PNAS:绘制情绪图谱,人类内心的表情包其实很丰富

简介: 人的情绪不仅仅是快乐、悲伤、愤怒、恐惧、惊讶、厌恶等6种,而是27种。本文授权转载自生物探索,点击阅读原文查看更多。

传统的心理学观点把人类情绪分为快乐、悲伤、愤怒、恐惧、惊讶、厌恶等6个基本类别。近日,UC Berkeley的一项新研究向这个心理学中长期存在的假设发起了挑战。研究人员利用一种新统计模型分析了800多名参与者对两千多个情感唤起视频片段的反应,从中辨别出27种不同的情感类别,并创建了一个多维的交互式“地图”来展示它们是如何相互关联的。研究结果在日前出版的PNAS上发表。

5f1945c7eceb751f02e1e60cac101062e8bbcf8b

研究人员从互联网上搜集了2185个长度为5-10秒的视频片段,视频所展现的内容包括出生和婴儿、婚礼和求婚、死亡和痛苦、蜘蛛和蛇、性行为、自然灾害、奇妙的自然界、尴尬的握手……用以唤起人们的各种情绪。在考虑到人口统计学特征之后,853名受试者分为三个小组,分别观看上述视频,并在随后完成了一项报告任务。

第一组自由报告了他们观看30个视频片段后的情绪反应。研究的主要作者,UC Berkeley神经科学博士生Alan Cowen说:“回答反映了一系列丰富而微妙的情绪状态,从怀旧到感觉‘恶心’。”

第二组根据他们对不同情绪的感知强烈程度给视频排序。在这组中,实验人员发现参与者的反应趋于集中,每个视频都有超过半数的观众报告了相同的情绪类别。

第三组中,实验人员分批播放表现对立情绪的视频,比如积极与消极、兴奋与冷静、以及支配与顺从等,受试者根据他们对视频的情绪回应程度进行打分。研究人员预测到,该组成员会在先前受试者对视频的情绪反应之上进行打分。

总体而言,研究结果显示受试者对同一视频的情绪反应相同或相似。研究人员基于丰富的数据识别出了27个不同的情绪类别。通过统计建模和可视化技术,研究人员制成了基于各个视频情绪反应的人类情绪语义图谱。在这张“地图”上,27个不同类别的情绪对应着特定的颜色。

人类内心世界的情绪“色彩”

加州大学伯克利分校心理学教授、情绪科学专家Dacher Keltner说:“不是6种,而是27种不同的维度,才足以解释数百人对视频片段的情绪感受。”

这27种情绪类别是:钦佩、崇拜、欣赏、娱乐、焦虑、敬畏、尴尬、厌倦、冷静、困惑、渴望、厌恶、同理心痛苦、着迷、嫉妒、兴奋、恐惧、痛恨、有趣、快乐、怀旧、浪漫、悲伤、满意、性欲、同情和满足。

a575039a192eaa16f4c6f7a4683195a13c606f47

情绪类型之间的模糊界限

对情绪的传统认识中,人类各种各样复杂的情绪皆来自六大基本情绪的相互组合与派生。听起来好像不太合理,但人类似乎就是这样矛盾的生物,不然怎么会有“哭笑”这样的emoji呢?不过,UC Berkeley的研究人员发现,将27种情绪通过人类情绪语义图谱展现时,它们之间既不是一个个“孤岛”,也不是相互复合叠加。“敬畏与平静、恐惧与悲伤、娱乐与崇拜之间存在着平滑的渐变。”Keltner解释道。

“我们没有在图上看到有限的情绪聚簇,因为一切都是相互关联的,”Cowen如是说,“情绪体验比先前人们想象的更丰富,也更微妙。”

他还表示:“希望我们的研究结果能帮助其他科学家和工程师更精确地捕捉到构成心情、大脑活动和表达信号的情绪状态,从而指向精神疗法的改善,对大脑生成情绪的机制的了解,以及在技术上回应情绪需求。”


原文发布时间为:2017-11-19

本文作者:张冀珍

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:PNAS:绘制情绪图谱,人类内心的表情包其实很丰富

相关文章
|
编译器 开发工具 Android开发
Android 引入FFmpeg
Android 引入FFmpeg
540 0
|
Python
【python脚本】word批注批量提取器V2实用版
【python脚本】word批注批量提取器V2实用版
494 0
|
7月前
|
机器学习/深度学习 数据可视化 Apache
仅3B激活参数,更强的多模态理解与推理能力,百度文心 ERNIE-4.5-VL-28B-A3B-Thinking正式开源!
11月11日,百度开源文心ERNIE-4.5-VL-28B-A3B-Thinking多模态模型,仅3B激活参数,性能媲美顶级大模型。具备强大视觉语言理解、跨模态推理与“图像思考”等创新功能,支持工具调用与视频分析,适用于复杂图文任务,全面开放商用。
970 17
仅3B激活参数,更强的多模态理解与推理能力,百度文心 ERNIE-4.5-VL-28B-A3B-Thinking正式开源!
|
弹性计算 负载均衡 网络协议
阿里云SLB深度解析:从流量分发到架构优化的技术实践
本文深入探讨了阿里云负载均衡服务(SLB)的核心技术与应用场景,从流量分配到架构创新全面解析其价值。SLB不仅是简单的流量分发工具,更是支撑高并发、保障系统稳定性的智能中枢。文章涵盖四层与七层负载均衡原理、弹性伸缩引擎、智能DNS解析等核心技术,并结合电商大促、微服务灰度发布等实战场景提供实施指南。同时,针对性能调优与安全防护,分享连接复用优化、DDoS防御及零信任架构集成的实践经验,助力企业构建面向未来的弹性架构。
978 76
|
11月前
|
JSON 监控 API
亚马逊Amazon商品详情API接口解析,josn数据参考
亚马逊商品详情API接口助力开发者高效获取商品信息,返回结构清晰的JSON数据,涵盖价格、描述、图片等关键字段。本文详解API调用方法与JSON格式,助您快速掌握商品数据抓取技巧,提升开发效率,适用于电商、数据分析等领域。
|
机器学习/深度学习 人工智能 算法
ProtGPS:MIT再造生命科学新基建!蛋白质AI一键预测定位+设计新序列,登Nature子刊
ProtGPS 是麻省理工学院和怀特黑德研究所联合开发的蛋白质语言模型,能够预测蛋白质在细胞内的亚细胞定位,并设计具有特定亚细胞定位的新型蛋白质。
1194 17
ProtGPS:MIT再造生命科学新基建!蛋白质AI一键预测定位+设计新序列,登Nature子刊
|
计算机视觉
【YOLOv8改进】Shape-IoU:考虑边框形状与尺度的指标(论文笔记+引入代码)
YOLO目标检测专栏探讨了边框回归损失的创新方法,强调了目标形状和尺度对结果的影响。提出的新方法Shape-IoU关注边框自身属性,通过聚焦形状和尺度提高回归精度。实验显示,该方法提升了检测效果,超越现有技术,在多个任务中达到SOTA。论文和代码已公开。
|
Web App开发 JavaScript 前端开发
Qt(QtWebEngine)加载本地网页跨域问题的总结
Qt(QtWebEngine)加载本地网页跨域问题的总结
680 0
|
机器学习/深度学习 人工智能 测试技术
【机器学习】R-squared系数有什么缺点?如何解决?
【5月更文挑战第20天】【机器学习】R-squared系数有什么缺点?如何解决?