择要

从人的心智发展机理、云端大数据以及智能算法平分歧的维度来看，智能机器识别民气是可能实现的。
虽然这条路可能还相称远，但官方制度性的认可、商业营利的动机刺激以及人类探索的好奇心的召唤，正吸引着越来越多的人投身于此。
不过，与其他技能一样，“识别民气”的效用也是两面的：一方面可以用于治疗和管理，另一方面也须要防止对人类本身的陵犯。
它可能成为影响、操纵、掌握他民气理和不雅观点的工具，对这种意识的入侵要保持高度的警觉。

2016年，几家初创公司开始发卖智能谈天机器人。
个中有一款机器人名叫埃米·英格拉姆（Amy Ingram) , 你只须要把电子邮件抄送给埃米，她就会开始为你做助理事情。
埃米有酷似人类的语调，能说会道且谈吐非凡。
一名用户说她比人类更能胜任这项事情，有些男人乃至想和她约会。
智能机器人时期正在向我们走来。

“万物皆数”是包括图灵在内的许多学者的不雅观点，他们思考的是，如果人的五官能够感想熏染到的世间万物都可以用机器转换成数字来表示，那么人的思考过程自然也可以用机器转换成数字来表示。
喷鼻香农和奈奎斯特等人的精彩事情，让人们真正将物理天下的旗子暗记编码成数字，数字技能因之拉开了历史的序幕。

从大型打算机，到PC机，到移动互联网，到本日的云打算。
六七十余年来，科学家和工程师们编写出各种各样的程序，建立了各种不同的人工智能或机器学习的数学模型，推进了虚似现实、无人驾驶、人脸识别、语音助理等技能的发展。
换言之，机器本日已经拥有了识别语音、图像和活动场景的能力，它乃至可以与人对话。
那么，民气可以识别么？让机器看着人的脸，读懂人的心，正勉励着无数科学家的探索。
由于这种探索一定会得到官方制度性的认可和商业营利的动机，而人类探索自身的好奇心也是一种主要的勾引性力量。

本文将从心智的机理、算法与智能的发展脉络等两个不同的维度切入，揭示了机器识别民气的可能性。
正如希尔伯特所言：我们必须知道；我们必将知道。

心智的产生及其机理

1979年，美国考古学家托马斯•维恩撰文称：“当代心智起源于30 万年前。
”智人(Homosapiens)的本意是“会思考的人。
瓦尔特将智能分为三个层次：最低层面是“顺化智能”，其知足的标准是心智中的所有的内容都来源于感知通报；第二层次是“正常智能”，即可以通过自己的力量在自身内部产生出知识所依赖的原则；第三个层次是“猖獗的稠浊体”，即通过这种智能，一些人可以在缺少艺术演习和学习的情形下，说出奥妙而让人叹服的言语。
虽然这些话是真实的，但是别人都没有看到过、听到过也没有被人记录在案，乃至别人想都没有想到过，这种智能属于真正的创造性的能力。

当代人的影象、推理、判断、反省、理性，以及利用措辞沟通的头脑才是人目前为止超越其他物种的关键。
正所谓人是符号的动物，人是文化之网上的动物所指的便是人类的理性思考(rational thought) 的能力。
笛卡尔就认为措辞是人类这个种属所独占的能力。
也便是说，人的心智的涌现，使得人拥有了无与伦比的创造性温柔应性，从而超越了地球上的其他生命形态。
这虽然被一些学者批评为人类中央主义，但人类的想象力、创造力，尤其丰富措辞表达和虚构故事的能力，尚无出其右者。

但民气是什么？民气可以打算么？如果可以打算和丈量，那么它能够被认别么？作为碳基的信息处理机制的人类大脑与作为硅基的打算机设备之间真的可以对话乃至相互理解么？要想回答清楚这一系列问题，我们首先要弄清楚何谓民气。

我们这里将民气界定为人的心智活动的总称。
所谓的心智是指“产生和掌握知觉、把稳、影象、感情、措辞、决策、思维、推理等生理性能的身分”，“是形成客不雅观天下表征的系统，匆匆使人们采纳行动以实现目标”。
可见，心智既包括人的认识、判断、思维等的意识活动，也包括人的情绪与感情活动。
21世纪被称为“脑的世纪”或“心智的世纪”。
欧盟发起的“人类大脑操持”（ Human Brain Project,HBP) 集结了欧洲乃至天下上的一批科学精英，研究如何在超级打算机中精确地仿照大脑。
对人的认知和脑的研究，已经有了巨大的创造，基于现有的研究成果，对付人的心智问题，我们有如下判断。

其一，人的心智是自然进化的结果。
如果说，柏拉图在《空想国》已经创造了一些遗传的奥秘，那么亚里士多德则更进了一步，他创造通报信息是遗传物质的核心功能。
其后，达尔文创造了生物进化的规律，而孟德尔则在修道院花园里进行的碗豆杂交实验中找到了生命进化的密码—基因。
只管在1866到1900年间，孟德尔的文章仅被引用4次，但这一具有划时期意义的科学创造，为后续的研究指明了方向。
尔后，埃克弗里根据基因的化学形态，确认DNA便是遗传信息的载体。
而沃森、克里克、威尔金斯和富兰克林终极解开了基因的分子构造之谜。
当代DNA测序技能表明人类与黑猩猩有着非常近的亲缘关系。
事实上，研究还创造，人类的基因与海葵也有惊人的相似性。
生命科学从基因编码的角度剖析指出，本日的人类便是猿的一个分支而已。
但研究表明，人类的前额叶-顶叶网络的体积要远远大于与人类血缘最近的其他灵长类动物，这使得人类处理与组合信息的能力远超其他物种。
不过，人类大脑所积累起来的一系列功能也只是知足了最原始的进化需求一生平存与繁衍。
理查德•道金斯提出了著名的“自私的基因”学说就认为，基因是进化的核心，宿主通过复制将基因传给下一代。

