数据|如何凭借大数据，做一个有眼力见儿的人？ |做一个|表情|

本文插图
人有七情六欲、喜怒哀乐，这些都是情绪，情绪最直观的体现就在人的脸上，但表情在人的脸上并不会长期驻留，往往是一闪而过。
现实生活中，有些人是情绪盲，不能洞察别人的情绪，甚至连自己的情绪变化也不知道。

本文插图
洞察情绪，在传统中国，被认为是一种非常高明的智慧，古代人把这种能力概括为4个字：察言观色。
那么进入大数据时代，我们是否能够通过处理数据来掌握这门技能呢？
人类表情能分析吗？
当然可以。
最早对人类表情进行分析的是达尔文和高尔顿。在他们的时代，照相的技术开始普及，出现了大量的人脸照片。
达尔文在进行了人脸对比研究之后，得出结论说，人类的表情是天生的、共通的、跨种族跨文化的。

本文插图
达尔文
高尔顿也有一个重要的发现，人类最漂亮的脸是平均脸，所谓平均脸，是指从一定数量的普通人脸中提取面部特征，根据测量数据求平均值，再合成一张脸，这就是人世间最漂亮的脸。
高尔顿当年没有计算机，他的办法是照片叠加，你可以想象，他得出这个结论琢磨了多少张照片。

本文插图
高尔顿
达尔文的观点在其后一百年并不受待见，绝大部分人类学家、心理学家都认为人的表情是从社会文化和社会交往当中学习而来的，不同文化背景的人有不同的表情，每个人对表情的解读都是在特定的文化情境中发生的。
一个比较雄辩的例子是，不同文化背景的人看到相同景象的时候，会产生不同的表情。
有心理学家做过实验，美国人和日本人一起观看电影，在出现恐怖、惊悚等刺激的镜头时，日本人会比美国人更多地用微笑来掩饰自己负面的情绪，场景相同，表情不同，这就证明了文化对人的表情有决定性的影响作用。

本文插图
一张脸就是一块皮，既然人类的表情没有共通性，那就更谈不上对皮肉之下真正的情绪进行解读了。
但这一切被美国心理学家埃克曼扭转了。虽然前人已经做过实验，但埃克曼自己又做了一遍，他发现：

本文插图
埃克曼
这是因为前人的实验设计有问题，他们让两国的观众坐在一起，日本人比较顾及他人的感受，所以会掩饰自己的表情，而如果让日本人单独看电影，日本人就会表现出真实的表情，而这种表情，无论是日本人还是美国人都是相同的。
此外，埃克曼发现，一个出生时就失明的盲人也会有表情，而且这些表情和其他人的表情高度相似，当然盲人的表情绝对不是通过视觉学习和社交生活获得的，这令埃克曼相信，表情是人类共通的，是人类进化的结果。
量化表情？从43块肌肉说起
既然人类表情是共通的，埃克曼就决心找出量化和测量表情的客观方法。
要量化表情？这在当时，是一个听起来几乎无法完成的任务。
每个人都有一张脸，但这世界上，没有两张脸完全相同，人脸又是动态的，几乎人类所有的情绪变化都可以通过脸部的细微变化传达出来，人脸太神秘了。分页标题

本文插图
正是因为这种多样性、丰富性和复杂性，人脸从来不是科学家的“菜” ，人脸一直是艺术家的领域，从埃及最早的狮身人面像到达·芬奇的《蒙娜丽莎》、蒙克的《呐喊》，再到各种摄影艺术作品，人脸是古今中外艺术家永恒的主题。
埃克曼首先从解剖学出发，确定了人类面部一共有43块肌肉，他把每一块肌肉视为一个面部的动作单元，人类所有的表情都可以被视为这43种不同动作单元的组合，如果每一个组合都对应一个编码，那这些组合就形成了一个“面部表情编码系统” 。
对每一种表情，埃克曼不仅将其分解为不同肌肉动作单元的组合，赋予它一个特定的编码，还配上对应的照片和文字说明。埃克曼和他的同事用了整整8 年的时间创建这个表情编码系统，这个系统也可以被理解为一个表情数据库。

