评定-兴奋 生理唤醒-认知因素 认知-评价 一信息 情绪障碍图式与情绪脑区交互 AI情感

情绪认知理论(cognitive theory of emotion)是心理学中主张情绪产生于对刺激情境或对事物的评价的理论。认为情绪的产生受到环境事件、生理状况和认知过 程三种因素的影响,其中认知过程是决定情绪性质的关键因素。它包括: (1)阿诺德的“评定——兴奋”说;(2)沙赫特的两因素情绪理论;(3)拉扎勒斯的认知——评价理论;(4)西米诺夫的情绪认知一信息理论;(5)扬和普里布拉姆的情绪不协调理论。

中文名情绪认知理论外文名cognitive theory of emotion包 括阿诺德的“评定——兴奋”说包 括沙赫特的两因素情绪理论

美国心理学家阿诺德(M. R. Arnold)在20世纪50年代提出了情绪的评定-兴奋学说。这种理论认为,刺激情景并不直接决定情绪的性质,从刺激出现到情绪的产生,要经过对刺激的估量和评价,情绪产生的基本过程是刺激情景——评估——情绪。同一刺激情景,由于对它的评估不同,就会产生不同的情绪反应。

评估的结果可能认为对个体“有利”、“有害”或“无关”。如果是“有利”:就会引起肯定的情绪体验,并企图接近刺激物;如果是“有害”:就会引起否定的情绪体验,并企图躲避刺激物;如果是“无关”:人们就予以忽视。

阿诺德认为,情绪的产生是大脑皮层和皮下组织协同活动的结果,大脑皮层的兴奋是情绪行为的最重要的条件。她提出情绪产生的理论模式是:作为引起情绪的外界刺激作用于感受器,产生神经冲动,通过内导神经上送至丘脑,在更换神经元后,再送到大脑皮层,在大脑皮层上刺激情景得到评估,形成一种特殊的态度(如恐惧及逃避、愤怒及攻击等)。这种态度通过外导神经将皮层的冲动传至丘脑的交感神经,将兴奋发送到血管和内脏,所产生的变化使其获得感觉。

这种从外周来的反馈信息,在大脑皮层中被估价,使纯粹的认识经验转化为被感受到的情绪。这就是“评定-兴奋学说”。

沙赫特(S.Schachter)和辛格(J.E.Singer)提出的情绪归因论(attribution theory of emotion)认为情绪产生决定于两个主要因素,生理唤醒和认知因素(故有人称之为“情绪的二因素理论”),认知因素又包括对生理唤醒的认知解释和对环境刺激的认识。这样一来,影响情绪产生的因素主要是:生理唤醒+对生理唤醒的归因+对环境刺激的认识,三方面的因素(故又有“情绪的三因素理论”之说)。在新修订的彭聃龄版《普通心理学》中只提沙赫特与辛格的情绪认知理论,不再使用两因素或三因素的提法。

沙赫特和辛格(Schachter & Singer,1962)当时做的实验非常有名。他们给被试注射一种药物,并告诉他们这是一种复合维生素,目的是测定这种新药对视力的影响。但实际上注射的是肾上腺素和食盐水。注射肾上腺素能引起心跳加快、血压升高、手发抖、脸发热等情绪生理反应。

被试分为三组:正确告知组、错误告知组和无告知组,分别给予不同的指示语。对于正确告知组,即告诉他们注射这种新药会出现心跳加快、手发抖、脸发热等反应。对于错误告知组,有意错误地告诉他们注射这种新药可能无感觉、会发麻、发痒、头痛等。对无告知组,主试什么也没有告诉他们。注射食盐水的所有被试都列为无告知组。

然后,人为地安排了两种实验情境;一种是欣快的环境,一种是愤怨的环境。所谓欣快的环境,是由主试的助手(这个助手是受过训练的,他和被试一起,被试以为他也接受同样的注射,在同样的情况下参加实验)同被试一起唱歌、玩耍和跳舞。所谓愤怒的环境,是主试的助手当着被试的面对主试要他填写的调查表表示极大的愤怒,不断咒骂、斥责并把调查表撕得粉碎。实验后,主试询问被试当时的内心体验。

结果错误告知组的反应最容易受助手的高兴所感染,正确告知组的反应不容易受环

境气氛的影响,无告知组的反应则介于上述两组之间。同样,他们对愤怒的环境的反应也是一样的。该实验说明,注射肾上腺素虽然引起了典型的情绪唤醒状态,但它的单独作用不能引起人的情绪;同样,环境因素也不能单独决定人的情绪。在这里,认知对人的情绪的产生起着决定性的作用。处于生理唤醒状态的错误告知组,因对其自身的生理状态不能作出恰当的说明,他一方面环视周围环境,以求得某些说明的线索,同时又认为自己之所以体验到这种生理反应,乃是由环境的气氛所致,于是就把自己的生理状态与环境线索相适应说成是欢乐或愤怒。正确告知组由于已经具有说明自己的生理反应的信息,便不去寻找环境中的线索。无告知组从主试那里什么信息也没有得到,完全按自己的评价作出反应。

