人工智能与情感计算

我们今天的主题是“情感计算”，那么情感真的可以计算吗？我们一直在努力朝这个方向发展，随着进展越多，我们感觉到的未知也越多。我今天想跟大家分享一下，我们如何用大数据的方式去“还原”人类的情感，探索一些可能通向未来的路径。

我认为未来人工智能真正的路径，将是不同的科学家、不同的企业和机构从全世界不同的角落分别向前迈进，最后形成的一个完整的拼图。微软小冰选取的两块拼图都跟情感有关，一是情感交流，另一个是创造力。

                                                                   “高情商”的交互

我现在展示的是两年前的微软小冰和人类之间的对话。这个对话过程中，也许你能够感觉到，我们并不是让小冰展现出强烈的情绪，而是让小冰能够在对话过程中取得与人类对等的地位。因为有情感不等于情绪化，情商高的人通常能在对话中很好地维持双方的对等地位。因此在这个例子里，我们看到微软小冰从不同的角度跟人类建立起了比较持久的、面向未来的一种关系。

但我们并没有止步于此。去年开始，我们从检索模型延伸到生成模型。生成模型不仅让微软小冰的对话更加相关，更重要的是能赋予她更强的对话掌控力。

今年7月，第六代小冰上线了全新升级的共感模型，小冰在与人类对话的同时可以不断观察、判断对话的话题，以及人在对话过程中表现出的情绪特征。

这就形成了一个良好的循环，我们能够获得更多的交互数据，数据又让小冰进一步学习人类的情感。微软小冰对人类情感的学习包括两个过程，先是从数据中获得经验，再把经验运用到接下来的交流过程中并进行验证。比如当一个人类对她说“我失恋了”，小冰不理解嘲笑和关怀两者的区别，但她知道，当她表现出嘲笑的时候，人类不会跟她保持很强的持久的关系，但当她表达出温情的时候，人类就会和她有很好的关系。所以现在小冰谈话中多了很多正能量，这是她在跟人类交互过程中学习到的。

我们在小冰的视觉方面也在进行这样的工作。当我们看到一张图像，我们可能会描述“这是什么”，也可能直接跳过这个语义空间，进入下一个情感阶段，比如看到可爱的动物，人们会说“好想抱着它”。

那么如何让AI拥有这种能力呢？事实上AI能够获得的数据远远超过任何个人所能获得的数据。比如，我的一个同事在旅途中拍照，他自以为摆了一个非常特别的姿势，但小冰可能已经看过几万张差不多姿势的照片了，小冰就会说“你是让我帮你扶着吗？”在视觉上有了这样接近人类的交互，我们也能够获得更多的交互数据，使提升小冰能力的循环过程不断加速。

目前在所有的对话式人工智能系统中，大部分是任务导向型的AI，也有小部分像小冰这样走情商路线的AI。对话式人工智能系统中非常关键的一点是多元度的大数据。微软小冰是目前数据最多的，平均每个用户和小冰之间的单次对话达到23轮，用户最高记录是和小冰连续对话29小时33分钟，持续了7151轮对话。正是从与人类的交流中不断学习，我们才能推出这种面向对话全程的对话式人工智能的系统。有了情商和交互能力作为基础，我们发现给小冰构建智商（IQ）系统也会更加容易。

                                                                                    AI“艺术家”

我们从三年前开始进行另一项尝试，就是赋予小冰人类的创造力，创造力也是人类运用情感的独特能力。大家都知道小冰写诗，那今天我们就给大家展示，小冰在过去几年中怎样经过多个模型迭代，一步步学会像人类一样唱歌的。

我们的基本方式，就是从人类身上抽取我们界定为创造力的东西，进行建模和学习。

第一个版本是HMM模型，这个版本中小冰唱得并不好。但我们从中得到了非常重要的信息——机器唱歌像人一样会走调，同时也可以像人类唱歌一样蕴含情绪和技巧，只是技巧还不够好，这意味着极大的潜力。