本文插图
这套编码系统一推出，就被电影、动画片的制作公司采纳，被视为指导演员脸部表演、设计动画人物表情的宝典，这个数据库非常管用，凭借它，埃克曼开创了人类心理学历史上的诸多传奇。
进入智能时代之后，埃克曼创建的“面部表情编码系统”也成了人工智能表情识别的基础，埃克曼本人早在2004年就曾经预言：
“5年之内，面部表情编码就会成为一个自动系统，当你跟我说话的时候，一个摄像头会看着你，它会立即读出你情绪状态的瞬间变化。 ”

本文插图
埃克曼明确了产生人类表情的规则，把关于表情的隐性知识上升为显性知识，把它变成了一门“显学” 。
只要具备清晰的规则，计算机就可以理解并模仿人类表情。事实上，和人类相比，机器解读表情更有优势，埃克曼所定义的微表情，通常是一闪而过的。
我们还会脸红，会心跳加速，身体会微微出汗，姿势会微微颤动，这些普通人用肉眼都难以发现，但在一个由数据、计算和模型统治的世界里，摄像头可以又快又准地捕捉这样的变化。
可以预见，终有一天，计算机对表情的解读将比人类还要敏锐。
2010年起，全世界陆续有多个表情分析系统问世。
例如，加州大学圣迭戈分校研发的CERT（表情识别工具箱），可以自动检测视频流中的人脸，实时识别“面部表情编码系统”中的30个动作单元组合，包括愤怒、厌恶、恐惧、喜悦、悲伤、惊奇和轻蔑等表情。

本文插图
经卡内基–梅隆大学和麻省理工学院联合检测， CERT的表情识别准确率达到了80.6% 。除了被用于抑郁症、精神分裂症、自闭症、焦虑症等疾病的分析，这套系统还可以装在汽车上，监测驾驶员的疲倦程度，它还可以用于监测和照顾老年人。
毕竟，绝大多数人不会明确地说他们不开心或不舒服，但表情会透露他们的真实感受。

本文插图
在分析解读的基础上，机器也可以利用43块肌肉组合的方法，再造和人类一样的表情，毕竟，埃克曼之前通过研究已经为人类3000多种有意义的表情总结出了清晰的编码和规则。
只要我们清楚地掌握一件事情的规则，人工智能就可以进行模拟和复制，这意味着，机器人未来一定可以具备和人类几乎一样的表情。

分页标题
本文插图
机器可以解读人类的表情，就意味着机器可以读懂人类的情绪和内心，理解部分人性，机器人还将具备和人类一样的表情，和人互动，人机交互的想象空间将骤然增大，未来的世界将相当狂野！
这狂野的未来完全符合逻辑。机器人的智慧来源于编码、量化和数据，只要在可以用逻辑、规则和数据表达的领域，机器人就会向人类逼近。换句话说，只要具备数商，机器人就会拥有智商和情商。
埃克曼被评为20世纪100位最伟大的心理学家之一，他其实算是一个高数商的代表。

本文插图
2008年，埃克曼的工作和经历被拍成了电视剧《别对我说谎》。当我们读到埃克曼这样的伟大心理学家的故事时，不禁回肠荡气，惊叹于他对人类心理的理解，佩服他把表情这样人性化的领域变成一门量化、显性的科学。
这是人类科学进步的一个重要的表现：不断把时代的隐性知识转化为显性知识。一个高数商的人，就要具备这样的能力。

本文插图

本文插图
大数据先锋思想家涂子沛
借助全新研究成果
创造性地提出了一个新概念——“数商”
涂子沛（套装3册）
（数商+数据之巅+数文明）
我们还有这些直播
【数据|如何凭借大数据，做一个有眼力见儿的人？】