據外媒報道，德國卡爾斯魯厄理工學院(KIT)和杜伊斯堡 - 埃森大學的研究人員利用計算機輔助神經網絡成功識別出網球比賽中運動員的情緒狀態。這項研究首次使用實際比賽數據對基于人工智能的模型進行訓練。

　　該研究發表在《基于知識的系統》期刊上，論文名為《利用卷積神經網絡從網球運動員的表達行為識別情緒狀態》。研究人員來自 KIT 的體育與運動科學研究所以及杜伊斯堡 - 埃森大學的軟件開發和計算機科學領域。他們開發了一個特殊的人工智能模型，利用模式識別程序分析了實際比賽中記錄的網球選手的視頻。

　　研究人員使用了15名網球選手在特定場景下的視頻序列，重點關注他們在贏得或輸掉一分時的肢體語言。視頻顯示選手的肢體語言包括低頭、舉起手臂歡呼、掛著球拍或步行速度的差異，這些信號可以用來識別選手的情緒狀態。在獲取這些數據后，人工智能學習將肢體語言信號與不同的情緒反應聯系起來，判斷一分是否被贏得(積極的肢體語言)或輸掉(消極的肢體語言)。KIT 的體育與運動科學研究所的 Darko Jekauc 教授表示:“我們的模型可以以高達68.9% 的準確率識別情緒狀態，這與人類觀察者和早期自動化方法的評估相當甚至有時更優秀。”

　　這項研究的一個重要而獨特的特點是項目團隊使用真實場景而不是模擬或虛構的情況來訓練他們的人工智能系統。然而，這項研究也引發了一些倫理問題。研究不僅展示了人工智能算法在識別情緒方面可能超過人類觀察者的能力，還揭示了一個有趣的方面:無論是人類還是人工智能，在識別負面情緒方面都更加準確。“原因可能是負面情緒更容易識別，因為它們以更明顯的方式表達出來，”Jekauc 教授解釋道。“心理學理論表明，人們從進化的角度更適應于感知負面情緒表達，例如，快速化解沖突對于社會凝聚力至關重要。”

　　研究人員認為情緒識別可以在多個領域應用，例如改進訓練方法、團隊動力和表現以及預防過勞。其他領域，包括醫療保健、教育、客戶服務和汽車安全等，也可以從可靠的情緒狀態早期檢測中受益。“盡管這項技術提供了顯著的好處，但也必須考慮與之相關的潛在風險，尤其是涉及隱私和數據濫用的問題，”Jekauc 教授說道。“我們的研究嚴格遵守現有的倫理準則和數據保護法規。鑒于將來這種技術在實踐中的應用，提前明確倫理和法律問題至關重要。”