创业公司 Affectiva 利用自己研发的算法计算人脸的面部表情，比如说可以检测到上扬的眉毛、皱眉、傻笑、假笑、蹙额和微笑等。当这些面部表情数据与广告上产品的后期销售数据融合在一起之后，他们发现通过观察消费者看广告时的表情，预测该产品销量上升、下滑或者保持原状的准确率有 75%。最后，通过对比，Affectiva 公司认为通过对广告看客的表情分析可以以 70% 的准确率预测该产品未来的销售业绩。

 

虽然这样的研究在销售领域看起来非常有潜力，但它却是在情绪计算领域的重要里程碑。人们都会遇到很难表达自己情绪的时刻，现在机器不仅可以阅读人们的部分表情，更能在分析情绪的基础上预测人类下一步的行为。

 

在美国，电视广告的市场为 700 亿美元。美国麻省理工学院媒体实验室情绪计算小组领导兼 Affectiva 公司创始人 Rosalind Picard 预测说：“情绪分析对于商界人士来说非常重要。”

 

即便如此，情绪分析目前却并没有在更广的领域得到应用，而其他领域的应用可能比促进销售更有前瞻性。比如说，利用情绪分析技术来帮助孤独症患者来读懂对方的社交暗示，老师利用情绪分析技术来帮助学生提高自己的学习能力，或者是让电脑更加人性化。

 

面部表情识别、情绪分析能否应用到其他领域，下个月就将见分晓。11 月，Affectiva 基于其算法的 SDK 开发包将向认证开发者发放。Affectiva 的首席科学家 Rana el Kaliouby 和其他联合创始人都希望能将这一技术应用到非市场营销领域。虽不愿提及合作伙伴，但 Rana 说：“从游戏开发到娱乐，再到娱乐和学习环境，都可以用到面部表情识别和情绪分析。”

 

像学习助手之类的应用程序，可以在检测到学生遇到困惑时告知教师，或者帮助孤独症儿童读懂其他人的面部表情。Affectiva 的技术早在 4 年前就开始使用，目前该公司一共有 35 名雇员，共计获得 2000 万美元的风险投资。Affectiva 公司曾押注两款产品，一款是腕带设备 Q sensor，它通过检测皮肤导电性、温度和活跃程度，来检测用户的压力、紧张、睡眠问题、癫痫发病或者其他医学上的问题。另外一款产品是 Affdex 面部表情识别软件。Q sensor 这款产品在初期产生了非常好的市场反馈，不过从今年 4 月以来主要是研究人员来购买用来检测患者的癫痫发病原因，销量开始下滑。所以。Affectiva 公司目前只专注于 Affdex 面部表情识别软件，并且与 Insight Express 和华通亮略两家市场调查公司以及联合利华、玛氏等消费品公司展开了合作。
 

 

Affectiva 公司历时 3 年的全球市场调查，一共收获了超过百万个面部表情数据，其算法的精准程度已经可以利用普通家用网络摄像头和移动设备的摄像头进行面部表情识别。剑桥大学情绪计算博士生 Tadas 说：“Affectiva 解决了在复杂、受限环境下的面部表情分析问题，这是其他学术机构以往都不愿意去涉及的。”

 

Affectiva 在全球 52 个国家做完调查之后，还将被试者的面部表情按照性别、文化和主题进行了分类。当人们不愿意表达自己的感情的时候，面部表情识别就可以挖掘潜在的价值。例如，印度妇女看到洗衣液广告中丈夫感谢妻子洗衣服用手触碰她的腹部时，所有的印度妇女都会微笑，但是在现实生活中都不愿意提及这一场景或者承认很喜欢这一动作。

 

面部表情识别已经在教育领域有了很成功的应用。加州大学研究人员创办的 Emotient 公司利用这一技术预测视频教程的难度和学生的观看速度。还有研究人员利用 iPad 学习应用来检测学生学习时的带入感，用来预测学生之后的考试成绩。

 

美国亚利桑那州立大学副教授 Winslow Burleson 说，这种面部表情识别技术对于那些有学习障碍的学生来说特别有帮助。医生也可以利用这一技术来判断病人是否听懂了他的健康恢复指导，游戏开发企业还可以用它来改善游戏难度，增加游戏乐趣。

 

Picard 说，Affdex 在网络课堂上很有效，“在真实的课堂上，教师可以很明显地观察到学生的活跃程度，但是把课程放在网上的时候，学生是不是在认真学习，我们就不得而知了。有了 Affdex，教师不仅可以指导学生是否在认真听讲，还能了解学生对课堂幽默的反馈，看学生时真笑还是在假笑。”

 

不过，现在并没有足够的实验来证明学生的表情和学习状态之间确实存在紧密的关系。Tadas 说，“我认为，在将面部表情识别应用到课堂或网络课程之前，还需要做更多地研究。”