KIT研究人员开发了一种人工智能模型，可以通过网球运动员的肢体语言识别他们的情绪。(图片来源:PantherMedia / Wavebreak Media Ltd)
利用计算机辅助神经网络，卡尔斯鲁厄理工学院(KIT)和杜伊斯堡-埃森大学的研究人员已经能够从网球运动员在比赛中的肢体语言中准确地识别出情感状态。他们第一次训练了一个ba模型基于人工智能(AI)和来自实际游戏的数据。他们的研究发表在《知识》杂志上sed系统，演示表明人工智能可以像人类一样准确地评估肢体语言和情绪。然而，它也指出了道德问题。(DOI: 10.1016 / j.knosys.2024.111856)
在他们的研究中，“使用卷积神经网络从网球运动员的表达行为中识别情感状态”，KIT和杜伊斯堡-埃森大学的体育科学、软件开发和计算机科学研究人员开发了一种特殊的人工智能模型。他们使用模式识别程序来分析网球运动员在实际比赛中录制的视频。
成功率68.9%
KIT体育与运动科学研究所的Darko Jekauc教授说:“我们的模型可以识别情感状态，准确率高达68.9%，与人类观察者和早期的自动化方法所做的评估相当，有时甚至更好。”
该研究的一个重要而独特的特点是项目团队使用真实场景而不是模拟或人为的情况来训练他们的人工智能系统。研究人员在一个特定的环境中记录了15名网球运动员的视频序列，重点关注他们在赢球或输球时表现出的肢体语言。视频显示，球员们的球杆包括低着头、兴奋地举起手臂、悬挂球拍或走路速度的差异;这些线索可以用来识别玩家的情感状态。
在获得这些数据后，人工智能学会了将肢体语言信号与不同的情感反应联系起来，并确定一分是赢了(积极的肢体语言)还是输了(消极的肢体语言)。杰考克说:“在自然环境中进行训练是识别真实情绪状态的重大进步，它使在真实场景中进行预测成为可能。”
人类和机器比积极情绪更能识别消极情绪
这项研究不仅表明，人工智能算法在未来识别情绪的能力可能会超过人类观察者，还揭示了一个更有趣的方面:人类和人工智能都更善于识别负面情绪。杰考克说:“原因可能是负面情绪更容易被识别，因为它们以更明显的方式表达出来。”“心理学理论表明，从进化的角度来看，人们更善于感知消极的情绪表达，比如，因为迅速化解冲突对社会凝聚力至关重要。”
使用前需要澄清道德方面的问题
该研究设想了一些可靠的情感识别的体育应用，如改进训练方法，团队动力和表现，防止倦怠。其他领域，包括医疗保健、教育、客户服务和汽车安全，也可以从可靠的情绪状态早期检测中受益。
Jekauc说:“尽管这项技术带来了巨大的好处，但也必须考虑到与之相关的潜在风险，尤其是那些与隐私和数据滥用有关的风险。”“我们的研究严格遵守现有的道德准则和数据保护规定。考虑到这种技术在实践中的未来应用，提前澄清伦理和法律问题将是至关重要的。”(卡)
最初的发布
Darko Jekauc, Diana Burkart, Julian Fritsch, Marc Hesenius, Ole Meyer, Saquib Sarfraz，
Rainer Stiefelhagen:使用卷积神经网络从网球运动员的表达行为中识别情感状态。知识系统，Vol. 295, 2024。DOI: 10.1016 / j.knosys.2024.111856
作为“亥姆霍兹协会的研究型大学”，KIT为社会和环境创造和传授知识。我们的目标是取得重大的成功为能源、移动和信息领域的全球挑战做出贡献。为此，大约1万名员工在自然科学、工程科学、经济学、人文社会科学等广泛的学科领域进行合作。KIT为其2.28万名学生做好了应对的准备通过提供研究学士学位，在社会、工业和科学领域完成不可完成的任务实施学习计划。理工学院的创新努力在中美之间架起了一座桥梁重要的科学发现及其对社会、生态的应用经济繁荣，保护我们的自然生活基础。KIT是德国优秀大学之一。
凹地,08.05.2024