其二，心智是一种信息办法。
史蒂芬·平克就认为，心智是一个由多少打算器官所组成的系统，它是我们先人在办理生存问题的进程中“自然选择”出来的。
心智不是大脑，而是大脑所做的事情。
人是心智进化产物，而不是剃光了毛的“裸猿”。
心智进化的终极的目的是为了复制最大数量的基因，而正式基因创造了心智。
他写道：“所有的人类生理都可以被一个唯一、万能的情由所阐明：大脑、文化、措辞、社会化、学习、繁芜性、自组织和神经网络动力学”。
他认为，“视觉、行动、知识、暴力、道德还有爱，无一例外，都是可以厘清的智能的核心组成部分，他们是信息处理的过程”。
20世纪50年代，沃伦·麦卡洛克（Warren McCulloch) 等人提出了心智的打算理论（Computational Theory of Mind, CTM), 该理论的核心不雅观点是，大脑即是一种打算的机制，其能力（包括其生理能力）能够通过打算得以解释。
也便是将认知过程看作是一种基于规则的符号操作过程，而心智或大脑则是一种物理符号的系统，大脑被看作是生物的硬件，而心智是运行于其上的软件。

其三，人类一贯在探索破解自身的密码，并且确实找到了越来越科学的方法和丈量工具来丈量心智。
科学家认为，大脑本色上纯粹是起到一个信息的、打算的和掌握的功能。
因此“其精确的功能组织可以通过措辞对其信息功能进行准确的描述，即通过认知而非细胞解剖或者化学的形式来予以描述”。
生理学家通过核磁共振等神经影像技能比较识字者与文盲的大脑时创造，两者的大脑活动办法有诸多不同。
在丈量他们的脑波，用持续串认知能力测验对他们进行测试之后，生理学家得出结论：阅读和书写技能的得到改变了脑组织构造……不仅在措辞上，在视觉感知、逻辑推理、影象策略和条理性运筹思维上都是如此。

其四，人的意识活动并非纯粹的精神活动。
笛卡尔相信“机器中的幽灵”这一教条，他认为，一个人的思想是某个“神秘的幽灵”，生存在人这生平物机器的大脑里面。
几个世纪以来这种身心二元论一贯被很多人认可，他们相信意识是人的决定性要素，身体不过是意识和精神活动的障碍物，沉重的肉身牢笼似地困住了精神的超脱，因此在各种宗教教义和传统的哲学中，那些力争摒弃易朽的肉体的实践成为永恒的赞颂者。
但是从19世纪中期开始，医学和新兴的神经科学领域内越来越多的证据表明笛卡尔的二元论站不住脚。
自尼采以降，肉身的意义被新创造和赞颂。
在尼采那里，“酒神的魔力，使人和人、人和自然、人和神的界线和藩篱消逝了。
统统都得以解放，统统都达成了和解，统统都在一个愉快的大海中融为一体，相互吞食、转换、变换”。
在尼采看来，觉得、思考和激情都是意志的构成部分。
他写道：“身体乃是比迂腐的灵魂更令人惊异的思想。
”如今越来越多的人相信，身（肉）体活动表示了一种推动认知发展的所谓“生存意向性”。
英国哲学家吉尔伯特·赖尔（Gilbert Ryle) 在1949年出版的著作《心的观点》中指出，笛卡儿的身心二元论犯了一种“范畴缺点”。
他认为人的身体和心灵、精神和行为是一回事。

智能、算法与全息连接

“当人类走出了‘自我中央’之后，又遭遇了机器智能的寻衅。
这一次，是人-机互换——即人与物之间的互动——建构了存在于人与物之间的公共心智。
”图灵1948年在英国国家物理实验室（NPL) 的一个题为“智能机器”内部报告中提到了“肉体智能”（embodied intelligence) 和“无肉体智能”（disembodied intelligence) 区分问题，正式开始对智能的思考。
在1950年的Mind杂志上，图灵揭橥文章提出“机器能够思考吗？”。
在图灵测试中，被测试者（人）在一个阴郁的屋子里面与一台机器或一个人进行对话（当时采取的是文本办法，现在可以采取语音办法），若被测试者无法区分对话的是人还是机器，则可以称机器通过了图灵测试。
“图灵坚信，人工智能一定能以某种办法实现。
”

