在实验室以外，首次用人工智能开始帮助研究人员研究伴侣之间语言和生理特征的特定模式，从而预测恋爱中产生的冲突。
大多数对夫妻进行的冲突监测实验都是在心理学实验的控制环境下进行的。但洛杉矶南加州大学开展的Couple Mobile Sensing Project项目中，研究人员采取了一种不同的方式，他们通过可穿戴设备和智能手机来收集数据，从而对生活在正常生活条件下的夫妇进行研究。
他们对34对夫妇进行的早期试验表明，可穿戴设备和基于机器学习的人工智能结合在一起，可能会让智能手机应用成为未来的家庭关系顾问。“在我们目前的模型中，我们可以检测出冲突发生的时间，但我们还没有预测到冲突发生之前的苗头，”Adela Timmons表示，其是南加州大学(南加州大学)临床和定量心理学的博士候选人。“接下来，我们希望能够预测冲突，并发送实时提示，比如提醒夫妻休息或做冥想练习，看能否阻止或减少夫妻之间的冲突。”
在现实生活中预测夫妻之间的矛盾，并不是一件容易的事。但如果机器学习算法能够自动识别数据模式，从而帮助研究人员筛选出伴侣在语言和生理方面的非常规指标，其中可以包括心率或皮肤反应等代表性指标，就能够更准确地识别出酝酿冲突的迹象。
在美国电气电子工程师协会的会议上，南加州大学的研究小组详细介绍了他们的方法。在使用现成的机器学习算法对数据进行分析之前，研究人员必须确定他们在实验过程中应该关注哪些关键特征，以获得最佳的冲突预测因子。过去的心理学研究已经表明，夫妻之间的冲突与心率上升以及皮肤传导水平等生理指标有关。
Timmons解释说，在冲突中情侣们也倾向于使用一些特定的措辞，比如更多的人代词(“你”)，更多的负面情绪词汇，以及更确定的词，比如“永远”或“从不”。参与了为期一天试验的34对夫妇佩戴了可穿戴设备，其中包括用来测量皮肤的传导、体温和身体活动的腕带传感器。此外还有测量心律的传感器。每对伴侣也会通过智能手机来收集他们谈话的录音，并允许对他们进行GPS追踪。
为了证实确实发生了冲突，智能手机会提醒情侣们在争吵时报告。在34对夫妻中，最终共有19人在实验中报告了冲突。早期的实验结果很有前景。这一发现与以往的心理学研究中所提出的恋爱冲突相关理论相吻合。例如，用语言表达的消极情绪与冲突相关的准确率为62.3%。当机器学习算法分析了许多不同指标的所有数据时，其检测冲突的准确率高达79.3%。
Timmons说:“这些模型依赖机器学习。”“机器学习算法能够进行分类实验，并进行准确检测，情侣冲突检测需要大量数据。”当然，79.3%的准确率离实际应用还相差很远，尚无法为情侣提供主动咨询或类似的干预。
南加州大学信号分析和解释实验室博士候选人、该项目研究人员Theodora Chaspari说，对冲突的错误识别可能会导致不必要的警报。但是，结合许多不同特征的数据，更高的准确性似乎证实了用许多不同的方法可以有效推断出夫妻在冲突中的精神状态。
研究人员还面临着如何收集整理夫妻真实数据的挑战，这些数据远比在实验室范围内的数据要复杂得多。他们有时会遇到一些缺失的数据片段，比如一些情侣为了隐私而在特定时间关闭了他们的智能手机音频记录。尽管如此，Chaspari还是希望从更多的夫妇中收集到更多数据，以帮助机器学习算法消除这些噪声。
最终，南加州大学的团队希望利用他们的系统收集足够的个人数据来确定夫妻的冲突模式，要提高系统识别准确性还有很长的一段路要走。Chaspari说:“我们现在有一个通用的系统，但我们面临的挑战是如何让这一系统适合任一对特定夫妻。”准确地识别冲突，最终能让算法在夫妻意识到他们将要开始战斗之前就预测出冲突。
南加州大学团队下一步的研究是通过收集更多数据以提高他们目前算法的准确性。例如，可穿戴设备和智能手机技术可以帮助研究人员收集关于其他因素的更多数据，比如手机使用时间、上网时间，以及夫妻在一天中接受多少阳光照射，诸如这些都是微妙的潜在冲突预测因素，例如，长时间暴露在阳光下会对个人情绪产生影响。
Timmons说:“帮助这些模型运行良好的部分前提是，有大量的数据和大量的行为特征。”“在接下来的步骤中，我们将增加更多的冲突预测因素。”
（英文来源/IEEE 编译/机器小易 校对/晗冰）
相关文章
