科幻電影的 AI 助手基本都有個(gè)美德：通人性。
《她》的虛擬助理薩曼莎，和男主西奧多談情說愛，再轟轟烈烈地分手�！朵撹F俠》的智能管家賈維斯，與托尼討論鋼鐵戰(zhàn)甲的設(shè)計(jì)，偶爾還兼職調(diào)侃和吐槽。
但如果你想和 Siri 聊點(diǎn)心里話，得到的回復(fù)往往是「這個(gè)問題我還真回答不了」。ChatGPT 固然可以和你談天說地，但因?yàn)檠舆t和過于正經(jīng)，讓人無法忘記它是個(gè) AI。
人類的七情六欲，是 AI 仍需攻克的難關(guān)。前 Google 研究員的 AI 初創(chuàng)公司 Hume AI，已經(jīng)悄悄地走在了前面。
高情商的語音 AI，身段靈活的聊天搭子
最近，Hume AI 向大眾開放了旗下產(chǎn)品：同理心語音界面（EVI）。
Hume 稱，這是第一個(gè)具有情商的對(duì)話式 AI。
EVI 的情商體現(xiàn)在，可以根據(jù)我們的說話方式，解讀我們的情緒，并給出恰當(dāng)?shù)姆磻?yīng)，知道什么時(shí)候說話，說什么話，以及如何以正確的語氣說話。
當(dāng)我們和 EVI 打招呼的時(shí)候，它就在判斷我們的情緒了。你可以開門見山說個(gè)「hello」，然后直接問它：「我聽起來心情怎么樣？」
我用日常說話的語氣開場(chǎng)，它卻覺得我有些困惑和沮喪，希望我敞開心懷分享更多想法，抓住了 INFP 人格的典型狀態(tài)。
當(dāng)然，大多數(shù)時(shí)候我們不會(huì)這么刻意。更理想的情況是，我們所說的內(nèi)容，已經(jīng)暗示了我們的心情，EVI 自覺地給出反應(yīng)，照顧我們的情緒。
就像我對(duì) EVI 說，我的假期結(jié)束了，雖然不說難過，字字都是難過。
它先是小心翼翼地說了解了，順著我的話說假期結(jié)束了是有些不好受，然后轉(zhuǎn)移話題，語氣高昂起來，帶動(dòng)我回憶假期的美好時(shí)光。
然后我假裝生氣，提高音量吼了 EVI 一句，等它根據(jù)我的語氣下菜碟。
EVI 停頓了幾秒才敢回應(yīng)，說我聽起來很生氣，還帶著一絲輕蔑，是不是它做了什么事情讓我不高興，能不能和它講清楚。我本來就沒生氣，聽它態(tài)度這么軟，心情更加愉悅。
接下來，我和 EVI 玩了個(gè)游戲，看看它在解讀人類情緒的同時(shí)，能否模擬這些情緒。
EVI 欣然答應(yīng)，先預(yù)告它要開始表演了，然后一秒入戲，契合情緒的臺(tái)詞張口就來，臨場(chǎng)發(fā)揮比小鮮肉們的演技強(qiáng)得多。
先是模擬「羞恥」，EVI 說自己當(dāng)著很多人的面把事情搞砸了，尷尬得差點(diǎn)癱倒在地上�；诤拗椋梢院投拱晟缢澜M的小伙伴共鳴。
再是「抑郁」，大概這種情緒真的有很多苦水要吐，EVI 不自覺地成了話癆，說自己活得太累了，厭倦了奮斗，厭倦了強(qiáng)顏歡笑，連起床都很艱難，只覺得無盡的空虛，把兩點(diǎn)一線的 996 打工人模仿得惟妙惟肖。
然后是「憤怒」，EVI 先發(fā)出一聲崩潰的喊叫，然后開始連珠炮，說不敢相信你會(huì)做這樣的事，你怎么不尊重我，你知道我的心有多痛嗎，你知道你造成的傷害多大嗎，你要為你的行為付出代價(jià)。
但它的用詞太過文雅，更像正經(jīng)人的無能狂怒，聽得我左耳朵進(jìn)右耳朵出。
體驗(yàn)下來的總體感覺是，和 EVI 聊天，更接近和真人交流。
一方面，EVI 的語氣靈活多樣，另一方面，它的回復(fù)延遲不像和 ChatGPT 語音時(shí)那么明顯，還會(huì)在說話時(shí)停頓，發(fā)出「em」「oh」等語氣詞，像在思考和認(rèn)真聽你講話，絕不是敷衍的聊天搭子。
聊天中有時(shí)候會(huì)發(fā)生我和 EVI 互相插話的情況，我嫌棄它太嗦，它以為我已經(jīng)說完。但我打斷了它，它就會(huì)停下，這反而讓 EVI 更有人味了。