1952年，创造了神经学的功能的离子学说和突触电位的诺贝尔医学奖得主，艾伦·劳埃德•霍奇金爵士提出了脉冲神经网络这种神经行为学模型（SNN) 。
SNN的代价在于，它描述了神经元之间的电位是如何产生和流动的，它认为神经元之间的交流紧张靠“神经递质”来产生化学放电，从而在神经网络中实现繁芜和可变的神经系统交互。
2011年，IBM 发布了True North芯片，这也是人类用电路仿照神经行为学的开端。
2017年，英特尔发布了类脑芯片Loihi, 其拥有13万个人造突触。
不过，到目前为止，类脑芯片的任务性处理能力比较差、算力水平也相称低。
1956年夏天，在新罕布什尔州迖特茅斯学院的一次小型会议上，赫伯特·西蒙、约翰·麦卡锡、克劳德·喷鼻香农等AI界的开山鼻祖们，就提出了“智能的任何特色，原则上都可以精确描述，因此我们可以制造机器来对它进行仿照”。
在这次会议上，专家们首次用到“人工智能”这一术语。
这次会议后来被称之为标志性事宜——标志着人类开始用一种全新的办法来研究心智间题。
2013年，由欧盟组织的26个国家135个互助机构参与的“人类脑操持”（Human Brain Project, 简称HBP)将重点放在了如何通过超级打算机技能来模似人脑功能，以期实现人工智能。
瑞士洛桑联邦理工学院（EPFL) 建立了脑与心智研究所（ Brain Mind Institute) , 其科研团队包含了根本神经科学、打算神经科学、人工智能、机器人干系的科研职员，共同从事瑞士蓝脑操持、欧盟脑操持干系的研究。
斯坦福大学成立了心智、脑与打算研究中央（Stanford Center for Mind, Brain and Computation) , 由认知心理学家、人工神经网络专家McClelland领导。
该中央集成理论、打算和实验研究的方法，致力于研究感知、理解、思维、感想熏染、决策的脑神经信息处理机制。

在这股探索风潮中，逐渐形成了符号主义、联结主义以及行为主义等多种不同的学派。
“深度学习”表现相对突出，尤其“阿尔法狗”(AlphaGo) 降服环球的围棋高手后，引起了公众年夜众的广泛关注。

不过，纽约大学教授加里·马库斯（Gary Marcus)认为，从技能角度看，深度学习可能善于模拟人类大脑的感知任务，比如图像或语音识别，但它在理解对话或因果关系等其他任务上仍有很大不敷。
玛格朋特·博登（Margaret Boden)指出，人工智能一贯专注于智力的理性，却忽略社会/感情智能，更别提聪慧了。
她认为，人类的心智太丰富，我们还缺少（能全面解释）心智事情办法的好的生理/打算理论，因此她的结论是：人类水平的通用人工智能的前景看起来非常渺茫。
约翰·塞尔（John Searle) 曾经通过著名的中文屋论证 （Chinese Room argument) 阐述了人类的“心智”与机器的打算之间的差异。
塞尔假想有一个不懂中文的人被关在一间斗室子里，只能通过字条与表面的人进行中文符号的互换。
房间内有一本完美的解释书，看了这本书就可以用中文回答表面的问题。
这样一来，就算只懂英语，房间里的人也可以通过解释书，用中文回答问题了。
塞尔假设，只要这个人拥有的规则足够完备，那么屋子表面的人就不会疑惑屋子里面的人是懂中文的。
塞尔希望通过这个论证表明，通过图灵测试的打算机以及会下围棋的程序，它们和中文屋里面不懂中文的人一样，只是对符号进行规则化加工而不论符号的意义，而人能够对“意义”作出应答。
然而，实际上塞尔的论证仅仅表明“通过图灵测试的打算机可以没有智能”，却没有供应足够的证据表明“打算机事实上没有智能”。

不过，人工智能虽然还不敷够智能，但技能进步的结果每每令人意想不到。
牛津大学打算机科学系主任迈克尔•伍尔德里奇（ Michael Wooldridge) 曾在其著作《多Agent系统引论》中写道：差异于地球上的其他生物，不但是由于人类有毋庸置疑的学习和解决问题的能力，更是由于人类具有与伙伴通信、互助、达成同等的能力。
这些我们每天都利用的社会能力，是与方案和学习等智能同等主要的智能行为。
他认为虽然目前的AI还不能做到“繁芜推理”、“处理定义不清的问题”、“对事物作出判断”以及“对外界环境的感知”，他还是相信机器、设备同样具备智能。
韩国科学技能院生物和大脑工程系的李相完教授在《科学》杂志上揭橥的一篇文章中，提出了一种新的理论——“前头叶掌握”理论。
他认识到人脑可以自行评价对外部环境的认知度，通过外部旗子暗记来处理信息。
因此，他认为将该事理运用于AI算法和机器人等领域，便可以设计出能够根据外部情形变革，在性能、效率、速率等各个方面自动平衡到最佳状态的智能系统。
以色列巴伊兰大学的科学家坎特（Ido Kanter) 教授和他的互助者最近在《科学报告》（ScientificReports)杂志揭橥的文章表明，在连接神经元的网络中，突触模型中每个神经元的学习参数数量要比树状模型中的数量“明显更大”。
对人工智能充满乐不雅观的人不少，如2015年《纽约时报》（ New York Times) 科技版约翰.马尔科夫（John Markoff) 的宣布《人工智能的学习能力匹仇敌类》，就代表了这种范例的不雅观点。
深度学习彷佛真的已经办理了“感知”问题：它具有照片自动分类（图像识别+分类）、图像描述天生（图像识别+理解）等能力。
打算机现在可以比人类更好地识别字符、图像、物体、声音、措辞，乃至是***画面中的物体。
百度用了11940个小时的英语口语来演习他们的语音网络，现在百度的网络转录语音的能力可以媲美人类。
基于算法，机器也可以创造听起来很自然的短语字幕，以此描述图像内容。
2011年1月的一天，美国著名的智力问答竞赛节目《危险边缘》历史上最成功的两位人类选手肯·詹宁斯和布拉德·鲁特在节目中与IBM的一组研究职员开拓的打算机程序“沃森”比赛（比赛时，它被割断了互联网）。
为期两天的寻衅赛结束时，詹宁斯赢得了24000美元，鲁特贏得了21600美元，而“沃森”却贏得了77147美元，遥遥领先于两位人类对手。
只管不能说“沃森”有智能，但他这种能读懂措辞，还能够从自己的影象库中找到答案的这种探索、匹配关系并能识别的能力却是强大的。

