說話的奇妙之處在于，有時候重要的不是看說了什么，而是要看是怎么說的。擁有四聲和平仄的中文尤為如此。這一點，聽到過客戶尖酸刻薄的挖苦之話的客服接線員想必感觸最深。自動語音系統(tǒng)無法識別這種語氣方面的細微差別，所以各個公司不得不維系大量的人工客服人員。不過英國的初創(chuàng)企業(yè)EI Technologies正在研發(fā)的一種語音識別平臺有望讓機器的理解里取得突破，該平臺可通過音質分析來識別情緒，據(jù)說其準確率已經(jīng)超過了人耳的平均水平。

　　EI的技術可以分析人聲的音調(diào)，更加注重“聲學特征”而非言語內(nèi)容—其最初的目的是幫助一款移動應用根據(jù)和監(jiān)控用戶的情緒。這款移動應用名字叫做Xpression，今年年末會推出封閉內(nèi)測版，主要面向Quantified Self的成員提供。“量化自我”的目的在于找出個人的生活方式是如何影響其幸福的。不過其主要功能是作為這項技術的試驗臺，找出平臺最可行的業(yè)務場景。

　　這種技術可以改進人機交互體驗，增強自動響應的正確率，在呼叫中心、醫(yī)療保健等垂直領域均有應用空間。

　　之所以首先選擇發(fā)布量化自我的應用而不是直奔垂直領域，是因為這個技術關乎對潛在客戶群的認識能力。發(fā)布量化自我的應用有助于消費者了解這項技術及其能力，也能有助于公司了解技術有多好，需要做到什么程度。

　　通過識別并恰當響應語言內(nèi)容和情緒來增強自然語言處理算法似乎是人工智能系統(tǒng)的下一步發(fā)展方向�！躲y翼殺手》里面的復制人的致命缺陷正是缺乏“移情（empathy）”能力�，F(xiàn)在EI的技術正幫助機器朝著具備“移情”能力邁出一小步—首先學會感受人類的情緒。不過相對于那個宏大的目標，目前EI主要關注于實用性的，近期有可能實現(xiàn)的商業(yè)機會，所以系統(tǒng)只會選擇性地識別部分情緒，僅針對特定的場景。

　　目前系統(tǒng)可識別5種基本情緒：高興、悲傷、害怕、憤怒及無感情。識別的準確率約為70-80%左右，這個數(shù)字要高于人類60%的平均水平。而受過訓練的心理學家的判斷準確率約為70%，從這些數(shù)據(jù)來看，EI的算法準確率已經(jīng)非�？捎^。其未來目標是進一步提高到80-90%。

　　系統(tǒng)首先會找出“關鍵聲學特征”，然后將其與一個分類系統(tǒng)進行對照檢錄，從而匹配出5種情緒中的一種。這里面運用了機器學習和大量的數(shù)學。此外，EI還聘請了東英格蘭大學的語音識別專家Stephen Cox來調(diào)整算法效果。此前該教授曾參與過蘋果和Nuance公司的語音識別系統(tǒng)研發(fā)。

　　當然，要想識別出反感、厭倦等更為復雜的情緒，EI將面臨更多的挑戰(zhàn)。因為這些情緒涉及的聲音信號更加微妙。不過，從商業(yè)角度來看，集中于那五種基本情緒更有意義。

　　從事情緒識別研究的公司不止EI一家。以色列的初創(chuàng)企業(yè)Beyond Verbal、MIT的Cogito也是少數(shù)競爭者之一。不過這些競爭對手的目標略有不同，其關注點是識別出某人希望被感知到的方式，而非即刻的“情緒層”。EI與競爭對手的區(qū)別還在于，EI的技術是作用于客戶端設備的，而其他的競爭對手則需要云處理技術，這意味著必須連接到網(wǎng)上才能發(fā)揮作用。無需聯(lián)網(wǎng)的特點令EI的技術可被運用到汽車等對象上。

　　EI目前從孵化器Wayra London和英國政府的Technology Strategy Board拿到了15萬英鎊的種子期融資，計劃明年2月進行下一輪的融資。