于是沙赫特和辛格认为,情绪是认知因素和生理唤醒状态两者交互作用的产物,因而沙赫特和辛格的情绪理论又称情绪二因论(two-factor theory of emotion)。实际上,在上述实验中,认知对情绪可能有三种作用,即对情绪刺激的评价和解释,对引起唤醒原因的认知分析,对情绪的命名以及对所命名情绪的再评价。不过,有人重复沙赫特和辛格的实验,但没有得到和他们相同的结果.

沙赫特和辛格的实验证明,人对生理反应的认知和了解决定了最后的情绪体验。这个结论并不否定生理变化和环境因素对情绪产生的作用。

对于特定的情绪来说,有两个因素是必不可少的。第一,个体必须体验到高度的生理唤醒,如心率加快、手出汗、胃收缩、呼吸急促等;第二,个体必须对生理状态的变化进行认知性的唤醒。

事实上,情绪状态是由认知过程(期望)、生理状态和环境因素在大脑皮层中整合的结果。环境中的刺激因素,通过感受器向大脑皮层输入外界信息;生理因素通过内部器官、骨骼肌的活动,向大脑输入生理状态变化的信息;认知过程是对过去经验的回忆和对当前情境的评估。来自这三个方面的信息经过大脑皮层的整合作用,才产生了某种情绪体验。 将上述理论转化为一个工作系统,称为情绪唤醒模型。

这个情绪唤醒模型的核心部分是认知,通过认知比较器把当前的现实刺激与储存在记忆中的过去经验进行比较,当知觉分析与认知加工间出现不匹配时,认知比较器产生信息,动员一系列的生化和神经机制,释放化学物质,改变脑的神经激活状态,使身体适应当前情境的要求,这时情绪就被唤醒了。

这个工作系统包括三个亚系统: 第一个亚系统:对来自环境的输入信息的知觉分析; 第二个亚系统:在长期生活经验中建立起来的对外部影响的内部模式,包括过去、现在和对未来的期望; 第三个亚系统:现实情景的知觉分析与基于过去经验的认知加工间的比较系统,称为认知比较器,它带有庞大的生化系统和神经系统的激活机构,并与效应器官相联系。

认为情绪是人和环境相互作用的产物,在情绪活动中,人不仅接受环境中的刺激事件对自己的影响,同时要调节自己对于刺激的反应。情绪活动必须有认知活动的指导,只有这样,人们才可以了解环境中刺激事件的意义,才可能选择适当的、有价值的动作组合,即动作反应。情绪是个体对环境事件知觉到有害或有益的反应。在情绪活动中,人们需要不断地评价刺激事件与自身的关系。具体来讲,有三个层次的评价:初评价、次评价和再评价。

初评价是指人确认刺激事件与自己是否有利害关系,以及这种关系的程度。次评价是指人对自己反应行为的调节和控制,它主要涉及人们能否控制刺激事件,以及控制的程度,也就是一种控制判断。再评价是指人对自己的情绪和行为反应的有效性和适宜性的评价,实际上是一种反馈性行为。

西米诺夫(Siminov,P.V.)的信息理论认为,如果一个有机体因缺乏信息而不能适当地组织自己,那么神经机制就会使消极情绪开始行动。西米诺夫主张,情绪(E)等于必要信息(In)与可得信息(Ia)之差与需要(N)的乘积,即:E=-N(In-Ia)

西米诺夫认为,情绪本身具有一种强烈的生理激活的力量,如果这个机制变活跃了,那么,一些习惯性反应必定受到破坏。当有机体需要的信息等于可得的信息时,有机体的需要得到预期满足,情绪便是沉寂的。如果信息过剩,超出了有机体预期的需要,便会产生积极的情绪;反之,则会产生消极情绪。积极的情绪和消极的情绪都可以促进行为。

西米诺夫的情绪理论虽然比较简单、明了,但它为情绪研究开辟了一个新的视野、新的方向。遗憾的是,西米诺夫没有对信息、需要的性质和它们的内在联系进行深入的动力学分析。

情绪不协调理论情绪信息加工理论形成于20世纪40一60年代, 代表人物是美国心理学家扬(Y oung, P.T.)和普里布拉姆(Pribram,K.)。 把情绪定义为“感情性的激烈扰乱”,认为情绪是一种神经中枢在感情上的 “紊乱”反应,即一种对平衡状态的破坏。强调情绪起源于对环境事件的知觉、记忆和经验。当人们在过去经验 中建立起来的内部认知模式同当前输入的信息超越稳定的基线不一致时, 就导致情绪的产生,这就是情绪不协调理论的含义。

