从走路步态预测人的自尊程度？

我们在日常生活中有这样的经验，观察走路姿态，可以大致了解一个人。不久前，中科院心理所发布一项研究成果，利用计算机分析一个人走路的步态数据，可以在相当大的程度上预测一个人的自尊程度。

训练机器可以识人

人们常说，“知人知面不知心”，以此来说明想了解一个人的内心是非常困难的。但是，我们也经常听到，“阅人无数，识人有术”，强调从人的言谈举止归纳总结出识人的规律。这两个看似矛盾的说法能够被大家接受，说明都有其合理性。

强调“不知心”是说对一个人的内心理解很难，而解决这个难题的方法可能就是通过不断练习、不断总结识人的规律，也就是不断学习的过程。为了达到识人的目的，需要有一个阅人无数的过程，如果我们能够训练计算机，是否也可以做到“识人”呢？从最近几年针对行为大数据和心理学研究的结果来看，这是完全可能的，对计算机进行训练，并使其具有识人能力的过程，就是机器学习的过程。

阅人无数的过程可以看作是在数据上的机器学习训练过程，也就是受教学习过程；而识人的过程则是模型的应用。如果有了数据，结合机器学习，我们就有可能实现识人，也就是获知人们的内心。

网络生活展现原生态人格

目前心理学的方法主要依赖于自我报告，但是人们往往愿意展现自我好的一面，所以其准确性会受到影响，而人们在实验室环境下的行为表现与现实场景往往有所不同，实验室的发现在实际应用的时候是要打折扣的。

随着互联网时代的到来，尤其是移动智能设备的普及，智能手机、手环、智能手表等各类可穿戴设备，几乎能将人们所有的现实行为做全时程的、原生态的跟踪和记录。人们可能在心理学实验室环境中进行有效的伪装，却很难在现实生活中长期这么做。因此，我们完全有可能利用网络及智能设备实现对人们日常行为的数据采集，并通过机器学习获得的模型对行为进行分析，对人们的内心进行识别，做到计算机识人之心。

微博拥有数量庞大、分布广泛的用户群体，他们在微博中进行原生态的个性化表达。为了从用户在网络平台上的微博行为数据预测其人格特征，研究者从近两百万名新浪微博活跃用户中随机选取了547名用户作为被试者，下载其微博行为记录，并且进一步由原始记录中提取845种行为特征，以此作为输入；同时，对邀请参加实验的微博用户施测人格问卷，获取其在各人格维度上的得分，以此作为输出。结果表明，基于微博行为的人格计算模型拥有良好的测量属性。此外，在人格计算模型中，微博行为与人格特征之间的预测关系也具有一定的可解释性。这表明，通过微博行为来预测用户的人格特征是完全可行的。

利用步态能识别人的自尊

我们利用网络数据，能够实现对人们的人格特征的识别，但是我们一般都把网络看做是虚拟社会。那么在现实社会中呢？

利用机器学习，我们通过智能设备获取人们的日常行为数据，实现对心理特征的识别。结果发现，利用步态能够比较准确识别人的自尊情况。

在这个实验中，参加实验的用户首先会被要求填写自评式的自尊量表，获得被试者自我报告的自尊得分（输出）。量表题目如：“6.我对于自己抱着肯定的态度”“10.有时候我认为自己一无是处”等。

之后用户会被要求在一块地毯上来回走动，两个摄像头被置于地毯两端，用于捕捉被试者在走动过程中身体25个关节点的坐标以及面部表情和身体动作。

摄像头以每秒20帧的速度捕获人体25个关节在X、Y、Z三个轴上的三维坐标。研究人员从每个关节点的每一轴（共三轴）抽取64个特征，计算每个特征与被试者自尊得分的相关系数，并选取相关系数最大的5个特征来建立回归模型，并预测个体的自尊得分。预测结果与被试者自我报告的自尊得分达到中等相关，能够在一定程度上代替量表做自尊测量。鉴于男性和女性的步态存在一定差异，研究针对男性和女性的步态数据分别进行建模预测，对男性步态预测与自我报告得分之间的最高相关为0.43，女性为0.59，表明对女性预测性更好。研究结果表明，使用步态能够实现对个体自尊的自动识别。