情感

古人云：“文以载道，言为心声。” 文字，本是人们表达情感、交流思想的媒介。 最近胖猫的事件，让广大男性伤透了心，前有江西F4，觉醒姐等竖起了捞女的牌坊，胖猫的倒下让广大男性确实心寒，现实中其实有很多胖猫。 然而，在当今这个信息爆炸的时代，一些情感公众号却背离了这一初衷，借助AI技术炮制情感文章，以此牟利，不仅误导了读者，更在无形中伤害了无数人的心灵。 01、为博眼球矫揉造作 我们不难发现，网络上充斥着大量情感类文章，它们以煽情的标题、矫揉造作的文笔，吸引着人们的眼球。然而，当我们深入阅读这些文章时，却常常感到内容空洞、逻辑混乱，甚至与作者的真实情感相去甚远。 02、文章缺乏真实情感 AI写手，看似高效便捷，实则隐藏着巨大的隐患。AI缺乏人类的情感体验和共情能力，它只能根据算法和数据分析来生成文章，无法真正理解人类的情感世界。 03、为了流量，内容极端偏激 AI写手为了追求点击率和阅读量，往往会采用一些极端、偏激的观点来吸引眼球。这些文章不仅误导了读者的价值观，更可能激发一些人的负面情绪，导致他们做出错误的决定。比如，一些失恋的人在阅读了AI撰写的“如何快速走出失恋阴影”的文章后，可能会采取极端的行为来伤害自己或他人。 04、加剧了网络上的信息泡沫 由于AI可以快速生成大量文章，一些公众号为了追求数量而牺牲质量，导致网络上的信息泛滥成灾。读者在浏览这些信息时，往往难以分辨真伪，容易被误导和欺骗。 以某知名中国首席情感导师和著名主持人的某情感大师为例， 家是讲爱的地方，不是讲道理的地方。 很多网友调侃，我奶奶80 多岁听了这句话，都要闹着跟我爷爷离婚，因为不爱她。 女人一旦太安分，男人就会找别人。 等等这些经典话语，结果为中国培养了大量的捞女，拆散了多少家庭，让多少孩子成为单亲家庭。 情感公众号利用AI写情感文章的行为，不仅误导了读者，更在无形中伤害了无数人的心灵。 我们应该警惕这种现象的蔓延，呼吁相关部门加强监管，同时提高公众的媒介素养，学会辨别真伪信息，共同营造一个健康、真实的网络环境。 别让更多的胖猫倒下！！！

新智元报道   编辑：Mindy【新智元导读】一家来自纽约的初创公司Hume AI发布了一款标榜为「第一个具有情商的对话式人工智能」的共情语音接口(EVI)，并表示其能够从用户那里检测到53种不同的情绪。AI的下一个重大突破是理解情感吗？Hume AI表示是的。3月27日，一家名为Hume AI的新创公司宣布，他们已经在一轮B轮融资中筹集了5000万美元。这家初创公司由前Google DeepMind研究员Alan Cowen共同创立并担任CEO。Hume AI与其他人工智能模型提供商和初创公司的区别在于，它专注于创建一款能够理解人类情感、适当做出反应并向用户传达情感的人工智能助手。这款聊天机器人不仅基于文本，还使用语音对话作为其接口，通过听取人类用户的语调、音高、停顿等声音特征来运作。Hume AI同时发布了其名为「共情语音界面」（Empathic Voice Interface）的演示，只需要使用带有麦克风的设备，就可以与之进行互动。 为什么AI需要理解情感 Hume AI的理论是，通过开发能够更细致地理解和表达人类情感的AI模型，它可以更好地为服务用户。Hume AI不仅仅想要了解用户「快乐」、「悲伤」、「愤怒」、「害怕」等等通用的人类情绪，而是更微妙、通常是多维的情绪。比如「钦佩」，「崇拜」，「入迷」，「讽刺」，「羞耻」等等，Hume AI在其网站上总共列出了53种不同的情绪。 官网地址：https://dev.hume.ai/docs/expression-measurement-api/overview（上下滑动查看全部） 对此，Hume AI表示： 情感智能包括从行为中推断意图和偏好的能力。这正是AI界面试图实现的核心目标：推断用户想要什么并实现它。因此，在某种意义上，情感智能是AI界面的最重要的要求。 通过语音AI，你可以获得更多关于用户意图和偏好的线索。 这使得我们的AI在预测人类偏好和结果、知道何时说话、知道该说什么以及如何以正确的语气说话方面变得更加出色。 Hume AI演示之后，反响十分狂热。云端和Web应用开发软件公司Vercel的首席执行官Guillermo Rauch就发帖称：「这是迄今为止我见过的最好的人工智能演示之一。」 如何从语音变化中检测情绪 在其网站上，Hume指出：「这些模型是基于大规模、实验控制的情感表达数据的人类强度评分上进行训练的。」这些数据来源于Cowen及其同事发表的两篇科学研究论文：「Deep learning reveals what vocal bursts express in different cultures」和「Deep learning reveals what facial expressions mean to people in different...