普里布拉姆还提出了一个“监视器”的概念,他认为情绪是临视脑活动的一种机制,起着监视心理加工的作用;情绪过程就是当原来进行的加工程度受到阻断时产生的替代性执行程序,对这个阻断过程的意识觉知,就是情绪的体验或感受。

情绪认知障碍,一套认知治疗技术,旨在改变抑郁症患者的认知,取得了明显的成功。

贝克认为,人们从童年期开始通过生活经验建立起来的认知结构或图式,是一种比较稳定的心理特征,形成了人们对自己和世界的假设,用于对信息过滤、区分、评估和编码,指导对新信息的知觉、对旧信息的回忆及借助图式进行判断与推理,支配和评估行为。

图式形成之后相当稳固,通常不予表达,在其后的生活中继续得到修改和补充。图式指引人对原始材料的收集、记忆和判断,关注和图式一致的信息,在大量的与图式一致、不一致或无关的信息中,图式决定了什么是信息加工的中心,决定着人们的信息选择和对新信息的理解。

由于多年的生活经验形成的认知图式,我们能根据图式指引新信息的加工,预测事件的发展,给客观现实赋予某种意义。总之,以往经验积累的概念和有组织的知识构成的图式,使人们倾向于选择与图式一致的信息,忽略无关的、不一致的信息,并依据图式理解现实、做出判断和预测事件的后果。

L.Festinger的认知协调理论认为,人的脑内存储着以往的抽象的经验图式,包含了我们的观点、信念、态度等。如果一个新的情形在外部世界出现,感觉通路把新的信息传送到大脑,大脑按原先的图式进行加工,理解其 意义,依本人的态度和期望进行评价。假如我们以挣钱多少来判断成功与否,那么当一项新工作的工资比目前的高,评价将是积极的;但如果新工作的工资很少,就 和自我价值概念相冲突,接受这一工作意味着自我价值降低,于是,我们可能拒绝这一工作,继续去寻求高工资的和大脑储存的假设一致的工作。这告诉我们,我们 评价事件、处理事件时,总是采用适合自己认知假设的方法。

问题在于,人们的有些假设是僵硬的、极端的、消极的,因而就表现为功能失调性态度。比如,一个人抱着一种消极的自我图式,认为自己不善于演讲,那么即使他 的一次演讲群众报以热烈鼓掌,他也不相信自己取得了成功。因为图式排斥与它不符的经验。当人们的消极的期望与积极的现实相矛盾时,过去的经验往往获胜。大 脑常常被迫在过去的经验与当前现实之间做出选择,而选择往往倾向于过去。这种冲突的直接结果是认知不协调,由于当前的真实经验与人们旧的认知期望大相径庭,因而也常被拒绝承认。当人们的信念与实际情况发生冲突时,人们会竭力去解释这一矛盾使之协调,有时甚至否认现实的真实性,结果常常是以否定最近的经验 去证实以前的信念。假如认为自己有价值就必须把所有的事都做成功,这种假设可能导致行为的高质量操作,但也造成了对失败和挫折的过度敏感,一旦受挫折易于 产生消极情绪反应。同样,那些认为被人珍爱才是幸福的人,在谈恋爱被异性拒绝后易发生抑郁反应。贝克认为,抑郁患者早年形成的这种潜在的认知结构,已不再 经过意识审查,可认为存在于潜意识内(相当于弗洛伊德的原发性过程),使他们倾向于过多地采取消极的评价和解释事件方式,构成了抑郁的易患倾向,在抑郁症 发生发展中起着决定性作用。虽然它们通常不予表达,是潜在的假设,但它们支配人们的日常行为和处理事情的方式。临床上也将它们称为功能失调性态度(dysfunctional attitudes),可用功能失调性态度量表(dysfunctional attitudes scales,DAS)加以评估。

法有不同的主题或特殊的认知内容,如抑郁症出现抑郁状态三联征,患者消极地看待 自己的过去经验和未来;焦虑症则以危险或威胁为其认知内容。

临床上评估抑郁患者负性自动想法的频度与程度时,可用“自动想法问卷”(automatic thoughts questionnaire,ATQ),该问卷由30个项目组成,采用1~5分五级评分,分数越高,表明负性自动想法出现越频繁。经 Hollon,Dobson等研究表明,该问卷信度和效度良好。

