机器人看脸读心真的靠谱吗？

数百张真实的人脸在电子屏幕上迅速闪过，其中一些表情生动，瞪大眼睛，瘪着嘴巴；另一些则嘴角上扬，眼睛紧闭，张大嘴巴，仿佛在诉说着内心的情感波动。面对这些面孔，你必须回答一个看似简单的问题：这个人是在经历情绪高潮还是经历阵痛？

这一问题的提出源自一项由心理学家Rachael Jack及其同事在2018年的研究。来自英国格拉斯哥大学的这个研究团队从西方和东亚招募了80名参与者，旨在探索一个长久以来的热门话题：面部表情是否能真实地传达情绪？

几十年来，研究人员一直在让受试者通过观察面部来解读情绪，参与者包括不同国家的成年人和儿童，甚至包括偏远地区的原住民。上世纪60、70年代，美国心理学家Paul Ekman的一系列著名观察性研究指出，世界各地的人们都能准确通过面部表情解读出背后的情绪，这证明了情绪表达具有共通性。这一观点在一段时间内几乎未被质疑。

新一代的心理学家和认知科学家在重新检视这些数据后提出了不同的看法。许多研究者现在认为，实际情况远比过去认为的复杂。面部表情在不同的情境和文化中可能有着截然不同的含义。例如，Jack的研究发现，虽然西方人和东亚人在识别痛苦表情上有所共识，但在表达愉悦时，他们的看法却存在差异。

尽管研究人员之间对于Ekman关于人脸是情绪表达窗口的观点存在分歧，但这种观点仍然受到了商业公司和的广泛关注和应用。在许多西方司法系统中，解读被告人的情绪被视为公平审判的一部分。Ekman曾为美国运输安全管理局（TSA）设计了一个备受争议的情绪识别培训项目，该项目旨在训练TSA人员监控旅客的数十种可疑迹象，以解读他们可能出现的焦虑、欺骗和恐惧等情绪。该项目遭到了广泛的质疑，被指责存在不准确和种族偏见等问题。

尽管存在质疑，但科技巨头仍坚信情绪是容易检测的，一些公司已经开发出了情绪识别软件。这些软件正在测试或推广中，应用范围广泛，包括评估求职者和岗位的匹配度、测谎、提高广告吸引力，以及检测从痴呆症到抑郁症等一系列疾病。这一产业的估值高达数百亿美金。微软、IBM、亚马逊等科技巨头以及一些专业企业都推出了通过人脸检测情绪的算法。

一些研究者对自动化情绪识别技术表示担忧。他们认为人类的面部表情是非常复杂的，难以解读，尤其是考虑到不同文化和社会背景的差异。这种技术还具有潜在的破坏力。纽约大学的研究中心AI Now Institute已经呼吁禁止在招聘和执法等敏感场合使用情绪识别技术。

人类的面部拥有43块肌肉，可以做出多种多样的表情。尽管科学家们一直相信特定表情对应特定情绪的观点，但越来越多的专家开始质疑这种自动化的解读是否过早。毕竟，人的情感复杂且多变，而面孔只是表达情感的一种方式之一。在这个过程中，达尔文的理论也为我们提供了一种视角。他在《物种起源》中提出的关于动物和人类情感表达的见解为现代研究提供了重要参考。而现在的研究者正在试图理解面部表情背后的深层含义和文化差异，以便更准确地解读人类的情感世界。Ekman在与《自然》杂志的交谈中透露，他选择研究六种情绪是基于现实的考量。他强调，某些情绪，例如羞耻和内疚，并不具备明显的外在表现形式，而他关注的这六种情绪则能够通过面部表情展现出来，从而成为研究的对象。

Ekman认为，这些早期的研究与达尔文的进化论相呼应，支持了表情的普适性。而后来的研究进一步证明了某些面部表情在适应环境中的优势。波士顿东北大学的心理学家Lisa Feldman Barrett表示，长久以来，人们普遍认为面部表情是一种无法掩饰的强制性动作。Ekman等学者也承认，每种情绪的面部表情并没有一个固定的“金标准”。

越来越多的研究者开始质疑情绪与表情之间的简单对应关系。他们指出，情绪对应的表情范围过于广泛，以至于金标准的概念几乎失去意义。大型综述研究也支持了这一点。专家团队在没有预设假设的情况下，经过长时间的研究和大量论文的梳理，发现没有足够的证据能从面部动作推断出具体的情绪状态。

面部所能反映的情绪其实是非常有限的。英国德蒙福特大学的心理学家Carlos Crivelli在研究特罗布里恩群岛的居民时发现，无法从他们的面部动作中找到支持Ekman观点的证据。他认为，试图从外在表现推测内在心理状态，就像是用尺子去衡量重量一样不靠谱。

除了面部动作，其他因素如身体动作、个性、声调和脸色变化在识别和表达情绪时也起着重要作用。背景等视觉信号也能提供识别情绪状态的线索。

在对Ekman观点的反驳中，有些研究者可能过于夸大其词。Ekman本人在接受批评时指出，有大量研究支持他的观点，包括关于面部自发表情、表情与大脑及身体状态之间联系的研究。他认为，这些研究说明面部表情不仅反映了情绪，也反映了神经生理活动的模式。

加拿大不列颠哥伦比亚大学的心理学家Jessica Tracy认为，那些认为Ekman的普适论有错的人给出的证据只是一小簇反例。即使不同群体或文化对愤怒表情的理解有差异，但这并不能推翻整个理论。大多数人能够识别出愤怒的表情，这基于大量的研究和证据。

