卡耐基•梅隆大学的研究人员根据大脑活动识别人类情绪

卡内基•梅隆大学的科学家们根据一个人的大脑活动识别出他正在经历哪一种情绪。

即将发表于6月19日出版的PLOS ONE期刊上的此项研究将功能磁共振成像（fMRI）和机器学习相结合来衡量大脑信号，以精确读取个人情绪。该科研项目由卡内基•梅隆大学迪特里希人文与社会科学学院的研究人员主持，阐述了大脑如何对感情进行分类，为研究人员分析情绪提供了第一个可靠的流程。

基于神经活动来识别情绪的技术建立在卡内基•梅隆大学的Marcel Just和Tom M. Mitchell此前的研究发现上——他们使用类似的技术创建了一个可以确认个人对于具体事物的想法的计算模型，也就是通常所说的“读心术”。

“这项研究引入了一个新的方法，可以不需要依赖人们的自我报告能力来识别情绪。”卡内基•梅隆大学社会和决策科学助理教授及该研究的首要作者Karim Kassam说。“它可以用来评估个体对几乎任何一种刺激的情绪反应，例如一面旗、一个品牌名称或一个政治候选人。”

研究小组面临的挑战之一是找到一种可以重复并可靠地唤起参与者的不同情感状态的方法。传统的方法，例如向对象展示可诱导情绪的电影剪辑，很可能不会成功，因为电影剪辑的影响力随着重复播放而削减。通过从卡内基•梅隆大学戏剧学院招聘演员，研究人员最终解决了这个问题。

在这项研究中，10位演员在卡内基•梅隆大学科学成像与脑科学研究中心一边浏览九个表达情绪的单词——愤怒、厌恶、嫉妒、恐惧、快乐、欲望、骄傲、悲伤和羞愧，一边接受大脑扫描。当演员们进入功能磁共振成像扫描仪时，研究人员会指导他们随机、多次进入每一个情绪状态。

另一个挑战是确保该技术只测量情绪本身，而不是试图诱导某人产生情绪。为了解决这一挑战，在研究的第二阶段，研究人员向参与者展示了他们从来没有见过的中性的和令人恶心的照片。研究人员使用统计信息对那些收集来的18个情绪单词的功能磁共振成像激活模式进行分析，并在这一基础上构建了计算机模型。模型通过自我诱发的情绪学会了这些情绪模式，从而能够正确识别那些参与者通过大脑活动来观看的照片中的情绪成分。

为了识别大脑内的情绪，研究人员首先用参与者在前期扫描中表现出的神经激活模式来识别他们在后期扫描中经历的情绪。计算机模型达到了0.84的等级精度。等级精度是指正确的情绪在计算机模型推测出的排序表中的百分等级排序；随意猜测通常只有一个0.50的等级精度。

接下来，研究小组利用对自我产生的情绪感应的机器学习分析来推测研究对象在接触到恶心的照片时正在经历的情绪。计算机模型实现了0.91的等级精度。在可选的九种情绪中，模型将厌恶列为最有可能的情绪的次数达到60%，将其做为前两位猜测结果之一的次数达到80％。

最后，他们将来自除了一位以外的所有参与者的神经激活模式的机器学习分析应用于预测那位被事先排除的参与者所经历的情绪。这回答了一个重要的问题：如果我们把一个新的个体放入扫描仪中，让其经历情绪刺激，我们对其情绪反应的判断能有多精确？在这里，该模型实现了0.71的等级精度，再一次高于0.50的随机猜测水平线。

该研究的一个令人吃惊的发现是，即使当计算机模型只使用来自大脑许许多多不同的小区域中的一个的激活模式，它仍然能够实现几乎相当的精确水平。

该研究小组还发现，虽然平均来说，模型给正确情绪的排名是它所有猜测结果中最高的，它还是最擅长识别快乐的情绪，而在识别嫉妒时精确度最低。它很少混淆积极的和消极的情绪，这表明它们有明显的神经特征。并且，它很少将欲望误认做任何其他的情绪，这表明欲望产生的神经活动模式区别于其他所有的情感经历。

D.O.赫布大学心理学教授、卡内基•梅隆大学认知脑成像中心主任及领先的神经学家Just解释说：“我们发现，三个主要组织因素确定了情绪的神经特征，即情绪的正价或负价、它的强度——温和或强烈，以及其社会性——另一个人的参与或不参与。这就是情绪如何在大脑中被组织起来的。”(EurekAlert!)