它表示正在尝试收集额外的指标看着一个人的脸并了解他们的感受

人工智能被用来对我们的生活做出更多决定，工程师们已经寻找方法让它在情商上更聪明这意味着自动化一些人类自可是然的情感任务——最值得注意的是，看着一个人的脸并了解他们的感受

为实现这一目标，微软，IBM 和亚马逊等科技公司都出售他们所谓的情绪识别算法，该算法根据面部分析推断人们的感受例如，如果某人眉头紧锁，嘴唇撅起，则表示他们很生气如果他们的眼睛睁大，眉毛上扬，嘴巴张开，则表示他们害怕，等等

客户可以通过多种方式使用这项技术，从寻找愤怒威胁的自动监控系统到承诺淘汰无聊和不感兴趣的候选人的求职面试软件，应有尽有。

许多科技公司出售的算法承诺它们可以仅根据某人的脸可靠地读取情绪。

但是，我们可以很容易地根据人们的外表推断出人们的感受的信念是有争议的，并且对这项研究的一项重要的新评论表明，没有确凿的科学依据。

该审查是由心理科学协会委托进行的，该领域的五位杰出科学家被要求仔细审查证据每位评审员都代表了情感科学领域的不同理论阵营我们不确定我们是否能够就数据达成共识，但我们做到了，巴雷特说他们花了两年时间检查数据，审查研究了 1，000 多项不同的研究

他们的发现很详细——可以在这里完整阅读——但基本的总结是情绪的表达方式多种多样，这使得很难从一组简单的面部动作中可靠地推断出一个人的感受。

数据显示，平均而言，人们在生气时皱眉的几率不到 30%，巴雷特说所以皱眉不是愤怒的表达，它们是愤怒的表达——其中之一这意味着超过 70% 的时间，人们在生气时不会皱眉最重要的是，当他们不 生气时，他们经常皱眉

你真的希望在此基础上确定结果吗。

反过来，这意味着使用人工智能以这种方式评估人们情绪的公司正在误导消费者你真的希望在此基础上确定结果吗 巴雷特说您是否希望在法庭，招聘情况，医疗诊断或机场算法只有 30% 的时间准确

当然，该评论并不否认可能存在常见或原型面部表情，也不否认我们对面部表情的交流能力的信念在社会中发挥了巨大作用。

该评论认识到在情感研究领域存在着各种各样的信念具体而言，它反驳的是这种通过表达可靠地指纹情感的想法，这一理论源于 1960 年代心理学家保罗·埃克曼的工作

该评论称，似乎显示某些面部表情和情绪之间存在很强相关性的研究通常在方法上存在缺陷例如，他们使用演员拉出夸张的面孔作为情绪样子的起点当测试对象被要求标记这些表情时，他们通常会被要求从有限的情绪选择中进行选择，这促使他们达成某种共识

当人们被要求在脸上标记情绪并且没有一组选择时，他们的答案差别很大，如下图所示。

巴雷特说，人们直觉地理解情绪比这更复杂当我对人们说，'有时你愤怒地大喊，有时你愤怒地哭泣，有时你大笑，有时你默默地坐着计划杀死你的敌人，'这使他们信服，她说我说，'听着，上一次有人因为生气时皱眉而获得奥斯卡奖是什么时候' 没有人认为演技很棒

可是，这些微妙之处很少被销售情绪分析工具的公司所承认在营销微软的算法，例如，该公司表示，在人工智能的进步使得其软件认八大核心情绪状态......根据反映这些感情通用的表情，这是确切的要求，这次审查驳斥

当然，这不是新的批评巴雷特和其他人一直警告多年来，我们的情感识别的模型过于简单作为回应，销售这些工具的公司通常表示，他们的分析基于更多的信号，而不仅仅是面部表情困难在于知道这些信号是如何平衡的，如果有的话

Affectiva 是价值 200 亿美元的情绪识别市场的领先公司之一，它表示正在尝试收集额外的指标例如，去年，它推出了一种工具，通过结合面部和语音分析来衡量司机的情绪其他研究人员正在研究步态分析和眼动追踪等指标

Barrett 相信，未来我们将能够使用更复杂的指标更准确地衡量情绪我绝对相信这是可能的，她说但这并不一定会阻止当前有限的技术扩散

人工智能非常适合在数据中寻找虚假连接

如果情绪识别变得普遍，那么我们就有可能简单地接受它并改变我们的行为以适应它的失败就像人们现在知道他们在网上所做的事情会被各种算法解释一样，我们最终可能会表现出夸张的面部表情，因为我们知道它们将如何被机器解释这与向其他人发出信号没有太大区别

巴雷特说，也许这篇评论中最重要的一点是，我们需要以更复杂的方式来考虑情绪情绪的表达是多样的，复杂的和情境化的她将思想上的必要改变与查尔斯达尔文关于物种本质的工作以及他的研究如何推翻对动物王国的简单化看法进行了比较

达尔文认识到，一个物种的生物学类别没有本质，它是一个高度可变的个体类别，巴雷特说情感类别也是如此