9 月 23 日，在杭州举行的第五届全球数字贸易博览会“数贸创投日”交大安泰分场，我们听到了两类很值得放在一起看的产品探索。
情绪追踪智能吊坠 nuna 的创始人谢志渊，介绍了用可穿戴设备记录情绪相关信号的尝试。COROS 高驰中国区品牌负责人郑骁玎，则谈到怎样借助 AI，把长期积累的运动与身体数据，变成使用者更容易理解的反馈。
一个希望多了解人的状态，一个面对的是已经积累下来的大量数据。这让我们想到同一个问题：设备收集到大量数据，怎样才算真的有用？
但怎么样算有用？这在当天上午的圆桌里有一个实际例子，说出了情绪识别的难处。这位嘉宾说，一个人嘴上说着狠话，表情却在笑，系统该怎么理解？他还提到，当下的感受可能与之前的经历和记忆有关。
让我们回看 Signal Scanner EP02 里介绍的情感计算。当论文里的信号、评分和模型，走到日常生活中，会遇到哪些新的问题？
情感计算，究竟在计算什么？
情感计算（Affective Computing）关注计算系统如何识别、表达和回应与情绪有关的信息。它研究的范围比“判断一个人开不开心”更广，也包括怎样让人与技术的互动更合适。[1]
为了理解这次讨论，我们可以先把问题拆开：设备采到了什么？根据这些信息，它作出了什么判断？基于这个判断，它怎样回应了使用者？
麦克风可以记录声音，传感器可以记录身体变化，但“记录到信号”和“理解这个人此刻的感受”之间，还需要解释和验证。
现场关于“笑着说狠话”的讨论，正好说明了这一点。单看表情、单听说了什么，都可能漏掉重要的信息。当把更多信号放在一起，也仍然要处理它们相互矛盾的时候。
一项基础研究，怎样把情绪变成可研究的问题
DEAP 是理解这件事的一个入口。它是一项发表于 2012 年的研究。
研究中，32 位参与者分别观看 40 段一分钟的音乐视频。研究者记录脑电和其他生理信号，再请参与者对自己的感受评分，包括愉快程度、激活程度，以及对视频的喜爱等。[2]
这里有一个容易忽略的区别：喜欢一段视频，不一定表示它让人开心。一段令人难过的音乐，也可能让人很喜欢。
研究者把同步采集的信号与参与者的评分联系起来，分析其中的关系，并尝试进行分类。我们借这个实验理解的，是一种研究方法：先说清楚要观察哪种感受，再采集信息、获得反馈，检验模型的判断。
这与设备直接告诉你“你现在很难过”，中间还有距离。DEAP 也没有替现场介绍的消费产品验证效果。
从一段视频，到一个人的一天
实验里，研究者知道参与者正在看哪段视频，也能在观看之后询问感受。日常生活没有这样整齐的安排。
圆桌上的嘉宾谈到，情感理解还需要记忆。此刻的反应，可能与刚才的对话有关，也可能牵涉更早的经历。设备如果只记录了当下的一小段，很难知道这些背景。
下午的分享中，谢志渊介绍了 nuna 情绪追踪智能吊坠。这款吊坠尝试结合毫米波雷达与麦克风，采集心脏微动、呼吸以及声音中的相关线索，用来观察日常状态的变化，希望逐步建立起个人基线。
心脏、呼吸或声音的变化是线索，设备仍然需要推断这些变化与情绪的关系。它也提出了一个实际问题：产品需要理解一个人的长期变化，而不只是给每一分钟贴上一个标签。
比如，系统认为某段时间有明显波动，使用者却觉得自己当时很放松。接下来应该让谁修正谁？我们更希望产品留出一个入口，让使用者补充发生了什么，或者直接说“这次判断不对”。
采到数据之后，怎样才算帮上忙？
高驰的分享提供了另一种参照。分享者谈到一个很实际的困扰：产品给出了很多指标，也花了很多力气解释，但普通使用者未必能理解这些数据与自己有什么关系。
现场郑骁玎介绍了“高驰洞察”和“AI Coach”，会结合训练基础、目标、睡眠、心率变异性（HRV）和训练负荷等信息，帮助使用者理解训练与休息的安排。
运动手表不等于情绪识别设备。但这个例子对情绪硬件很有启发：数据采到了之后，接下来的解释与交互，可能才是使用者真正接触到的部分。
情绪产品也面临相似的问题。看见一天的情绪曲线之后，使用者能做什么？能否借它回想某次对话，注意到自己什么时候比较放松，或者发现哪些判断与自己的感受不一致？
这些反馈是否有帮助，要在使用中继续验证。生成一段听起来体贴的解释，并不自动意味着系统找对了原因。
在下午的圆桌讨论中，大家也谈到减少噪音、建立信任。结合此前关于“做减法”的交流，我们想继续追问：加一个交互、加一个提醒，到底有没有帮助？
对情绪交互来说，这个取舍尤其具体。一次提醒可能来得刚好，也可能让人更烦。我们会想看产品是否允许使用者调整提醒、暂时关闭它，以及决定哪些内容需要保留。
持续记录，也需要让人放心
谢志渊在分享中强调了端侧推理的路线，也就是把计算放在设备本地。我们理解这种设计的考虑，但“本地处理”本身还不是一份完整的隐私说明。
如果设备持续收集声音，是否保存原始录音？周围的人是否知道？哪些信息会传到云端？使用者能不能暂停记录、删除数据？这些都应该说得明白。
同样，产品给出的情绪判断，应当允许人质疑。一个帮助人回顾生活的工具，不应该让人觉得，算法比自己更有资格解释自己的感受。
这也是社区想继续参与的事情
在跨界创造的圆桌上，大家谈到了心理学、艺术和产品经验，也谈到怎样让更多非工程背景的人参与进来。
情感计算让这件事变得很具体。什么情况容易被误解？怎样表达反馈才不让人难受？一款产品在什么场景下有用，什么时候应该安静下来？这些问题，需要了解技术的人，也需要熟悉生活场景、愿意听使用者说话的人。
我们希望社区伙伴做原型时，可以先选一个小问题：想帮助谁，在什么时刻，理解哪一种变化。再邀请使用者一起看看，设备的判断对不对，给出的反馈有没有用。
从 DEAP 的基础研究，到数贸会创投日现场的产品讨论，我们更想继续追踪的是：情感计算怎样进入生活，同时给人留下解释自己、拒绝判断和选择回应的空间。
AI 造物社区 · Unbound Maker Community 面向女性、年轻一代和跨领域创造者。我们关注 AI、智能硬件、机器人与人机交互，也关心技术进入生活之后，人的感受和实际需要。
如果你正在做相关项目，或有一个想弄明白的问题，欢迎带着它来交流。一起用 AI 和硬件，把想法做出来。
引用
交大安泰杭州校友会提供的活动回顾、现场分享及圆桌讨论记录。文中现场照片由交大安泰杭州校友会提供。
[1] Rosalind W. Picard, Affective Computing for HCI, 1999.
[2] Sander Koelstra et al., DEAP: A Database for Emotion Analysis Using Physiological Signals, IEEE Transactions on Affective Computing, 2012. DOI: 10.1109/T-AFFC.2011.15.