前几天佳能中国的笑脸考勤门禁系统让一众打工人沸腾了，当初下班不仅要打卡了，还得笑着打卡。
其实不少 AI 设施中都有“情绪辨认”性能，但在大部分都是通过辨认面部流动和语言来判断人的情绪，这种形式的弊病就在于面部流动是能够造假的。
当初 Alphabet 打算开始用 AI 剖析人的脑电波来判断情绪变动，心愿能够用于反对诊断和医治抑郁症。这个我的项目由 Alphabet 的实验性研发实验室 X 发动，代号为 Amber。
抑郁的人大脑反馈更弱，寰球患者已超 7 亿
对可能患有抑郁症的人来说，单凭表情和语言来进行情绪判断很容易呈现失误，而且这种形式很难判断抑郁情绪的重大水平。抑郁症是一种危害重大的心理障碍，曾经成为了寰球第四大疾病。数据显示，寰球抑郁症患者曾经超过了 7 亿。
据美国国立卫生研究院统计，美国大概有 1730 万成年人患有至多一次抑郁症。2016 年至 2018 年，美国有重大他杀念头的成年人比例减少了 0.15%，同比增长了 46 万人。
抑郁症没有显著的症状，患有抑郁症的人很难从表面分辨进去，其在不同人身上的体现也不雷同。目前对抑郁症的评估还次要依赖于与临床医生的对话，或像 PHQ-9 和 GAD-7 这样的主观测试。
Amber 我的项目试图将机器学习技术与脑电波图像技术联合起来，以测量大脑中的电流动。钻研人员察看到，在相似游戏的工作中能够测量大脑处分零碎的处理过程，在较量中获胜后抑郁的人与非抑郁的人相比，大脑的反馈更弱。
头戴式脑电数据收集设施
Amber 团队花了三年工夫开发出了一种低成本、便携式的零碎，它的外观相似泳帽，须要 3 分钟左右的工夫进行配置，应用位于 Fz、Cz 和 Pz（用于评估处分和认知性能的要害通道或电极）中线上的三个传感器。
它具备一个可反对多达 32 个通道的随行生物放大器，可用于静息状态脑电和事件相干电位的采集，软件能够工夫锁定工作进行脑电测量。
除了这个收集脑电数据的设施，Amber 团队还摸索了如何利用机器学习的新办法来缩小脑电图记录中不必要的乐音。他们与 Alphabet 的深度学习钻研实验室 DeepMind 单干，采纳了非监督表征学习的办法，演示了像主动编码器这样的办法能够在没有人参加的状况上来除脑电信号。（主动编码器通过疏忽噪声来学习数据集的示意。）
此外，Amber 团队还提供了一个概念验证，即提取与心理健康相干的特色，能够用来依据一位心理健康专家的采访预测临床标签，如重性抑郁阻碍和广泛性焦虑症。与之前的钻研不同，Amber 团队称，他们可能为个体参与者而不是个人参与者做这个试验。
X 实验室的负责人 Obi Felten 在其博客中解释说：“这些办法可能从单个 EEG 试验中复原可用的信号示意模式。这意味着可能有可能从大脑电生理学中取得临床有用的信息，而所用的数据样本要比钻研实验室中传统应用的数据少得多，后者通常依赖于数百项实验性试验。”
X 实验室并不是第一个将机器学习算法利用于脑电图解读的，在去年 4 月发表的一篇论文中，IBM 的钻研人员就宣称他们曾经开发出了一种能够对癫痫发生分类的算法，准确率高达 98.4%。
事实上，脑电图曾经被广泛应用于钻研吞咽、分类精神状态、诊断神经及精神疾病，比方神经源性疼痛和癫痫，以及分类情绪。
Amber 我的项目遇挫，AI 诊断心理健康需多方合作
Amber 团队最终未能胜利找到抑郁症和焦虑症的繁多生物标志物。然而，只管遇到了挫折，他们还是在 GitHub 上开源了他们的硬件设计、可视化工具和激励工具。截至今日上午，收集脑电波的设施和软件已为佛罗里达州立大学的一项钻研提供了帮忙。
此外，Amber 团队承诺不会对该我的项目中开发的硬件申请专利，并将 50 个未应用过的头戴设施捐献给了 Sapien Labs，这个实验室经营着一个“人脑多样性我的项目”，反对低收入国家和未被充沛代表的群体发展脑电图钻研。
Obi Felten 还在他的博客中写道：“咱们心愿开源咱们的脑电图零碎和发表咱们的机器学习技术，这不仅对脑电图专家有价值，而且对更宽泛的心理健康钻研个人也有价值，他们此前可能因为之前钻研脑电图的复杂性和老本而退缩。”
在事实世界中应用技术支持的心理健康测量工作的路线上还有很多艰难，须要做更多钻研。要应答当今的挑战，须要科学家、临床医生、技术专家、政策制定者和有生存教训的集体之间建设新的伙伴关系。