【新智元導(dǎo)讀】一家來自紐約的初創(chuàng)公司Hume AI發(fā)布了一款標榜為「第一個具有情商的對話式人工智能」的共情語音接口(EVI)，并表示其能夠從用戶那里檢測到53種不同的情緒。
AI的下一個重大突破是理解情感嗎？Hume AI表示是的。
3月27日，一家名為Hume AI的新創(chuàng)公司宣布，他們已經(jīng)在一輪B輪融資中籌集了5000萬美元。
這家初創(chuàng)公司由前Google DeepMind研究員Alan Cowen共同創(chuàng)立并擔(dān)任CEO。
Hume AI與其他人工智能模型提供商和初創(chuàng)公司的區(qū)別在于，它專注于創(chuàng)建一款能夠理解人類情感、適當做出反應(yīng)并向用戶傳達情感的人工智能助手。
這款聊天機器人不僅基于文本，還使用語音對話作為其接口，通過聽取人類用戶的語調(diào)、音高、停頓等聲音特征來運作。
Hume AI同時發(fā)布了其名為「共情語音界面」（Empathic Voice Interface）的演示，只需要使用帶有麥克風(fēng)的設(shè)備，就可以與之進行互動。
為什么AI需要理解情感
Hume AI的理論是，通過開發(fā)能夠更細致地理解和表達人類情感的AI模型，它可以更好地為服務(wù)用戶。
Hume AI不僅僅想要了解用戶「快樂」、「悲傷」、「憤怒」、「害怕」等等通用的人類情緒，而是更微妙、通常是多維的情緒。
比如「欽佩」，「崇拜」，「入迷」，「諷刺」，「羞恥」等等，Hume AI在其網(wǎng)站上總共列出了53種不同的情緒。
官網(wǎng)地址：https://dev.hume.ai/docs/expression-measurement-api/overview（上下滑動查看全部）
對此，Hume AI表示：
情感智能包括從行為中推斷意圖和偏好的能力。這正是AI界面試圖實現(xiàn)的核心目標：推斷用戶想要什么并實現(xiàn)它。因此，在某種意義上，情感智能是AI界面的最重要的要求。
通過語音AI，你可以獲得更多關(guān)于用戶意圖和偏好的線索。
這使得我們的AI在預(yù)測人類偏好和結(jié)果、知道何時說話、知道該說什么以及如何以正確的語氣說話方面變得更加出色。
Hume AI演示之后，反響十分狂熱。
云端和Web應(yīng)用開發(fā)軟件公司Vercel的首席執(zhí)行官Guillermo Rauch就發(fā)帖稱：「這是迄今為止我見過的最好的人工智能演示之一。」
如何從語音變化中檢測情緒
在其網(wǎng)站上，Hume指出：「這些模型是基于大規(guī)模、實驗控制的情感表達數(shù)據(jù)的人類強度評分上進行訓(xùn)練的。」
這些數(shù)據(jù)來源于Cowen及其同事發(fā)表的兩篇科學(xué)研究論文：「Deep learning reveals what vocal bursts express in different cultures」和「Deep learning reveals what facial expressions mean to people in different cultures」。
第一項研究包括來自美國、中國、印度、南非和委內(nèi)瑞拉的16,000名參與者，有意思的是，數(shù)據(jù)集里面還有一部分是用來記錄「語音爆發(fā)」或非詞匯聲音，如笑聲和「嗯嗯」等。
第二項研究包括來自上述五個國家以及埃塞俄比亞的5,833名參與者，他們在計算機上進行了一項調(diào)查，在調(diào)查中他們分析了來自4,659個面部表情數(shù)據(jù)庫的高達30個不同的「種子圖像」。
參與者被要求模仿他們在電腦上看到的面部表情，并從一個包含48種情緒的列表中，按照1-100的強度進行評定。
在互動中，Hume AI的EVI說道，Hume的團隊「收集了有史以來最大、最多樣化的人類情感表達庫。我們談?wù)摰氖莵碜允澜绺鞯氐囊话俣嗳f參與者，參與了各種各樣的現(xiàn)實生活互動。」
Hume AI利用這兩項研究的照片和參與者的音頻數(shù)據(jù)訓(xùn)練了自己的深度神經(jīng)網(wǎng)絡(luò)。
這些數(shù)據(jù)還用于創(chuàng)建了一個「語音韻律模型」（speech prosody model），用于測量語音的調(diào)子、節(jié)奏和音色，并整合到EVI中。
情感AI的應(yīng)用和約束
Hume AI提供其EVI的API，允許用戶根據(jù)其獨特的數(shù)據(jù)集訓(xùn)練自己的Hume AI模型。
同時還提供「表達測量API」（Expression Measurement API）, 企業(yè)客戶可以使用該API構(gòu)建應(yīng)用程序。
在表達測量API中可以訪問的其他屬性包括理解面部表情、語音爆發(fā)和情感語言——后者測量「轉(zhuǎn)錄文本的情感語調(diào)，包括53個維度」。
EVI可以作為任何應(yīng)用的界面。開發(fā)人員可以使用Hume AI的API構(gòu)建個人AI助手、代理和可穿戴設(shè)備等等，產(chǎn)品可涵蓋從AI助手到健康管理、從教學(xué)輔導(dǎo)到客戶服務(wù)等各個領(lǐng)域。
但同時，人們可能會對Hume的EVI產(chǎn)生依賴或以一種不健康的方式沉迷于它的潛力，該技術(shù)也可能會被用于一些不好的用途，比如操縱、欺詐等等。
在直接被問及此可能性時，考恩提供了以下聲明：
當人工智能利用我們的情感行為來達到某些目標（比如促進購買、提高參與度或培養(yǎng)習(xí)慣）時，它可能會學(xué)會操縱和利用我們的情感。
因此，開發(fā)人員應(yīng)該將了解用戶情感行為視為人工智能本身的目標，而不是將這些行為僅僅當作達到第三方目標的手段。
算法用于檢測情感線索應(yīng)該服務(wù)于用戶健康和福祉的目標，包括對異常情況做出適當反應(yīng)、保護用戶免受濫用，并促進用戶的情感認知和自主性。
該網(wǎng)站還包括一系列「不支持的用例」，例如操縱、欺騙、「優(yōu)化減少幸福感」（如「心理戰(zhàn)爭或折磨」）以及「無限制的共情人工智能」。
但這不過泛泛而談，當AI真的有了情感之后，如何用倫理、用法律去約束，人類還有很長的路要去探索。