派智库

用3D步态“翻译”自尊

织梦好，好织梦

人类的非语言行为，如面部表情、姿势、步态等，可以体现出心理特征。 本文来自织梦

使用非语言行为线索测量心理特征的主要障碍在于行为量化及其心理特征识别。随着智能设备的推陈出新和模式识别技术的发展，使用机器学习建模实现自动预测已成为可能。

copyright dedecms

研究人员招募了182名研究生作为被试者。他们要求被试者在一块长方形地毯上来回走动两分钟，将Kinect摄像头置于地毯两端，收集被试步态数据，Kinect以每秒20帧的速度捕获人体25个关节在X，Y，Z三个轴上的三维坐标。此外，被试者需要完成罗森博格自尊量表。

本文来自织梦

对Kinect获取的原始数据进行降噪、坐标系转换和剪切后，研究人员从每个关节点的每一轴（共三轴）抽取64个特征，计算每个特征与被试者自尊得分的相关系数，并选取相关系数最大的5个特征来建立回归模型，共有360个特征进入模型训练。研究分别使用线性回归、简单线性回归、高斯过程、epsilon支持向量回归、nu支持向量回归等方法建立回归模型并预测个体的自尊得分。

dedecms.com

预测结果与被试者自我报告的自尊得分间的最高相关为0.45。鉴于男性和女性的步态存在一定差异，研究针对男性和女性的步态数据分别进行建模预测，对男性步态预测与自我报告得分之间的最高相关为0.43，女性为0.59。 织梦内容管理系统

结果表明，使用步态能够实现对个体自尊的自动识别。这种方法的优点在于能够进行非接触式的自尊测量，并能够在无法使用自我报告测量的情境中起到一定补充作用。未来研究中可将步态测量与其他自尊研究手段相结合，以达到更好的水平。 织梦内容管理系统

“吵架预防器” 内容来自dedecms

这是一个由互联网催生的“杠精”充斥的时代，想必你一定遇到过。

回想一下，你在微博上针对问题提出看法，几小时后发现一队人马@你排队挑衅，他们奉行“只对人不对事”和“以抬杠为己任”的基本原则，试图和你吵架。 织梦内容管理系统

近日，研究人员联合开发了一个预测谈话走向的AI系统。这个系统能从一开始就能预测谈话是否会失控，想在对话能被挽救的情况下，尽早预防不必要的争吵，活脱脱的一个“吵架预防器”。 织梦好，好织梦

首先，研究小组通过分析维基百科中的讨论页面，收集了1207次谈话，当作训练数据。其中，一半对话最终发展成攻击性言论，另一半数据仍然为礼貌交流。研究人员通过使用Jigsaw的PerspectiveAPI识别有害言论，并收集人类标注的标签作为数据集。 dedecms.com

随后，研究人员开始分析这些对话中的关键词有怎样的特征，并通过“表示礼貌的语用手段”将对话分类。这是一系列特征，并且与谈话的感情走向一致。无论是对话中包含友好的礼貌用语（比如“谢谢”、“请”等词语），还是表达了希望继续探讨的积极用语（比如“我认为”“我觉得”），它都能识别出来，并依此分类。

然后，研究人员分析了结果和最初的评论，看看他们的系统是否能学会预测将来是否会产生负面评论。

织梦好，好织梦

最终，研究人员做了一个测试，人类成功预测了大约72％的恶意对话，这个AI系统最终预测准确率达到61.6％。

此外，研究人员还得出了一些统计相关性，可以帮助人类和机器更好地发现那些容易出现的攻击评论。他们还发现，言语越直率，遭到个人攻击的可能性越大。这一效应与我们的直觉一致，即太直接的表达暗示了交谈中潜在的敌意。