我们曾对我国抑郁障碍患者的认知特征进行了研究,对51名抑郁障碍患者、41名精神分裂症患者和96名正常人进行了对照研究,发现抑郁障碍患者比正常人及 精神分裂症患者有更多的负性自动想法和功能失调性态度。抑郁越严重,负性自动想法出现越频繁;随抑郁缓解,自动想法减少至正常,但功能失调性态度 (DAS)的得分仍然高于正常人。这表明负性自动想法是状态性的,而功能失调性态度是特征性的,即一种较稳定的心理特征,构成抑郁障碍的易患倾向。我们的这一研究结果基本肯定了Beck的情绪障碍两层次认知模式在中国的适用性。

但是,我们认为有两点不要误解:第一,抑郁、焦虑等情绪障碍患者的认知曲解和我们正常人的情况并无本质的差异,只是他们认知曲解的程度更大,认识这一点对 形成医患之间平等协作关系是重要的。第二,认知作为情绪反应的中介,这一点不应理解为抑郁、焦虑等情绪障碍仅仅是负性自动想法所引起,这些情绪障碍应看成 是生物、发育、心理、社会的素质性和诱发性因素复杂的相互作用的结果。但是,由于认知因素在发生情绪障碍时起着激发、增强和维持情绪障碍症状的作用,因为这个理由,对它们进行干预成了治疗的关键。人作为信息加工系统,加工容量有限。每个人的以往生活经验各不相同,形成了各自独特的认知图式。这些图式指导着人的信息加工过程,对内外环境的信息表现出 主动选择的趋向,肯定与图式一致的信息,无视或否认与图式不一致的信息,赋予知觉信息以不同的意义,评估自己的情境,通过心理构建了各自的现实。换句话 说,人们是按照各自的习惯方式去认识自己和世界,根据自己对事件的判断和解释处理事情,用自己构造的想象和预期推测事情的发展和未来。而内外环境信息多种 多样,或信息过少,或含糊不清,或短期内信息过多,都造成了信息加工系统发生絮乱或认知发生曲解的可能。从这个意义上说,认知不发生错误的人是极少的,正 如我国荀子所说:“凡人之患,蔽于一曲而暗于大理。”(《荀子·解蔽》)

抑郁和焦虑患者往往用片面的方式解释境遇或推测未来的变化。他们的有些解释似乎很切合实际,但如果要他们重新审视或检验其解释,他们就可能认识到原先的解释是错误的或站不住脚的。他们发现自己为了迎合内心已有的消极结论而对事实进行了取舍,结果导致了认知失真或认知曲解(cognitive distortion)。

Beck考察了抑郁病人的负性自动想法。他发现,在医生询问这些想法的根据,或要求病人用经验事实对这些想法加以检验时,病人能够察觉这些想法的失真。一 旦病人认识到自己的负性自动想法是认知曲解的表现,改变认知的过程随之开始,新的比较现实的积极认知将取代原先的不良认知;病人的情绪将相应好转,态度与 行为将有显著变化。因此,帮助病人认识这些想法中包含的逻辑错误,成为认知治疗的核心。

非黑即白的绝对性思考。患者坚持一种不现实的标准,认为自己达不到这个标准,就是失败。这种思考方式导致完美主义,害怕任何错误和缺点。一位教师因为上课讲错一句话,于是认为“现在全完了”、“我已经一文不值”。

任意推断。指缺乏事实根据,草率地下结论。如街上见一位同事匆匆走过,未打招呼,于是心里想:“我什么地方得罪他了?他生我气了?”实际上,这位同事心中有事,没有注意到他。

选择性概括。仅仅根据个别细节,不考虑其它情况,就对整个事件做出结论。如某青年向女同学提出一起去听音乐会的邀请,遭到婉言谢绝后,认定自己为女同学所讨厌,没有任何女青年再会和他交往了。这是一种“以偏概全”。

过度引申。指在一个小小失误的基础上,做出关于整个人生价值的结论。如一位母亲不慎打碎一只碗,遂认为自己“不是一个好母亲”。

过度夸大和过分缩小。指夸大自己的失误、缺陷的重要性,而贬低自己的成绩或优点。偶尔出现的一次失误,如拍照时手抖了一下,一张照片拍坏了,就觉得不得了,别人要把她看成无用的人了。当然这也是一种过度引申。而在做成一件事时,又觉得微不足道,纯属侥幸。

个人化(Personalization)。指患者主动为别人的过失或不幸承担责任。将一切不幸、事故或别人生病均归因于自己的过失,引咎自责。如一位朋友生病去世,患者责备自己忙于个人的事务,未能照顾朋友的健康状况,为此内疚不已。

选择性消极注视。指选择一个消极的细节,并且总是记住这个细节,而忽略其它方面,以致觉得整个情 境都染上了消极的色彩。如一位学生考试时答错了几道题,于是对这几道题念念不忘,甚至想到学校可能要她退学。而事实上,她考试成绩优秀。正是由于这种消极 的信息选择倾向,使病人在某种情境中只让消极信息滤过,造成了不必要的烦恼。