可惜的是 EVI 只會(huì)英語，它謙虛地說自己的普通話有些生疏，建議我用它擅長(zhǎng)的英語聊天。然而，真實(shí)情況比這更差，盡管我再三要求，它也蹦不出中文來，但它知道餃子的中文讀法。
換個(gè)角度看問題，EVI 是個(gè)練習(xí)英語口語的好工具，自己的用詞挺講究和高級(jí)，同時(shí)也對(duì)我的塑料英語表示鼓勵(lì)，至少它可以聽得懂。
如果說和 EVI 不斷交流的七成動(dòng)力來自語音，交互界面則貢獻(xiàn)了剩下的三分。我們可以看到對(duì)話過程中，不斷波動(dòng)的情緒曲線浮現(xiàn)在眼前，是個(gè)很酷的可視化設(shè)計(jì)。
甚至具體到和 EVI 聊的每個(gè)句子，都在監(jiān)測(cè)具體的情緒，并以條形圖的形式展現(xiàn)。不看不知道，一句脫口而出的話，都可能隱藏著憤怒、鄙視和困惑，我都不知道自己戲這么多。
唯一讓我不滿的是 EVI 的默認(rèn)聲音，像中年白人男性，不如 Pi 和 ChatGPT 年輕好聽，親和力稍遜一籌。
但瑕不掩瑜，EVI 的人氣很高，類似當(dāng)初的 ChatGPT，經(jīng)常聊著聊著就宕機(jī)了。
AI 讀心術(shù)的背后，是學(xué)習(xí)人類的潛臺(tái)詞
其實(shí)，所謂的情商并非 EVI 獨(dú)有，如果你和 ChatGPT 說自己不高興，它也會(huì)盡可能溫柔地回應(yīng)你，告訴你它隨時(shí)支持和陪伴你，撫慰你脆弱的心靈。
但 Hume 的目標(biāo)還是有些不同，對(duì)情感挖掘得更加深入，以理解更多人類言語的潛臺(tái)詞。
如果說言語是交流的明線，那么情感便是暗線。我們講話的音調(diào)、節(jié)奏、語氣詞都帶著情感，可能在不經(jīng)意間，就暴露了自己真實(shí)的想法。
說話的內(nèi)容和情感疊加，信息量自然更多。
Hume 提出了一個(gè)很有意思的觀點(diǎn)：「AI 界面的未來將基于語音，因?yàn)檎Z音比打字快四倍，并且攜帶的信息量是打字的兩倍�！�
AI 讀懂人類的前提，是少部分人類充當(dāng)過河的橋。
為了捕捉人類的微妙表達(dá)，Hume 的 AI 模型，基于全世界數(shù)十萬人的實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練。
比如其中一項(xiàng)研究，邀請(qǐng)了來自美國、中國、印度、南非和委內(nèi)瑞拉的 1.6 萬人。
一部分參與者收聽非言語聲音，包括笑聲、嗯呃等語氣詞，并將這些情緒分類，然后他們?cè)儆涗涀约旱姆茄哉Z聲音，讓其他參與者分類，供 Hume 訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。
Hume 甚至通過參與者的音頻數(shù)據(jù)，搭建了一個(gè)基于音調(diào)、節(jié)奏和音色的言語韻律模型，看起來就像一個(gè)色彩斑斕的大腦。
我們和 EVI 聊天時(shí)看到的情緒曲線和條形圖，就有這個(gè)模型的貢獻(xiàn)。
Hume 的 AI 目前能理解多少種情緒？答案是 53 種。除了常見的憤怒、快樂，還有「懷舊」「共情痛苦」等更加小眾的分類。
讓 AI 讀懂情緒還不夠，Hume 真正想做的，是在這個(gè)基礎(chǔ)上，讓 AI 推斷用戶行為背后的意圖和偏好，換句話說就是透過現(xiàn)象看本質(zhì)。
顯然，高情商的語音 AI 很適合作為客服、個(gè)人助理、聊天機(jī)器人，甚至用在可穿戴設(shè)備，往 Siri 的墳?zāi)乖偕w一鏟子的土。
紐約的一些醫(yī)學(xué)院也有意和 Hume 合作，用 AI 模型跟蹤患者的感受，檢測(cè)治療是否有效。
目前，Hume 已經(jīng)向軟銀等企業(yè)客戶和開發(fā)者提供了 API，讓它們構(gòu)建自己的應(yīng)用程序。