与智能同步推进的是基于物联网、大数据的存贮与数据挖掘技能的进步。
如果说5G 时就能够通过云网领悟、边缘打算、终端多样化相结合，可以得到有关每一个联网个体的全息数据，进而达到“信息随心至，万物触手及”的话。
那么6G技能的发展，则可以达到“聪慧连接”“深度连接”“全息连接”“泛在连接”，使得“一念天地，万物随心”成为可能。
“一念天地”中的“一念”一词强调实时性，指无处不在的低时延、大带宽的连接，“念”还表示了思维与思维通信的“深度连接”，“天地”对应空天地海无处不在的“泛在连接”；“万物随心”所指的万物为智能工具，能够“随心”所想而智能相应，即“聪慧连接”；呈现办法也将支持“随心”无处不在的沉浸式全息交互体验，即“全息连接”。
随着车联网、物联网、工业互联网、远程医疗、智能家居、4K/8K 、AR/VR 、空间网络等新业务类型和需求的涌现，未来的网络正呈现出一种泛在化的趋势。
刘韵洁院士等预测说：“在未来，网络人工智能将在网络的自配置/自管理、网络流量自学习/自优化、网络威胁自识别/自防护和网络故障自诊断/ 自规复等方面起到主要浸染，在繁芜的网络环境下实现自动化、智能化的网络管控。
”1983年，罗素（Peter Russell) 提出了“环球脑” （global brain) 的观点。
他认为，通过电话、传真等电信传播工具，人类将会形成连接紧密的环球网络。
罗素认为，环球人口有可能达到100亿，如果100亿人通过通讯举动步伐连接，“环球脑”即可形成。
这个类似于人的大脑的“环球脑”会形成一个具有独立运作能力的有机体，具有影象、思考、反馈等诸多功能。
社会的网络化以及技能推进的网络性联结，使得人与人、人与物的信息都流动的云的数据化存在着。
这种数据化、信息化的办法，成为人和人工智能共同的社会环境和文化环境，是取之不尽、用之不竭的生产资源。
我们在利用机器进行思维时，机器也在把我们变成它的“齿轮”和“螺丝钉”。
网络社会不断进化与扩展，至脑的末了界线被打破，有学者称之为一统（unification) 阶段。
这样的网络是一种“知化网络”，它从冰冷的物理连接逐步进化为主动感知各种连接设备……进而知晓如何适应外界的变革，终极使得全体网络具备智能思考的能力，形成自有的知识体系。
智能与联网，供应了大量的数据，这些数据包括了Who (谁）、What (什么）、Where (在哪儿）、When(什么韶光）以及Why (为什么）。
这5个“W”为机器识别供应了丰富而相瞄准确的个人信息。

可识别的“民气”

只管人们常说“民气难测”，但至少到目前为止，我们利用的是一个“难”字，并没有表明这是不可能之事。
我们看一物，便能知其形、不雅观其色、辩其质。
这一看似大略的意识知觉的背后乃是数十亿大脑神经元的精细而繁芜的关联性活动的结果。
“意识是全脑皮层内部的信息通报，即意识从神经网络中产生，而神经网络存在的缘故原由便是脑中有大量分享干系信息的活动”。
虽然人类大脑与打算机有诸多不同点，但实质上都是信息处理机器。
在神经科学领域已经涌现一些精彩的打算机模型，其特性与人类大脑神经元的生物特性非常靠近（最近的一项研究结果产生的模型具有100万个神经元，5亿个联结）。
这些打算机模型表明人造神经元群体涌现了很故意思的新趋势，如组织集群与活动波。
类脑信息处理的研究目标便是构建高度协同视觉、听觉、触觉、措辞处理、知识推理等认知能力的多模态认知机。
目前这一方面都取得了不少的进展。
机器识别民气初步取得的造诣和未来努力的方向紧张包括几方面。

