情感计算20年：Rosalind Picard谈情绪、隐私与健康的真实边界

MIT教授Rosalind Picard在与Lex Fridman的对话中，回顾了情感计算诞生20多年的曲折历程，并深入讨论了情绪识别的技术潜力、隐私风险以及在健康领域的真实价值。这不仅是一场技术访谈，更是一位长期实践者对“人机关系”边界的冷静反思。

情感计算从何而来：不是让机器“像人”，而是更好地理解人

为什么要让计算机理解情绪？这是情感计算（Affective Computing）最初就面临的质疑。Rosalind Picard回忆，20多年前她在MIT提出这个术语时，并不是为了制造“有情绪的机器”，而是为了让系统能够识别、理解，甚至在必要时回应人的情绪状态。她给出的定义非常克制：情感计算是“与人类情绪相关、由情绪产生，或刻意影响情绪的计算”。

这个定义之所以重要，是因为它划清了一条边界。Picard强调，情绪并不是理性的对立面，而是决策系统的一部分。如果系统忽视人的情绪，就会在关键时刻做出糟糕的交互设计。她坦言，早期在计算机科学圈提出这个方向时，曾遭遇不少怀疑，甚至被认为“不够严肃”。但她坚持认为，人机交互如果只优化效率，而不考虑人的心理与情感，最终会伤害用户。

她在节目中用一种近乎自嘲的语气提到，当年很多人把情感计算理解成“让电脑有感觉”，而她真正关心的，是让技术不要在关键时刻“对人视而不见”。

从人机交互到个人体验：情绪为什么是“不可忽略的信号”

这一话题之所以重要，是因为情绪往往是系统失败前的早期信号。Picard在对话中指出，传统人机交互更多关注点击、速度和错误率，却忽略了挫败、压力或疲劳等状态，而这些恰恰决定了用户是否会长期使用一个系统。

她提到，情绪并不是噪声，而是信息。“Everything is informative”，这是她反复强调的一句话。人的表情、语音变化、生理信号，都在传递状态信息。忽略它们，并不会让系统更‘客观’，只会让系统更迟钝。

Picard也坦承，准确理解情绪非常困难。情绪不是单一标签，而是与情境、个体差异高度相关。这也是为什么她反对过度承诺的商业化应用。她认为，比起‘是否能做到’，当下更重要的问题是‘是否应该现在就这样做’，以及‘谁因此获得了权力’。

刹车时刻：当技术跑得太快，隐私成了更大的问题

在节目中出现了一个明显的转折点：讨论不再是技术能走多远，而是是否需要踩刹车。Picard直言，她和一些同行正在对某些情绪识别应用“踩刹车”，原因并不是技术难度，而是潜在的滥用风险。

她特别担忧在缺乏透明度和选择权的情况下，情绪数据被悄然收集。情绪信息一旦被用于操控、筛选或歧视，其后果可能比传统隐私泄露更严重。她用一种非常直接的方式指出：如果用户只能被动接受，而没有真正的选择权，那就不是‘智能’，而是‘控制’。

在是否需要监管的问题上，Picard并不反对讨论规则，但她更强调设计者的责任。她认为，很多系统默认是“全量收集、事后解释”，而她更倾向于“明确告知、允许选择”，甚至包括“像选择加入一样容易地选择退出”。

不只是担心：情感计算在健康领域的真实价值

如果说前半段充满警惕，那健康领域则展现了情感计算最有说服力的一面。Picard分享了她在健康相关研究中的经历，尤其是可穿戴传感器在识别某些生理与情绪状态方面的潜力。

她提到，通过长期采集生理信号，有可能发现人类自身都难以察觉的模式。这些系统的目标不是替代医生，而是补充人类的感知盲区。她强调，这类应用之所以成立，是因为它们服务于个体本身，而不是外部机构的利益。

在这里，Picard再次回到她的核心原则：赋能个人，而不是削弱个人。她提醒，如果情感与生理数据的控制权不在用户手中，那么再先进的技术，也可能让本应被帮助的人处于更脆弱的位置。

总结

这场对话的价值，不在于展示某种炫目的未来技术，而在于一种长期实践者的清醒判断。Rosalind Picard用20多年的研究经历提醒我们：情感计算不是关于机器有多聪明，而是关于人是否被尊重。情绪是信息，但信息意味着责任。真正成熟的技术，不是无所不知，而是知道何时该停、该问、该让人选择。

关键词： 情感计算， Rosalind Picard， 人机交互， 情绪识别， 隐私与健康

事实核查备注： Rosalind Picard：MIT教授，提出“Affective Computing”术语（约20多年前）；Affective Computing定义：与人类情绪相关、由情绪产生或刻意影响情绪的计算；讨论主题：情绪识别、人机交互、隐私、监管、健康应用；节目来源：Lex Fridman Podcast #24，2019-06-17。