情绪推理。认为自己的消极情绪必然反映了事物的真实情况,如:“我觉得像一个失败的人,所以我是 一个失败的人。”“我觉得失望,所以我的问题不可能解决。”“我有内疚感,说明我一定做了什么不好的事。”这种“跟着感觉走”的情绪推理,阻碍了对事物真 实情况的了解,使人陷于认知曲解而不能自拔。

“应该”倾向。指病人常用“应该”或“必须”等词,要求自己和别人,如“我应该做这个”,“我必 须做那个”。这意味着对自己坚持一种标准,如果行为未达到这种标准,就会以“不该”这样的字眼责难自己,产生内疚、悔恨。如果别人的所作所为不合自己的期 待,就会觉得失望或怨恨,认为“他不该那样”。

乱贴标签。这也是一种以偏概全的形式,以为将自己的问题贴上一个标签就可以完事。例如:“我是一个天生的失败者。”“我这样贪吃,丑恶可恨,简直像一头猪。”“我的神经天生衰弱,不堪一击。”其实,这是将对整个人的评价和人的某些行为失误混同起来了,而“人不等于人的错误”。

上述10种类型的认知曲解是比较多见的,此外,还可以列出一些。应该指出的是,几种类型的认知曲解可以在同一个病人身上出现。通过分析客观事实和负性自动 想法的关系,常常可以将其中的逻辑错误揭示出来。如果医生采用“协同检验”的步骤促进病人对自动想法的诘难,包括采用“作业”的形式,发现和改变认知曲解 是可以做到的。(Pyucca摘自《认知心理治疗》,徐俊冕、季建林著)

(3)完美主义,如:“一个人必须聪明、漂亮、富有、有创造性,否则很难高兴起来。”

A.T.Bake把功能失调性假设进一步归成3类,即:成就(需要成功、高的操作标准)、接纳(被人喜欢、被人爱)和控制(要左右事物的发展变化,要成为强者等)。这种潜在的功能失调性假设或图式是人们评价生活事件、赋予经验事实以特殊意义,以及主宰人们处理事情方式的基础,是支配人们行为的规则。

潜在功能失调性假设可为日后某种严峻的生活事件所启动。假设一旦启动,便有大量“负性自动想法”产生。这些负性自动想法就是Beck情绪障碍两层次模型的表层认知,能为患者所察知,成为患者意识界的事件(相当于弗洛伊德的继发性过程)。“负性”,是指这些想法总是和不愉快的情绪有关,“自动”是因为它们突现于人们脑内,不是周密推理的产物。负性自动想法的内容可以是对目前经验的解释,也可以是对未来的消极预期,或是对过去事件的消极的解释。正是这些负性自动想法导致了情绪障碍的症状。情绪障碍发展,又使负性自动想法更加频繁和强烈,形成恶性循环。

(3)它随时间、地点而有变化,能为意识所察觉,具有认知过程的特征,为临床表现的一部分;

(7)它蕴含认知曲解,而患 者却信以为真,不认识它正是情绪痛苦的原因。不同的心理障碍中。负性自动想。

理智与情感的关系一直是哲学家、文学家和科学家十分关注的问题。理智对应于我们的认知加工系统,而情感对应于我们的情绪加工系统。长期以来,人们一直认为二者之间相互对立。但是,近几十年的心理学、神经生物学研究表明,认知与情绪并不是彼此分离和相互对立的系统。虽然它们具有各自独特的功能和加工机制,但是它们之间也相互依赖和相互影响,存在明显的交互作用。

在2009年《科学通报》第54卷18期上,题为《认知与情绪的交互作用》的评述文章总结了支持理智和情感交互作用的行为和神经科学研究证据,尝试为我们揭开理智与情感关系之谜(CN/abstract/abstract414618.shtml)。中国科学院心理研究所刘烨博士、付秋芳博士和傅小兰研究员结合自己课题组的多项研究成果,以及该领域发现的其他科学证据,详细阐述了认知与情绪之间的交互作用,并且明确指出,二者的交互作用主要表现在心理功能与神经机制两个层面上。

在心理功能层面,情绪对诸如记忆、注意、言语、决策等认知过程都具有明显的作用。例如,人的注意会被自动地导向具有显著情绪意义的刺激,而且负性情绪刺激比正性情绪刺激能更有效地吸引人的注意。不仅如此,认知过程也对情绪体验产生显著的影响。傅小兰课题组的研究发现,人们会更喜欢先前自己关注过的刺激,而不喜欢先前干扰自己注意的刺激,甚至这种喜好模式会迁移到那些只是与先前关注过的刺激或者干扰刺激相似的新刺激上。该课题组的研究还发现,表情会影响人们对面孔的识别,而识别面孔的过程也会影响人们对表情的加工。此外,由于情绪和认知过程具有明显的交互作用,因此,在实际生活中我们可以通过对情绪的认知控制以更好地管理自身的情绪,减少负性情绪对我们心理和身体健康的影响。