识图看脸。
“眼睛是心灵的窗口”，读心先读脸，读形识脸是识别民气的第一步。
人脸识别(Face Recognition) 是“一种依据人的面部特色(如统计或几何特色等）， 自动进行身份鉴别的一种技能，它综合利用了数字图像、***处理、模式识别等多种技能”。
研究创造，对一个人脸部的整体影象，是由几千个神经元相互浸染，综合产生一种突发特性才完成的。
机器学习和深度算法， 已经把稳到了这种特色，开拓出了越来越繁芜的机器网络，以模拟神经元的功能。
2006年，Hinton教授提出深度信念网络，这标志着深度学习理论的出身，图形识别技能得以快速发展。
如今，人工神经网络（Artificial Neural Network, ANN) 被广泛运用，使得自动人脸识别成为现实。
美国斯坦福大学李飞飞教授牵头创立了一个弘大的图片数据库Image Net, 该数据库目前拥有超过1400万张高分辨率的图片，标注的种别超过2.2万个。
从2010年起，每年举办一次大规模视觉识别寻衅赛（ILSVRC) ，借此推进图形识别技能的发展。
2012年参赛的Alex Net深度神经网络一举将识别缺点率低落至15.3% , 完胜第2名26.2%的识别缺点率。
2018年，多伦多大学的研究职员创建了一个神经网络，“让打算机拥有了一种神奇的能力来感知照片中的物体”。
多伦多大学的一组研究职员在他们最近关于这一主题的论文《***人脸聚类的面部表征的自我监督学习》中指出，基于故事情节，更深入地理解***，能够预测哪些角色何时何地涌现。
为此，这些研究职员开拓了一种无监督模型，能够根据现有的数据集（如Youtube Faces等面部数据库） 和有限的演习来创建高度准确的面部识别模型。
这些模型可以利用基于有序面部间隔，动态天生正/负约束，并不必仅依赖于目前常用的轨道（track) 信息。
海内也有学者利用MTCNN算法进行人脸检测，在多姿态人脸数据集上准确率为96.25%, 相较于单一姿态的人脸数据集，准确率提升了2.67%。

辨音释义。
措辞是最好的识别民气的路径，乔姆斯基认为人的心智与措辞是同步发展的。
我们可以通过探索和挖掘一个人写了什么，说了什么而大体判断出一个人的精神形态、态度和态度，这也是当下许多人工识别技能的算法逻辑。
措辞是人类独占的符号系统，是表情达意的中介，如果不能理解人类的措辞，识读民气自然也是空话。
理解措辞，不但要理解各种书面措辞的意义（篇章构造、高下文、句子和语词的含义等），还包括语音理解、非措辞性表达（如人的肢体措辞）。
乔姆斯基认为：“人类措辞可以用来奉告信息，也可以造成误导，可以用于澄清个人思想，也可以用来表示个人的聪明才智，或者便是为了娱乐。
”人类可能用同样的语词来表示不同的事物，人们还喜好借用措辞的多义性来实现委婉表达，而且表达的情境和高下文理解也极为主要，以是打算机要想真正节制人类的措辞并不随意马虎。
“理解不是一件大略的事情。
部分的缘故原由在于语音，语义和拼写之间的关系，大部分都带有主不雅观任意性……造成措辞表征的不同水平之间联系困难的其余一个缘故原由是歧义(ambiguity) 。
在语目领域，歧义是指人们可以对一个发音、单词、短语或者句子做出不止一种阐明的征象。
”露斯·米利肯（Ruth Mikian) 乃至认为“思想和措辞是生物征象，他们的意义取决于我们的进化史”，如果这种不雅观点是精确的，那么不能进化的强人工智能当然就不具备真正的理解力。
不过雷·库兹韦尔却相信“结合大量并行神经网络和其他打算模式对系统进行演习和蜕变，使其能理解措辞和模型，包括阅读理解笔墨文件的能力”。
自然措辞处理技能（NPL) 便是朝这个方向努力的。
目前科学家利用编译事理干系的技能，例如词法剖析、语法剖析、语义理解，通过机器学习得到了很大的打破。
被称为形态解析(morphological analysis) 的算法便是试图办理措辞理解问题的。
2016年，微软的一个团队宣告，他们开拓的一个拥有120层的深度学习网络已经在多人语音识别基准测试中迖到了与人类相称的水平。
20世纪50年代的一位研究肢体措辞的先锋人物阿尔伯特·麦拉宾（Albert Mehrabian)的研究创造，一条信息所产生的全部影响力中7%来自于措辞（仅指笔墨），38%来自于声音（个中包括语音、腔调以及其他声音），剰下的55%则全部来自于无声的肢体措辞。
那么，对那些非措辞性的表达的剖析也是一项同样主要的事情。
据宣布，卡内基梅隆大学机器人学院（CMURI)的科学家研发了一种能解读人类肢体措辞的打算机系统——Open Pose。
该系统利用打算机视觉和机器学习技能来处理***帧，乃至可以实时跟踪多个人的肢体运动，包括手和脸部。
研究职员亚瑟·谢赫（Yaser Sheikh) 表示, 这一方法为人们和机器之间的相互浸染开辟了新的办法，人们利用机器更好地理解周围的天下。
另悉，措辞技能研究所的路易斯-菲利普•莫朗西（Louis-PhilipeMorency) 利用多模式机器学习来评估病人的非措辞行为来帮助年夜夫更好地评估烦闷症和焦虑。
宾夕法尼亚州立大学的一个研究小组也在探索这一领域。
该小组处理了大量的电影剪辑，并建立了超过13,000个人物角色的数据集，近10,000个身体动作。
研究职员利用众包的人类注释器来审査电影剪辑，并确定26个分类感情中的每个人的情绪。
研究表明，在识别人类情绪时，人体可能比面部更具诊断性。

