这种不确定性，而非强行给出一个明确的判断。

此外，我们的系统可以在不向云端传输原始数据的情况下运行，从而有效缓解隐私方面的顾虑。在许多场景下，视频、音频和生物特征信号始终留在设备本地。我们的轻量级模型在本地完成信息提取，仅将必要内容上传至云端。云端系统则专注于模型训练、模式分析和模型迭代优化。最终形成一种混合架构：基于边缘计算确保速度与隐私，基于云端学习实现持续改进。

最终效果如何？通过融入情境，AI系统开始能够在交互进行的过程中实时解读人类状态的各个维度，动态适应情绪变化，而非事后被动响应。潜在的应用场景广泛且仍在持续演进。试想一个职业发展平台，它能以虚拟人形象模拟面试，并就如何展现得更自信、更亲切、更博学提供实时反馈与建议；或者一款冥想应用，能精准感知你的睡眠质量和焦虑程度，推荐适合当下状态的呼吸冥想练习；又或者一个类人机器人教师，能察觉到学生何时感到困惑或心不在焉，并适时介入将其带回学习状态。

伦理边界的守护

关于情绪感知AI的伦理争议由来已久。一些批评者质疑，系统是否应当从外部信号来推断人类情感。他们认为，将人简化为一系列可测量的输出，不仅有过度简化人类体验的风险，还为职场、学校和公共空间中的操控、监控和不公正判断大开方便之门。

我们对这些风险保持高度警惕。事实上，我们的技术恰恰旨在降低过度简化人类情感所带来的危害。人类情境AI的出发点，并非假设机器能够明确知晓某人的感受，而是通过融合情境性、个人和行为三类情境，超越简单化的情绪标签，同时在信号模糊或不完整时明确呈现不确定性。

话虽如此，关于实施层面的伦理顾虑是真实存在的，并且深刻影响着我们选择推进哪些项目。例如，我们绝不会接受军事相关的委托，比如协助审讯工作——不仅出于伦理考量，更因为情绪AI无法可靠地检测欺骗行为，声称能做到这一点，将是对技术实际能力的严重夸大。此外，尽管我们的技术可用于评估人群行为，预测足球场馆等公共场所何时存在失控风险，但我们不希望技术被用于监控目的。简而言之，我们认为在未经当事人主动同意的情况下启用我们的逻辑层，既是一种侵入，也是一个伦理问题。

在欧洲，我们的系统设计遵循《欧盟AI法案》关于工作场所和学校情绪识别的相关限制；随着我们向美国扩张，我们在适用辖区规范的同时，坚守同一套核心伦理承诺。

我们也不建议企业对我们的技术产生过度依赖。招聘与解雇决策不应单纯依赖我们系统的输出结果；相反，我们的逻辑层旨在辅助人类理解，帮助发现那些可能被忽视的情绪信号。

回到绩效面谈的场景。先不谈基础AI，就连人类——乃至优秀的管理者——在对话中也难免有所疏漏。在交谈过程中，信息量巨大：人们需要同时消化对方说的内容、思考如何回应，并把握整体情境。如今，许多交流发生在线上或视频中，干扰因素更多，彼此的共同情境也大打折扣。

我们从不声称我们的模型比人类更懂人类，但我们相信，我们能够提供一个额外的辅助层，帮助管理者捕捉和解读那些可能被遗漏的行为信号，让整个对话过程变得更加清晰可见。

我们的模型能够逐时刻追踪规律变化，例如捕捉参与度的转变、某句话未能引发预期反应的瞬间，或一个人行为方式的细微改变。模型不会告诉管理者这些时刻意味着什么，也不会指示该如何应对；它只是让这些时刻更容易被看见，便于后续跟进。

人类情境AI目前还处于早期阶段，其应用场景、普及模式和实际影响都仍在演进之中。与此同时，情绪感知系统正被迅速集成到真实产品和平台中。而如果缺乏情境——如果不知道人们为何会有这样的感受——AI就可能在关键时刻误解我们。

Q&A

Q1：情绪AI和人类情境AI有什么区别？

A：情绪AI通常只分析单一信号（如面部表情或声音），一次给一种情绪贴标签，缺乏对场景的整体理解。而人类情境AI则更进一步，融合了三种情境：情境性或环境性情境（如绩效面谈）、个人情境（个体历史与基准状态）以及行为情境（实时追踪注意力、参与度等变化）。这种融合让AI能够动态适应情绪变化，而非简单给出一个固定标签。

Q2：情绪感知AI在隐私方面怎么处理用户数据？

A：Neurologyca的系统采用混合架构，在很多场景下，视频、音频和生物特征数据根本不会离开用户设备，轻量级模型在本地完成信息提取，只将必要内容上传至云端。云端主要用于模型训练和持续优化。此外，系统遵循欧盟AI法案的相关隐私限制，且只对主动同意的用户启用，不用于监控目的。

Q3：情绪感知AI目前已经用在哪些实际产品上了？

A：目前该技术已被集成到多个实际部署的产品中，包括：驾驶安全应用Netradyne、家庭智能助手Amazon Alexa，以及医疗健康AI平台Sully.ai。此外，NICE和Genesys等呼叫中心平台也在使用AI情绪检测技术，实时提示客服人员调整沟通策略。虚拟AI陪伴应用和老年陪护设备（如ElliQ）也是重要的落地方向。