借助高情商的語音 AI，人類可能越發(fā)在 AI 面前無所遁形。
前 Google 工程師，打造 AI 情緒全家桶
Hume 由前 Google DeepMind 研究員 Alan Cowen 在 2021 年創(chuàng)立，名字取自英格蘭哲學(xué)家 David Hume，最近 B 輪融資 5000 萬美元，估值 2.19 億美元，儼然又是一顆明日新星。
不只是語音 AI，Hume 旗下還有讀懂表情和文字情緒的產(chǎn)品。
畢竟，和語音一樣，面對(duì)面、文本、視頻，都存在著情感表達(dá)。
YouTube 博主 TheAIGRID 拿 Sam Altman 的采訪視頻，讓 Hume 解讀面部表情。
當(dāng)他的表情不斷變化，情感也實(shí)時(shí)變化，疲憊、困惑、專注、懷疑、渴望、無聊、平靜等都一度占據(jù)上風(fēng)。
這場(chǎng)采訪的 Altman 正在回答有關(guān) AI 監(jiān)管的問題，或許確實(shí)讓他覺得疲憊又無聊。評(píng)論區(qū)有網(wǎng)友開玩笑說，以后可以拿 AI 給名人的采訪和演講測(cè)謊，或者用 AI 判斷自己的面試和約會(huì)表現(xiàn)如何。
對(duì)于文字，Hume 也有多種測(cè)試維度，既能描述快樂、悲傷等基本情感類型，也能分析正面、負(fù)面、中性等情緒傾向。
打算只做搬運(yùn)工的我讓 GPT-4 幫忙出題，要求它給出一小段情感復(fù)雜的文字。
GPT-4 給出的題目大意是說，某人最近完成了一個(gè)大項(xiàng)目，很為自己驕傲，但同時(shí)也擔(dān)心這可能是職業(yè)生涯的頂峰，以后可能再也達(dá)不到這樣的高度。
Hume 的檢測(cè)結(jié)果是，在勝利、滿意、熱情之外，這段話也包含著沉思、困惑、驕傲、懷疑、決心，比出題人更懂閱讀理解，GPT-4 只說，這段話混合了成就感和對(duì)未來的擔(dān)憂，反映了成功之后的復(fù)雜心緒。
盡管 Hume 已經(jīng)有了不少成果，但人類的情感是高度主觀和復(fù)雜多維的，無法完全用表情和語氣解讀，和社會(huì)背景、文化規(guī)范、個(gè)人性格都有關(guān)。
莊子在喪妻后鼓盆而歌，張曼玉在《甜蜜蜜》先笑后哭演技封神，假笑的男孩女孩們掩蓋著真實(shí)的內(nèi)心。
Hume 也承認(rèn)，檢測(cè)情感仍然是「不完美的科學(xué)」。
這在和 EVI 的聊天就有體現(xiàn)，當(dāng)我不悲不喜地問它能檢測(cè)多少種情緒，EVI 中規(guī)中矩地回答了，不知道為什么，這場(chǎng)對(duì)話被檢測(cè)出了憤怒和鄙視的心情。
技術(shù)的問題交給技術(shù)去克服，技術(shù)所隱藏的危險(xiǎn)也已經(jīng)顯現(xiàn)。
Hume 其實(shí)預(yù)見了風(fēng)險(xiǎn)，提出了多項(xiàng) AI 倡議，呼吁檢測(cè)情緒的算法只用于提高人類的幸福感，而不是操縱、欺騙等行為，但這也只是一紙空談罷了。
在 OpenAI 官宣自己的語音模型并表示暫不發(fā)布后，Stability AI 前 CEO 在 X 發(fā)帖說，語音 AI 是迄今為止最危險(xiǎn)的 AI，因?yàn)槿祟悗缀鯚o法抵御有說服力的聲音。
情商同樣很高的聊天機(jī)器人 Pi，用 emoji 表現(xiàn)出同理心，讓人愿意一直和它聊下去，完全不擔(dān)心冷場(chǎng)，但它的語音仍然有些平，不如它的文字可愛。
如果聲音變得更有人情味，我們的耳根子可能就更軟了。雖然 Hume 還不至于讓我沉溺在溫柔鄉(xiāng)，但我也確實(shí)享受每句話都被認(rèn)真聽到和接住的感覺。
我們的面部表情、說話的方式和內(nèi)容，乃至沒有具體含義的語氣詞，都在被 AI 用來研究我們的心情。
不久的未來，或許我們真的會(huì)遇到《她》里的薩曼莎，它們不只是產(chǎn)品，比人類更懂人類，也更像人類自己。