通心会意。
20世纪最著名的实验生理学家乔治•米勒（George Miller) 在1962年建议应该在一二十年内禁止利用意识这个词。
2019年3月20日，美国哥伦比亚大学创意机器实验室总监、工程学教授霍德·利普森（Hod Lipson) —直在探索打造具有自我意识的机器。
他阐明说：“在机器人和人工智能领域，我们曾经视意识为禁忌，我们不许可触及这个话题。
但在我看来，意识可以说是一个悬而未决的大问题，与生命起源和宇宙起源一样。
什么是感知，什么是创造力？什么是情绪？我们想知道人之所以为人的意义，我们也想知道如何人为地创造出这些东西。
是时候直面这些问题了。
”根据霍德·利普森的不雅观点，感知或自我意识的基本构建块之一是“自我仿照”（self-simulation): 建立一个人的身体及其在物理空间中如何运动的内在表征，然后利用该模型来辅导行为。
2019年，他率领的研究团队发明的新兴粒子机器人登上了《自然》杂志封面。
他们的创新包括两个方面：一是这些由“粒子”（即圆盘状单元）组成的机器系统，不须要人类的强集中掌握，也能依赖自主性伸缩和随机运动完成繁芜的任务；二是这种系统很可能产生觉知，通过思考“我为什么在这里”进而做出自我模似、自我复制，从而可以在设备故障、分外作业环境中顺利完成任务。
对付机器人是否会拥有自主意识问题，霍德·利普森给出了肯定的回答：“这件事情将在10年之后发生，还是100年之后发生，我也不知道。
但是，我比较确信的是我们的孙辈所生活的天下里，机器将会有自我意识。
”不过，他强调，这个自由意志是可以被人类操控的。
人类将和人工智能一起学习、一起进步。
生理学家就通过词汇学假设（lexical hypothesis) 来丈量人格。
这一假设首先由英国学者高尔顿于1884年提出。
1936年美国生理学家G.W.奥尔波特和奥德伯特在英语词典中找到了17953个描述人格生理特质的词汇，又从中写出4500个作为归类剖析，历经几十年、数代学人对这些词汇进行筛选和剖析，五大人格在不同的实证研究中不断地被重复创造，末了被生理学家公认为五大人格特质模型。
有研究显示，只要有足够的社交数据，不用任何人为的建议，打算机和算法就可以自动判别一个人的生理特质，乃至仅仅凭借“点赞”的数据就可以完成。
如果节制一个人在Facebook上10个点赞，对他的理解就可能超过他的一样平常同事；节制70个就可能超过他的朋友；节制150个就可能超过其家庭成员；节制300个就可能超过其最亲密的妻子或丈夫了。
2008年，剑桥大学的年轻研究职员迈克尔·科辛斯基（Michal Kosinski)开拓了一项可以在Facebook上进行的OCEAN测试。
到2012年，根据Motherboard网站上的一篇文章所述，科辛斯基证明：“均匀来说，根据一名用户在Facebook上的68个‘爱好’就可以推测其肤色（95%的准确率）、性取向（88%的准确率）、亲民主党还是共和党（85%的准确率）。
”

感情感知。
打算机对人的心智的理解的其余一个更大的寻衅，是对人的感想熏染和感情的把握。
感情指的是存在于脑和身体之内、常日由某个特定的心智内容所引发的一系列机体变革。
感想熏染是对这些机体变革的知觉。
安东尼奥达马西奥认为：“在意识形成之前，以及在意识作为一种我们常常没有故意识地认识到的勾引物而在我们每个人身上表现出来之前，感情很可能就已经产生并发展起来了……感想熏染在意识心灵的剧院里发挥着最根本的、更为持久的浸染。
”人工智能系统已经能够用多种办法识别人类的部分情绪。
有些是生理的，如监测人的呼吸频率、心电和脑电反应；有些是口头的，如把稳说话的语气、语调、语速以及用词习气；有些是视觉的，如剖析眼动规律与人的面部表情；有些是运动感知，如身体的移动、手指的运作，等等。
美国生理学家埃克曼（Paul Ekman) 在十九世纪六十年代提出并在后来发展起“感情指纹”理论。
他创造不同民族的措辞虽然不同，但对应相同基本感情的面部表情（脸部肌肉运作办法）却是靠近的、普遍的。
他还为人类的3000多种故意义的表情总结了清晰的编码和规则。
以埃克曼的研究为根本，全天下已开拓出多个表情剖析系统。
比如加州大学圣地亚哥分校研发的CERT (表情识别工具箱）可以自动检测***流中的人脸，实时识别“面部表情编码系统”的30个动作单元组合，包括愤怒、厌恶、恐怖、喜悦、悲哀、惊奇和歧视等表情。
经卡内基-梅隆大学和麻省理工学院联合检测，CERT的表情识别准确率达到80.6% 。
目前，微软、IBM 、亚马逊、京东等公司已经开始***“感情识别”算法—基于人脸的剖析来推测人类的心情。
迪士尼公司就开拓了一个不雅观众表情剖析系统（FVAEs) 。
在实验中，研究小组在一个能容纳400人的电影院里设置了4个红外摄像机，并把FVAEs运用到了150部热插的电影中。
在漆黑一片的影厅中，这个别系能够捕捉不雅观众们的哄堂大笑、微微一笑或者悲哀堕泪等反应。
从3179名不雅观众中，研究小组终极得到了1600万个面部特色的数据凑集。
通过剖析这些表情，迪斯尼公司得以知道不雅观众是否喜好这部电影，哪些情节最能打动人，他们由此可以用量化的方法对电影的情节设计进行评价。