在神经机制层面,传统上认为的认知脑与情绪脑的分离已经被大量研究证据所否定。现在,许多研究结果表明,参与认知加工的重要脑区也参与情绪加工过程,而在情绪活动中扮演主要角色的脑区也参与认知加工过程。例如,杏仁核负责处理逃避危险的恐惧情绪,被认为是情绪加工的关键脑区,但近期的研究表明,杏仁核在注意加工、联想学习和记忆过程中也都具有重要作用。小脑一直被认为只负责运动控制,但是近来的研究发现,小脑受损的病人会表现出执行功能、语言和情绪调节的障碍,说明小脑在情绪加工中具有重要作用。

认知与情绪的交互不仅为我们认识人类自身提供了新的视角,同时也为计算机科学和人工智能领域带来了新的契机。目前全世界有多个实验室在进行情感计算的研究,其中也包括傅小兰课题组与清华大学计算机系合作开展的情感计算研究。这些研究试图将认知与情绪的交互作用的研究结果应用到计算机系统,赋予计算机识别、理解、表达和响应人的情感的能力,进而建立更和谐、自然的人机交互环境,使计算机具有更高的、更全面的智能。

Emotibot致力于打造中国首款人工智能伴侣,以情感计算研究为核心,深度学习等尖端技术为基础,满足广大用户的日常生活和工作所需。

李飞飞,1976年出生于北京,成长于四川,16岁随父母移居美国新泽西州。现为斯坦福大学计算机系终身教授,Google Cloud 首席科学家,是全球人工智能领域最具影响力的科学家之一。

自2016年AlphaGo围棋大战获胜以来,人工智能成为了众人的焦点,深度学习的技术也为人工智能领域的应用带来了长足的进步。随之而来的是人工智能产业井喷,自称做人工智能的公司大有人在,然而很多只是在跟风而已,并不清晰人工智能的未来。到底人工智能未来的方向是什么呢?让我们来听听李飞飞教授的看法是怎样的吧。

在2017年1月14日的未来论坛和四个大牛的圆桌会议上,关于“对人工智能的理解”以及“人工智能未来的发展方向”等议题,李飞飞提出了:“人类的认知学,是人工智能下一步发展的突破口”、“情绪、情感,是人工智能未来的方向”等观点。

作为人工智能研究者,我很高兴能体会当妈妈的感觉。之前张钹老师说感知代表了很多“不知其所以然”的问题,在现在大规模数据标注的情况下,都可以解决。

认知包括很多我们还不太清楚怎么用数学和人工智能表达的。比如:知识系统的建立、情感的产生和交流、好奇心和创造力驱动的学习,还有 learning to learn。这些都是认知的范畴。

我认为下一步人工智能的发展,需要加强对情感,情绪的了解,要走进认知学,心理学。我说的不仅是脑科学,而是认知学。因为我们目前对人的情感理解非常少,而这对于人工智能来说是很重要的。

作为人工智能学者,能够得到这么多关注,我很高兴。但是我也担心这样的“泡沫”会带来什么。如果是更多的机会和研发投入,当然是好事;如果是过度承诺或者不切实际的产品研究工作,可能会对这个领域有些不好的影响。

主持人:这次人工智能的复兴,要感谢深度学习和大数据。那么,深度学习到底是什么,未来可以看到它怎样的发展?为了人工智能的终极目标,除了深度学习意外,我们还需要哪些其他的研究方向?

说到深度学习,“深度学习”大概在2006年被提出来,但是在2006年之前,“神经网络”这个概念已经存在了二三十年。神经网络领域里,很重要的里程碑是back-propagation。在九十年代,计算机视觉方面做出了 Convolutinal neuron networks,今年的 Deeplearning 基本是这个结构。

现在大部分成功的深度学习是神经网络是有监督学习。有完全的数据标注以后做的。

很多人都在思考如何做无监督的学习,之前也有很多工具。深度学习革命性的一点是取代了对特征的加工。像之前的 SVM,都是“Engineering Feature”,而深度学习是直接学习数据。

深度学习不操作数据本身,而是对结构本身进行操作。这就造成了一种感受,深度学习本身结构太复杂了,例如152层,1001层。这里有巨大的空间,可以突破结构的层面。我认同张钹老师说的,数据和知识的结合。