为了便于以后的探索，研究人员还将数据和代码整合，作为康奈尔会话分析工具箱的一部分。 copyright dedecms

创作出“未来场景” copyright dedecms

预见未来，这个只可能出现在科幻电影中的桥段，现在好像真的要来到现实中了。

copyright dedecms

麻省理工学院的研究人员已经开发出一种深度学习算法，它可以创作出“未来视频”，可以预测即将发生的场景。在使用了200多万段视频进行高强度训练后，这套AI算法已经可以通过点蚀两个互相攻击的神经网络产生视频，其中一套神经网络可通过确定哪些物体在静止框架内移动，创造出“未来场景”。与此同时，另一套神经网络则充当“质量检查员”，以确定视频是真实的还是模拟的。当充当检察院的AI收到欺骗，误认为是视频是真的时，这种人工视频的创作就取得了成功。

copyright dedecms

这项技术也有其局限性，它无法创作超过未来1.5秒钟的视频，它没有意识到物体的移动时，实际上它们还处于静止状态，这往往会夸大他们的体型。 本文来自织梦

但这种机制足以预测相对复杂的场景，如果能延长预测时间，并令视频变得更加逼真，它将产生更深远的影响。比如无人驾驶汽车可以预测车辆和行人的方向，而安全摄像头可以基于自己期望看到的东西，发现视频中不相匹配的因素。无论怎样，预测未来都可以帮助AI理解正在发生的场景，这可能在计算机视觉发挥重要作用的场景提供巨大帮助。 织梦好，好织梦

预知恋人的分手日期

通常情况下，我们一般不会把AI与恋爱联系起来。不过，研究人员开发出了一个人工智能，它可以给出已经陷入困境的人际关系的“死亡日期”，而这可能也是挽救一段关系的关键。 dedecms.com

一种机器学习算法在134对夫妻的治疗过程中进行了倾听，研究人员给它提供了关于每一段关系的生命周期信息。它研究了双方交谈的时间、时刻以及他们使用什么语调比实际用词要多。

该实验所使用的数据来自一项针对夫妻关系的纵向临床研究，结果显示，直接从声音声学中获得的关系结果的预测与使用人类行为准则的预测特征相比，具有可比性或优越性。 dedecms.com

AI会听到你和你的爱人说话，并确定你们会在三个月内分手，这听起来可能有点凄凉，但是我们可以从另外一个角度来看待这个事情。也就是说，听到这个人工智能的预测可能会让情侣们意识到自己当时说话的语气有多糟糕。 内容来自dedecms

这并不是说AI是人际关系方面的专家，但消极的语气可能意味着缺乏尊重或关心——这可能是一段感情的毒药。所以，如果一个与声调有关的人工智能已经给你和你的伴侣“判了死刑”，你可以在那天到来之前尽量补救。 copyright dedecms

预测犯罪很有用，但偏见也不小 织梦内容管理系统

一部分人认为人工智能可以消除人类偏见。在商务、医药、学术、打击犯罪等领域，即使是简单的统计工具也远超人类。还有一部分人反对AI将偏见系统化，因为即使偏见未被编人程序，AI也自带偏见。

2016年，ProPublica发布报告认为，预测犯罪概率的常用算法（COMPAS）带有种族歧视。现在，新研究显示，至少在ProPublica提到的案例算法中，双方不相上下，算法并不比人类精确公正。该报告还显示：某些情况下，人类对高级AI的需求被过度放大。

内容来自dedecms

自2000年起，名为COMPAS的专有算法开始用于预测再次犯罪，即猜测某名罪犯是否会因再次犯罪而被逮捕。ProPublica的记者观察了来自佛罗里达州的罪犯样本，发现那些并未再犯的人群当中，被COMPAS错误标记为高风险再犯的黑人人数几乎是白人的两倍。而那些再犯人群中，被错误标记为低风险再犯的白人人数却是黑人的两倍，这激怒了公众。但此后，有报道又称，算法比人们想象中的公正。风险评分相同的黑人和白人，再犯的几率也相同，因此并不存在种族差异。算法是否公平，取决于衡量标准，任何算法都不可能满足所有标准。

