美国南加州年夜学的研讨人员针对人工智能体系停止练习，使其得以剖析并控制人类行动与面貌中的奥妙线索，并停止猜测…
人工智能（artificial intelligence；AI）体系能经过剖析您看电视的习气，“神准”地推举您能够会爱好的电视节目，这听起来曾经够使人毛骨悚然了，如今，AI体系正接收更新的练习——遴选出人类行动与面貌中的纤细线索，使其在某些情形下比人类更具有直觉才能。
在一项试验中，AI被用于婚姻医治平分析配头的声响特点，并猜测医治的成果。依据这项试验显示，AI在猜测医治成果方面非常胜利，有时还比人类专家更精确。
在婚姻医治中有两项变量使其难以评价能否获得停顿。每对伉俪之间的关系静态都不雷同，医治师的工资评价永久都是相当客观的。是以，该范畴一向努力于成长出一些客不雅的目标。
美国南加州年夜学（University of Southern California；USC）的一项研讨筹划中，研讨人员试图开辟的AI体系可望供给这一类的目标。固然今朝曾经有一项研讨能将各类声响特点映像至情感，包含常常用于辨识的特点（如声调和强度），和分离构成声调和幅度的频率扰动度（jitter）与振幅扰动度（shimmer）等其它特点。另外一个是谐波噪声比（HNR）。
为了评价这些特点并将其映像至情绪，以利于剖析配头之间的对话质量，研讨人员开辟了一套庞杂的算法。正如研讨人员在其论文“依据语音声学特微猜测配头医治成果”（Predicting couple therapy outcomes based on speech acoustic features）中所说明的，这些对话显示畏缩或回避的迹象吗？这会增长回避的严重性、频率（坏）或削减（好）？对话中存在滑稽的迹象吗？增长（好）照样削减（坏）？哪些对话的特点更具有扶植性？哪些较少？主要性若何？ 20171018-AI-marriage-1 该体系还斟酌了这些对话的特点，例如谁在措辞？在什么时候措辞？和连续说了若干时光等等。风趣的是，AI却疏忽了对话的内容。
一旦研讨人员对其AI体系停止练习后，便可以将它套用在具有已知成果的现稀有据集上。另外一方面，研讨人员也请求人类心思学家评价雷同的数据，包含措辞内容和语音特征等，成果显示关于雷同案例的准确猜测率约75.6%。而AI仅应用语音特征，就到达79.3%的胜利猜测率。
研讨人员表现，研讨成果有助于进一步勉励其他有关丈量非说话线索方面的研讨，从而协助这一类型的医治。
例如，美国斯坦福年夜学（Stanford University）的研讨人员练习神经收集辨识35,000张以上的面孔，以肯定它能否能仅透过表面特点鉴别异性恋和异性恋者。最初获得的结论也就成为其论文主题：“深度神经收集比人类更能精确从面部影象辨别性取向”（Deep neural networks are more accurate than humans at detecting sexual orientation from facial images）。
多年来，异性恋和女异性恋的话题一向激发关于“异性恋雷达”（gaydar）方面的研讨兴致，但在称号上却老是离开不了直觉。斯坦福年夜学的研讨仿佛相似于面相学和颅相学等“伪迷信”，因此使其论文更具争议性，但其初步的研讨成果也不容疏忽。
作者指出个中一项研讨显示，当人们看到某小我的脸，就可以以更佳精确度识别出这小我，和发觉其情绪状况、小我特质、性取向与其他特质。
他们还提到“出身前激素实际”（prenatal hormone theory），该实际为性取向供给了心理的基本（研讨还没有作出结论）。他们在文章中提道：“这与性取向的出身前激素实际分歧，男异性恋者和女异性恋者的面孔常常具有非典范的性别特点、脸色和装扮作风。”（但这其实不表现一切的男异性恋比男异性恋更女性化，也不是指没有男异性恋具有明显的男性脸部特点，女异性恋的情形也是如斯。）
研讨人员以为，他们练习神经收集同时斟酌固定的面部特点（例如鼻子的外形）和不固定的特点（装扮作风）。
研讨人员应用结交网站上那些将本身标示为异性恋或异性恋者的照片。当供给两张分歧面部（一张异性恋和一张异性恋者）的照片给神经收集判读时，AI体系可准确猜想到男性的机率为81%，猜想到女性的精确率为71%。至于人类判读者的精确率分离落在61%与54%。
作者明白指出，这项研讨存在局限性，极可能会招致风险的效果，是以不要误会或许过度解读研讨成果。起首，神经收集和人类断定之间的成果显示，神经收集侦测到的面部特点差别异常奥妙，人类很明显不会留意到这些特点。