2014年年底， 日本著名的投资公司软银在***发布会上展示了一个名叫“胡椒”（Pepper)的智能机器人，它通过“感情引擎”和云打算来辨识剖析人类的表情、肢体动作、语调和感情。
据称，“Pepper”还能供应保姆、照顾护士、急救等做事，而且具备学习和情绪表达等能力。
软银CEO孙正义称：“人们常把一些没有感情、没有心的人称为‘机器人’，我们在人类历史上第一次给了机器情面感和心。
”当然，真精确认并理解人的情绪，不是一件很随意马虎的事， 由于就算是人与人之间的情绪把握也是难题， 比如我们常常忽略遗漏与我们互换的工具的细微感情颠簸，也常常曲解对方的情绪反应。
有学者撰文指出，“感情指纹”理论在方法论上存在毛病。
有学者通过对数百个实验的剖析得出结论是：在自主神经系统中，不同的感情并没有同等的特定指纹。
一种精神活动（如恐怖）竟然不是由一组神经元创造的。
相反，只有不同的神经元组合起来才能产生恐怖。
在美国生理科学协会的委托下，五位科学家展开了数据网络和科学证明。
他们的研究成果显示，感情的表达办法多种多样，很难从一组大略的面部运动中可靠地推断出一个人的感想熏染，表情与心情之间没有坚实的科学依据证明有直接关联。
该论文的作者之一，马萨诸塞州的东北大学生理学教授莉莎·费德曼·巴瑞特（Lisa Feldman Barrett)在接管媒体采访时表示，数据显示，人们执政气时， 均匀只有不到30%的韶光会皱眉。
以是愁眉苦脸不是愤怒的表现，而只是浩瀚愤怒表达之一。
这意味着超过70%的情形下，人们执政气的时候不会皱眉。
最主要的是，他们在不生气的时候常常会皱眉。
Barrett说，虽然“能检测到一张愤怒的脸，但这与察觉到愤怒的感情是两码事。
”当然，这些批评都无法断言感情识别是不可能的。
事实可能是目前做不到精确的识别，只是由于还有没有找到更科学的方法。
纽约大学教授加里·马库斯（Gary Marcus) 就指出， 目前普遍利用的深度学习技能可能善于模拟人类大脑的感知任务， 比如图像或语音识别。
但它在理解对话或因果关系等其他任务上仍有很大不敷。
因此斯坦福大学教授李飞飞所言，（深度学习）无论在智力、人力或机器设备方面，都还有很长的路要走。
为了创造能力更强、智能范围更广的机器，也便是俗称的通用人工智能，深度学习必须与其他方法相结合。
马库斯和欧内斯特·戴维斯（Ernest Davis) 在他们的新书《重启人工智能》（Rebooting AI) 中主见开辟一条新的提高道路，他们认为个中一些可能来自我们如何构建算法的规则。
未来，AI可以通过语音识别、视觉识别、笔墨识别、表情识别等数据，结合深度学习，再加上人工的标记，从而具备识别感情的能力。
总之，智能技能目前看起来还相称不成熟，但至少它们已经可以在一定程度上认识民气了。

总结

人类与猿类有什么差异？历史学家尤瓦尔·赫拉利（Yuval Harari) 在《人类简史》（Sapiens: A BriefHistory of Humankind) 一书中认为，人类与其他生物的不同点之一是我们汇合体说谎。
无论任何，人都是这个天下上最繁芜、最智能的生物。
人类的大脑包含了无数的智能组合和联结(要特殊把稳这种联结的意义， 由于“思考、感想熏染和行动都是依赖许多神经元的综合活动，而不是单一细胞的产物”) 。

我们与生俱来就有脑中枢，它们掌握着各种觉得和肌肉群的移动（如眼睛和四肢的活动），让我们能够区分声音和措辞，区分面孔的特色，区分各种不同的触感、味道和气味；我们天生就带有原型专家，他们参与到我们的饥饿、欢笑、恐怖、愤怒、就寝和性生活中。
肯定还有其他许多尚未被创造的功能，每个功能都依托于某种不同的构造和操作模式。
“成千上万的基因参与安排了这些智能组合以及它们之间的神经束”。
人类的大脑有着超长的短韶光影象的能力，且能够基于情境须要而随时调动这些影象单元，并加以重新组合，以应对随时面临着的繁芜的外部环境的变革。
以是，机器要想完全读懂民气自然不是件大略之事。
至少到目前为止，还没有创造人工智能可以达到共情式理解的能力，也可能还做不到自主编造谎话，以是机器要真正读懂民气还早得很。
但正如前文所述，人工智能已经在一定程度上可以读懂人类创造的多种符号乃至是进行创作，如机器人写作已经被广泛利用于***宣布、绘画、创作音乐和诗歌。