研究人员将预测再犯罪率的准确性作为主要衡量标准。受试网络用户阅读的罪犯信息涉及七个方面，包括年龄、性别和犯罪记录等。研究人员使用COMPAS软件预测。

copyright dedecms

COMPAS内部的算法未知，但能够读取每个与人类预测的精准度和公正度基本相似，还有两大惊人发现。其一，已知罪犯种族（第一组受试者和COMPAS的使用数据均不涉及种族信息），第二组受试者预测再犯概率时表现的偏见度与不知情时基本一致。

其二，要与COMPAS媲美，无需137条数据（甚至7条都用不上），也不用聪明的头脑或算法。某次试验中，研究人员使用了一个极其简单的机器学习算法（逻辑回归），仅需罪犯的两条数据（年龄及此前犯罪的总次数），预测精准度就可高约65％。研究人员还尝试了一个需7条数据完成预测的强大算法（非线性支持向量机），但精准度并未提高。该项发现证实了一点：“深度学习”这一时下热门技术并非万金油。有些时候，仅需最简单的算法和极少量数据即可解决问题。

织梦好，好织梦

此外，研究人员还想强调，预测社会问题并非总是有迹可循。这些算法预测的不是再犯的概率，而是被再次拘捕的概率。然而，即便同一种罪行，黑人往往比白人更容易入狱。因此，算法（或人类）如果从包含人类种族偏见的数据中学习预测模式，很容易过度预测黑人的再犯率，从而增加其入狱率，陷入不公平循环。

不少案例证明人工智能有时要比人类更精准公正。然而，反之亦然，人工智能和人类有时也不相上下。我们需要提倡此类研究，以验证AI能做什么，不能做什么。 本文来自织梦

“防碰撞软件”专攻交通事故 内容来自dedecms

以色列警方获得了一项新武器——一款基于人工智能技术的碰撞预测软件，并将其用于应对该国的道路撞车事故。 内容来自dedecms

该项研究采集了以色列过去13年的车辆事故中数据，并对其加以分析。研究团队还为以色列全国的道路网络绘制了相应的地图，还将道路的坡度、路弯等情况也考虑在内。值得一提的是，在事故发生时，太阳高度及阳光对人眼的影响也被纳入到其考虑范围内。 本文来自织梦

在进行数据分析时，还考虑了降雨、交通拥堵、公共交通部门的罢工事件。此外，还要兼顾道路本身的风险。该软件采用近120个变量，旨在预测以色列各道路发生严重交通事故的概率，并向当地警局提供建议，供其作出应对。

内容来自dedecms

以色列交警很快将测试该项技术，提前为中心区域的警察创建全天候工作表单，研究人员称该技术也可被用于实时管理。 dedecms.com

大数据窥视寿命 copyright dedecms

科研人员合作研发了一种可以预测人过早死亡的技术。

此项研究的基础是人工智能，从健身跟踪器读取医用数据，然后对其进行分析。系统将计算出一个人的生物学年龄，并给出此人是否会过早死亡的意见。

内容来自dedecms

该人工智能技术可以对受试者的健身跟踪器记录的运动数据、生物学年龄和死亡概率进行非侵入式的评估，无需进行医学分析。 织梦好，好织梦

研究人员分析了美国全国健康及营养状况调查计划中收集的超过10000人的医疗数据。健身跟踪器芯卡文件里记载了从不同健康状况的人持续佩戴期间的运动信息：从运动到休息的频率、步行公里数、体力活动强度。之后，借助于神经网络深度学习技术，查出对人体健康不利的趋势，提醒存在高风险的人群，比传统方法能更准确地测定其生物学年龄。

织梦内容管理系统

科学家们希望他们研究的算法对医疗部门和保险公司有益，能够判别出就医和参保时有潜在风险的人群。（nc-1420180615）