现在我们的 AI 都是用逻辑的方法来判断情感。因为逻辑代表 IQ,而情感代表 EQ。人类的情感是非常丰富的。未来,从情绪到情感,是人工智能未来前进的方向。

在过去一年多的时间里,竹间智能秉持着“打造具有情感,能够读懂、看懂、听懂你的情感的机器人”的理念,坚持在研究情感计算的道路上默默奋斗。

曾几何时,有多少人以为竹间智能汇聚了一群“疯子”,在做着不可能实现的事。现在,李飞飞教授对情感计算的认同,让大家知道了竹间智能一直以来默默坚持的方向不是浪漫的想法,更不是不负责任的狂言,而是最具革命意义的人工智能技术。

更重要的是,竹间智能已经在这一领域上取得了许多重大的成就,其中一项重要的技术是:多模态情感计算技术。

什么是多模态情感计算?多模态的情感计算是利用文字情感、面部情感以及语音情感来达到多模态的情感识别。通过读懂、看懂、听懂这三个层面完成对用户的情感计算。

而关于“情绪、情感,是人工智能未来的方向”这一观点,竹间智能的CEO简仁贤以及COO赵育颖也曾多次在各个会议上提出过:

作为情感计算领域的先行者,我们很开心看到有越来越多AI从业者认识到情感计算是人工智能的未来。也欢迎大家加入情感计算研究的行列,一起为人工智能的未来贡献力量。

近年来,人工智能(AI)已然成为大家的主流话题,它不再只是科幻迷的菜,也不只是谷歌工程师的专属,就算在晚会、咖啡店、甚至茶余饭后,你都可以听到人们在谈论人工智能。

智力的发展,无论是人工智能或是人类本身,最终都是走向认知领域的增长和知识的学习。而自人工智能的第一代构想产生以来,行业对其的认知层面尚围绕在如何去发展的问题。公众里对这个领域的问题谈论最多的是:我们甚至还不能了解自己本身,又如何能够创造出另一种高智商的意识?

这是个值得慎思的问题。人类的大脑重量尽管只有3磅,但它是人体中最难以捉摸的器官。在大脑内部,有数十亿个神经元,100万亿种联系——可以说,我们还需要相当长的时间才能研究清楚大脑这个器官。

普遍地,科学家们相信,人类意识是由大脑中众多化学物质编码而成,它折射出的是反映了人类本身以及外界的认知实体。

但也有人认为,产生知觉的关键是对物质世界的意识。法国哲学家和数学家迪卡儿曾第一个说出“我思故我在”的意识论证。但思维并不就是充分的意识定义,而更准确的说法应该是:我相信我有意识,故我在。

不过,当我们在探索一个宏达的意识理论时,我们的认知也未必能时刻满足方法论指导的需求。我们可以机器人,向其证明周围的世界是真实的,但我们无法向其证明的是,这一切并不是关于“缸中大脑”的悖论。

艾伦脑科学研究所首席神经学专家Christof Koch对意识有更独特的见解。Koch表示,意识可以发生在任何复合的处理系统中,包括动物、蠕虫,甚至是互联网。

在回答意识是什么的时候,Koch说道:“威斯康辛大学教授Giulio Tononi有一个理论叫整合信息理论(IIT),其宣称要提供一种精确的方法来测量意识,并用纯数学方法来对这种现象加以描述。在IIT理论框架下,猫一类的低等哺乳动物拥有一定的意识感知,昆虫也是,即便是微乎其微的意识。

这种看法似乎符合我们的直觉,但神经系统是在何时产生意识的呢?就像开关一样突然开启了意识?而更有可能的情况是,意识来源于“经验”的逐步演变,从单细胞生物简单的、原始的感觉逐步演化到人类复杂的、定性的意识。所以,我们要时刻警惕,不能以拟人化的偏见来思量意识。

因此,人类第一台通过机器创造的超智能产品或许在思想和行为上和我们具有明显的不同——甚至说它或许就不曾和我们有什么关联。事实上,未来我们创造的每一种人工智能都可能在短时间超越我们,然后离去。目前的人工智能处于从弱人工智能到强人工智能进发,通过自我改进来达成强人工智能的人工智能,只会把“人类水平的智能”当作一个里程碑,然后超越。人工智能只会在“人类水平”这个节点做短暂的停留,然后就会开始大踏步向超人类级别的智能走去。相比起人类的认知,人工智能的优势在于,它有着强大的计算机系统作为支撑。引用科学界的观点就是,现在的弱人工智能好比如地球早期软泥中的氨基酸——没有动静的物质,突然之间就组成了生命。

