盖世汽车讯 据外媒报道，卡尔斯鲁厄理工学院（KIT）和杜伊斯堡-埃森大学（University of Duisburg-Essen）的研究人员利用计算机辅助神经网络，可以通过网球运动员在比赛期间的肢体语言来准确地识别其情感状态。研究人员首次使用实际比赛数据对基于人工智能（AI）的模型进行训练。

（图片来源：卡尔斯鲁厄理工学院）

这项研究表明，AI能够以与人类相似的准确度评估肢体语言和情绪。然而，这也引发了道德方面的担忧。相关论文发表在期刊《Knowledge-Based Systems》上。

为了开展“使用卷积神经网络从网球运动员的表达行为中识别情感状态”的研究，这两个院校的运动科学、软件开发和计算机科学研究人员开发了特殊的AI模型。他们使用模式识别程序来分析在实际比赛中录制的网球运动员视频。

（图片来源：卡尔斯鲁厄理工学院）

成功率68.9%

KIT体育与运动科学学院的Darko Jekauc教授表示：“这种模型识别情感状态的准确率高达68.9%，可与人类观察员和早期自动化方法的评估相媲美，有时准确率甚至更高。”

这项研究有一个重要而独特的特点，那就是项目团队使用真实场景（而不是模拟或人为的情境）来训练AI系统。研究人员记录了15名网球运动员在特定环境下的视频序列，重点关注他们在赢球或输球时表现出的肢体语言。视频中显示，球员的动作暗示包括低头、兴奋地举起手臂、高悬球拍，或走路速度的差异；这些线索都可以用于识别球员的情感状态。

在输入这些数据后，AI学会了将肢体语言信号与不同的情感反应联系起来，并确定是赢了一分（积极的肢体语言）还是输了一分（消极的肢体语言）。Jekauc表示：“在自然环境中进行训练是识别真实情绪状态方面的重大进步。这使得在真实场景中进行预测成为可能。”

人类和机器能够更好地识别负面情绪，而不是积极情绪

这项研究表明，在未来识别情绪的能力方面，AI算法可能超越人类观察者。它还揭示了另一个有趣的方面，即人类和AI都更擅长识别负面情绪。

Jekauc表示：“这可能是因为负面情绪的表达方式更明显，所以更容易被识别。心理学理论表明，从进化的角度来看，人们更善于感知消极的情绪表达。举例来说，这是因为迅速化解冲突局势对实现社会凝聚力十分重要。”

提前阐明道德问题

这项研究设想了一系列可靠的情绪识别在体育领域的应用，例如改善训练方法、团队活力和表现，以及防止倦怠。其他领域也可以受益于可靠的情绪状态早期检测，包括医疗保健、教育、客户服务和汽车安全。

Jekauc表示：“尽管这项技术非常富有前景，但也必须考虑到与之相关的潜在风险，尤其是涉及隐私和数据滥用的风险。我们的研究严格遵守现有道德准则和数据保护规定。考虑到这种技术未来的实践应用，提前阐明道德和法律问题十分重要。”