人工智能正越来越有能力识别民气，但这还不虞味着机器故意识和思维力。
有学者将人类心智进化的进程分为五个层级：神经层级的心智、生理层级的心智、措辞层级的心智、思维层级的心智和文化层级的心智。
比照一下人工智能的进化程度，可见它还远未达到思维和文化的层级。
因此人工智能领域先驱者马文·闵斯基认为，智能机器人可以完成具有超高智商的人类都无法完成的事，但很多小孩子都能做到的事，它却做不到——比如，产生一点点思维意识。
目前的人工智能仅属于弱人工智能，无非是让机器具有某种智能的行为，它却没有达到强人工智能的自主意识——机器能够真正地像人类一样思考(can machine really think) 。
从识别民气的视角看，当下的技能打破难点还处于识读人的心境、感想熏染、感情方面。
黄欣荣就认为：“机器毕竟是机器，在体力、智力方面赛过人类，但在情绪、意志等方面，机器还无法匹仇敌类。
由于人工智能目前仍是有智力没聪慧。
”涂子沛曾预测：“表情剖析、情绪打算，未来将会和更多的传感器、可穿着设备所得到的数据相结合，即通过人类的表情、措辞、手势、大脑旗子暗记、心血管血流速率等生理数据，实现对人的感情、生理状态的全面解读。
基于这些数据，机器可以对人类的生理、生理乃至是感情的变革进行预测。
机器作出的这种解读和预测要比人类更为准确。
”史蒂芬•霍金在其遗作《大问题简答》（Brief Answers to the Big Questions) 中断 , 打算机可以仿照乃至超越人类智能。
他预测说，若打算机的发展知足“摩尔定律”（Moore's Law)——即运算速率每十八个月翻一番，则将在百年之内超越人类智能。
大概到了那一天，一个比我们自己还懂我们的幽灵才会涌现。
雷·库兹韦尔对这一天更是充满憧憬，他写道：“正是存在于世—有体验、故意识，才有心灵而言，这也是心灵的实质。
机器由人类思维演化而来，却在体验能力方面超过了人类，因此它们也可以被认为是故意识、有心灵的，至少机器们自己对这点笃信不疑，认为它们也经历过故意义的心灵体验。
”

当然，话又说回来，我们人类自己何曾真正能够读懂别人的心呢。
胡塞尔预示了一种“人同此心，心同此理”的同理心机制的存在。
我和他和你之间之以是能够产生同理心，是由于我们同处一个生活的天下，我们可能会有相似的生活体验。
“同情绪的缺失落，在相称程度上，或许便是与两个干系主体各自所具有的生活的差异性有关的。
”海德格尔给人们超越庸常的日常生活的出路是“向去世而生”，这种根本性出路的核心是“畏”——对所有存在的虚无化的恐怖。
至少到目前为止，机器不能体验人的生活天下，无法理解“向去世而生”，无法真正理解“畏”。
因此，对机器完备读懂民气的演进程度还没有必要给予苛求，何况基本读懂，乃至比他人更好地读懂我心的可能性还是存在的。

2016年6月3日，微软联合创始人比尔·盖茨在南加州举办的Code Conference大会上表示：“人工智能的梦想本日终于实现了，这是一件好事，也是一件坏事，由于这对未来的人类来说，可能会成为一大担忧。
”读懂民气，与其他技能一样，效用都是两面的：一方面可以用于治疗和管理，但另一方面也须要防止对人类本身的陵犯。
2018年，伦敦咨询机构“剑桥剖析”（Cambridge Analytics) 遭到英国数据监管机构——信息专员办公室（ICO)突击调査。
这家公司涉嫌造孽获取Facebook数据以建立美国选民档案、旁边美国大选走向。
据宣布，“剑桥剖析”与2016年特朗普竞迭团队互助，利用了多达870万名Facebook用户的个人档案建立起个人信息系统，以预测和影响民意选择，让选民们在2016年总统选举中投票给特朗普。
剑桥公司的所作所为之以是受到高度关注，是由于他们把8700万人的社交数据与美国商业市场上2.2亿人的消费数据进行匹配、组合和串联，找出谁是谁，然后就这些人的性情、年事、兴趣爱好、性情特点、职业专长、政治态度、不雅观点方向等上百个维度给人打上标签，并基于这些数据进行生理画像、建立生理档案，再通过这些生理档案开展剖析，总结出不同人群的希望点、恐怖点、共鸣点、愉快点、煽情点以及“心魔”所在。
剑桥公司利用的显然是一种新型读心术。
当然，这种读心术还是基于数据剖析师和打算机共同完成的。
实在，纵然是通过公开的数据，人工智能也可以成为影响、操纵、掌握他民气理和不雅观点的工具，这种生理入侵、思想入侵和意识入侵的行为更该当引起广泛的关注。
听说，未来的人类将会改变通过视、听、触觉与人工智能互换的办法，而是通过脑机接口更直接地操作人工智能系统这个新的“超级大脑”。
这一前景，看起来是那么令人神往，大概未来我就不用那么刻苦地学习读书了，识别民气也变得轻而易举，女孩子的心思再也不用猜了。
诺贝尔物理奖得主理查德·费曼（Richard Phillips Feynman) 曾说道：“在某种程度上，科学是开启天国之门的钥匙，但它同样可以打开地狱之门。
我们没有得到任何指示来知晓哪个门是通往天国之门。
但为此我们就该把钥匙扔掉，从此放弃进入天国之门的求索？抑或我们该就什么是利用这把钥匙的最佳办法连续辩论？这当然是个非常严明的间题，但我认为，我们不能就此否认这把天国之门的钥匙本身的代价。
”诚哉，斯言。

（由于篇幅缘故原由，本文的注释不在此列出，详见原文）