但不管发生了什么,和人类学上文化相对主义依然存在的道理一样,我们也要时刻准备应对意识相对主义的存在。

同样,人工智能或许会学习和复制人类的行为——甚至有可能是完美地——但总会有不一样的地方。如果只会模仿复制,那这和上发条的玩偶没有区别。人类都希望自身拥有更加丰富的意识。同样地,人工智能工程师也希望他们创造出的机器有更高层次的意识。

尽管如此,我们仍旧致力于用自身的价值和思维方式创造人工智能,包括向其灌输我们的性格特征。如果一定要指出一个我们人类应该具备,同时还应该灌输给人工智能的品格,这将是“同理心”。只有同理心,才能帮助人工智能塑造出这个世界需要的意识类型,同时人类也可以理解和接受。

但另一方面,如果创造了可移情的同理心,那么就必然会有喜欢或不喜欢的意识——甚至是对事物的爱或恨。这就成为了人工智能方面的难题。

为了能让某种意识基于事物的价值做出判断,喜或恶都是这个系统必不可少的一部分。想象一下,假如人工智能懂得爱——超级智能机器懂得厌恶,或是伤心、内疚,就没有人为此而担心了吗?这确实是引起了诸多争议的——特别是当下已进入由机器控制自动化武器的无人机时代。然而,没有编入同理心的人工智能,也就像是一个上了发条的玩偶。

纽约理工大学教授Kevin LaGrandeur最近发文表示:“如果一个机器真的能够‘感到’不同程度的内疚,那么我们会否面临机器抑郁或是机器‘自杀’的问题呢?”如果我们开发出了这样的强人工智能,我们将面临“创造了痛苦”的道德伦理问题。

这是当前人工智能面临的困境。一方面,如果没有经历,没有多元,人工智能的意识不会健全;而另一方面,像人类那样懂得了认知的人工智能,其将和人类一样受到困扰。(晓桦)

(本文首发于2017年8月10日《南方周末》,原标题为《利用人工智能分析民众情绪》)

每年数十亿用户借助社交媒体发布数以千亿计的微博和帖子,社交媒体为社会科学带来了大数据。心理学家马丁·塞利格曼(Martin Seligman)认识到:社交媒体提供了一个前所未有的机会——利用人工智能来查清大众沟通的意义。在宾夕法尼亚大学积极心理学研究中心,塞利格曼和二十多位心理学家、医生和计算机科学家投身于世界福祉项目,利用机器学习和自然语言从大量数据中进行筛选,来判断公众的情绪和身体健康状况。

从传统上来讲,这些都是利用调查来进行的。然而,塞利格曼说:“社交媒体数据并不引人瞩目,非常廉价,而且得到的数据在数量级上要大得多。”社交媒体上的数据也是凌乱的,但是人工智能可以提供一个高效的方法,来揭示其中的模式。

在最近的一项研究中,塞利格曼及同事审视了29,000名用户在脸谱网上更新的内容,此前这些用户对于是否患有抑郁症进行了自我评估。研究人员利用其中28,000名用户的数据资料,通过机器学习运算法则,发现他们更新内容中的用词和抑郁程度存在关联。然后,仅仅根据更新的内容,这种运算法则就可以成功地判定其余用户患有抑郁症了。

在另外一项研究中,研究小组通过分析1.48亿篇微博,预测出县级心脏病患者的死亡率。结果证明,跟愤怒和消极关系有关的话语成为危险因素。与根据吸烟、糖尿病等10个主要的危险因素所进行的预测相比,通过社交媒体进行的预测跟实际死亡率更加接近。研究人员还利用社交媒体来预测人的性格、收入和政治思想意识,来研究医院护理、神秘经历和刻板印象等情况。通过推特网的数据,研究人员甚至创建了一张地图,用不同的颜色描绘了美国每个县居民的幸福感、抑郁度、信任度和五种人格特质。

得克萨斯大学奥斯汀分校的社会心理学家詹姆斯·宾巴克(James Pennebaker)说:“在语言分析与心理学的联系方面,正在发生一场革命。”宾巴克注重的不是内容,而是风格。例如,他发现:可以根据大学招生考试的文章中所使用的功能词来预测成绩。冠词和介词的使用说明考生具有分析思维能力,可以预测其成绩会较高;代词和副词的使用表示考生具备叙事思维能力,可以预测其成绩会较低。此外,宾巴克发现的证据表明:1728年的剧本《将错就错》(Double Falsehood)中的大部分内容可能是由威廉·莎士比亚撰写的,根据认知复杂性和罕见词等因素,机器学习运算法则认定该剧本与莎士比亚的其他作品一致。宾巴克称:“现在,我们可以分析一个人曾经撰写过的、发布过的所有内容,并且逐渐地也可以对你和他人的谈话方式进行分析。结果就是,我们可以越来越详细地描绘大家到底都是什么样的人了。”