对于面部表情的解读，需要更复杂的情绪分类。研究者不应将快乐等情绪视为单一的情绪，而应进一步细分。例如，快乐下面可能包括高兴、愉悦、怜悯、自豪等不同的情感体验。这些情绪的面部表情可能存在差异或重叠。

最近的研究还在探索使用计算机生成随机表情的方式。在一项研究中，参与者被要求根据每张脸的特征指出其与心目中的痛苦或高潮定义的符合程度。这种探索为理解面部表情和情绪提供了全新的视角。核心争议：情绪表达显著性的界定

在这场引人入胜的争议中，核心问题在于如何定义情绪的显著性。研究参与者被要求从六个情绪标签中选择一个来描述所看到的人脸，有些研究者认为，如果一个表情被选择的几率超过20%，那么它就可以被认为是显著通用的。另一些人则认为这一标准过于宽松。Jack对Ekman的阈值持不同看法，她指出旧的数据图表显示，在文化和认知上存在着巨大的差异。至今，仍没有确凿的数据能证明情绪的普遍认可度是绝对的。

超越显著性：研究方法的革新

即使不讨论显著性，研究者仍面临主观性的挑战。许多研究需要预先为情绪贴上标签，这对于实验后的比较至关重要。Barrett、Jack以及其他学者致力于采用更为客观的方法来研究情绪。Barrett专注于生理指标，希望用这些指标来描述愤怒、害怕和愉悦等情绪。而Jack则采用计算机随机生成的表情来避免局限于最常见的六种情绪。还有研究者让参与者自行对人脸进行分类，或者让来自不同文化的参与者用母语为照片做标记。

软件企业的探索与挑战：硅基情绪识别

在软件行业，情绪识别的人工智能算法正在迅速发展。这些算法通过学习数百万张人脸图像和数百小时的视频来识别模式。Affectiva公司表示，其软件的训练数据来自全球87个国家超过700万张人脸，目前的情绪识别准确率达到了惊人的90%。背后的科学依据却被该公司保持神秘。尽管一些企业意识到面部情绪表达存在个体差异，他们的算法依然利用某些表情出现的概率规律进行预测。对此，研究人员存在分歧，一些人对这些软件的可靠性持怀疑态度。

疑虑与争议：专家与企业的观点分歧

Ekman对软件企业的说法持怀疑态度，他挑战过这些公司的说法但未得到回应。他认为这些理论缺乏证据支持。而一些研究人员则持更为中立的态度，认为自动化情绪识别或许能代表某个群体的平均情绪反应。尽管如此，软件的应用场景已经超越了单纯的广告营销领域，涉及到面试和边境检查等关键领域。去年，匈牙利、拉脱维亚和希腊试用了基于面部微表情的测谎系统。这种技术的潜在应用引发了广泛的关注与争议。

未来的研究方向：观察真实生活中的情绪表达

为了平息这场关于情绪和表情的争论，Barrett认为研究者需要更加深入地观察人们在现实生活中的情绪表达。她提倡采用达尔文的研究方法：“观察、观察、再观察。”研究者应该不仅仅在实验室里进行研究，更应该走进真实的生活场景进行观察。同时利用机器记录和分析这些真实影像。她认为更多的数据和分析技术能够帮助研究者获取新知识，并呼吁科技企业在面对这个充满争议的科学领域时要有责任感和谨慎态度。参考文献整理与解读：为何面孔并非总能真实反映情感？

在探讨人类情感的复杂世界时，面孔常被看作是情感表达的直接窗口。最新的科学研究挑战了这一传统观念。一篇名为《为何面孔不总是揭示真实的情感》的文章，于XXXX年XX月XX日发表在《自然》新闻特写上，详细探讨了这一现象。以下是相关的文献综述和解读。

一、文献概述

1. Chen等人（2018）在《美国科学院会议录》上发表了一篇关于情感识别研究的论文，提出了面孔表达情感的不确定性。

2. Ekman和Sorenson等人（1969）以及Ekman和Friesen（1971）的科学研究表明，人们在某些情境下可能无法准确通过面孔表达情感。

3. Crawford等人在AI Now Institute的《AI现状报告》（2019）中指出，人工智能在解读人类情感方面仍有待提高，进一步证明了面孔与真实情感之间的复杂关系。

二、文章核心内容与解读

文章主要探讨了为何面孔并不总是能准确传达情感。尽管人类的面孔被认为是情感表达的主要渠道，但科学研究揭示了其中的复杂性。例如，某些情境下人们可能无法或不愿通过面孔表达真实的情感，或者在某些文化背景下，情感表达方式可能有所不同。最新的心理学研究也强调了其他因素如身体语言、声音等在情感表达中的重要性。这一现象在人际交往、心理学研究和人工智能领域都有深远影响。

三、相关文献解读

Benitez-Quiroz等人（2018）和Chen等人（2019）的研究进一步证实了面孔在情感表达上的局限性。Elfenbein和Ambady（2002）的研究探讨了文化背景对情感表达的影响。Cowen等人（2019）的研究指出，除了面孔之外，其他因素如声音、行为等在情感识别中的重要性。这些因素共同揭示了人类情感的复杂性和多面性。这也引发了对于如何更准确地解读和理解人类情感的讨论和挑战。对于人工智能领域来说，如何更准确地进行情感识别也是一大挑战和机遇。

结语：这篇文章为我们提供了一个全新的视角来看待面孔与情感之间的关系。面孔虽然是我们表达和理解情感的重要工具之一，但它并不总是能准确反映真实的情感状态。随着研究的深入，我们有望更全面地理解情感的复杂性并找到更准确的解读方式。