利用人工智能识别运动员情绪，是否涉及隐私和数据滥用？

卡尔斯鲁厄理工学院（KIT）和杜伊斯堡-埃森大学的研究人员利用计算机辅助神经网络，已经能够从比赛中网球运动员的肢体语言中准确识别情感状态。他们首次根据实际比赛数据训练了基于人工智能（AI）的模型，研究发表在《知识库系统》杂志上，表明人工智能可以准确评估肢体语言和情绪，其准确性与人类相似。然而，这也引发了伦理问题。

在他们的研究中，“使用卷积神经网络从网球运动员的表达行为中识别情感状态”，来自KIT和杜伊斯堡-埃森大学的体育科学、软件开发和计算机科学研究人员开发了一种特殊的人工智能模型。他们使用模式识别程序来分析在实际比赛中录制的网球运动员的视频。

成功率68.9%

“我们的模型可以识别情感状态，准确率高达68.9%，与人类观察者和早期自动化方法的评估相当，有时甚至优于它们。”卡尔斯鲁厄理工学院体育与运动科学研究所的Darko Jekauc教授说。

这项研究的一个重要和独特之处在于，项目团队使用现实场景而不是模拟或人为情况来训练他们的人工智能系统。研究人员在特定环境中录制了15名网球运动员的视频序列，重点关注赢得或失去一分时所表现出的肢体语言。视频显示，运动员有低头、欣喜地举起手臂、悬挂球拍或行走速度不同的暗示；这些暗示可用于识别运动员的情感状态。

在收到这些数据后，人工智能学会了将肢体语言信号与不同的情感反应联系起来，并确定是赢了（积极的肢体语言）还是输了（消极的肢体语言）。杰考克说:“在自然环境中进行训练对于识别真实的情绪状态来说是一个重大的进步，它使在真实场景中进行预测成为可能。”

人类和机器对负面情绪的识别能力优于正面情绪

研究不仅表明，人工智能算法在未来识别情绪的能力上可能会超越人类观察者，还揭示了一个更有趣的方面：人类和人工智能都更擅长识别负面情绪。杰卡克说：“原因可能是负面情绪更容易识别，因为它们以更明显的方式表达出来，心理学理论表明，人们在进化过程中更善于感知负面情绪的表达，例如，因为迅速化解冲突局势对社会凝聚力至关重要。”

使用前需要澄清伦理方面的问题

该研究设想了一些体育应用，用于可靠的情绪识别，如改进训练方法、团队动态和表现，以及防止倦怠。其他领域，包括医疗保健、教育、客户服务和汽车安全，也可以从可靠的情绪状态早期检测中受益。

杰卡克说：“尽管这项技术提供了显著利益的前景，但与之相关的潜在风险也必须考虑在内，特别是与隐私和数据滥用相关的风险，我们的研究严格遵守现有的道德准则和数据保护法规。为了将来在实践中应用这种技术，提前澄清道德和法律问题至关重要。”