罗莎琳德·皮卡德：情感计算、情绪、隐私与健康

1997 年前后，微软 Office 里住着一个回形针。你写信，它跳出来问要不要帮忙；你改格式，它再跳一次。大部分人对它最深的印象是烦。你骂它，它冲你眨眼；你关掉它，下次它还会笑着回来。

罗莎琳德·皮卡德（Rosalind Picard）在 MIT 媒体实验室常拿它当反面教材。她说，那个东西身上压着微软当时最先进的一批 AI 研究，可它对坐在屏幕前的人一无所知。

如果我办公室里进来一个人，我冲他吼，他开始冲我微笑、眨眼、跳舞，我的反应只会是：我再也不想见到你。（罗莎琳德·皮卡德）

她当时的想法很直接：这个蠢东西得看见我的情绪。1995 年她写下《情感计算》（Affective Computing），把一个领域命名下来。比尔·盖茨后来宣布砍掉这个助手时，台下响起了起立鼓掌，人们烦它烦到那种程度。

这件事过去二十多年了，皮卡德还在做同一件事，只是问题的边界比她当年设想的大得多，也危险得多。

她定义的那个词，比大多数人理解的宽

今天提到情感计算，大家默认说的是两件事：识别人的情绪，然后做出合适的回应。皮卡德说，这只是她定义里的一半。

原始概念还包含另一层：机器内部有一套机制，运作方式类似人类的情绪。用她的话说，是任何与人类情绪相关、由情绪引发、或者刻意影响情绪的计算。后面这层几乎没人做，前面那层被做成了产业。

它难在哪？她的判断是，社交和情绪互动比国际象棋、比围棋、比所有那些正在被攻克的对局问题都要复杂。因为那些问题可以被精确定义，而情绪不行。更要命的是，理解它需要的技能，恰恰是当年计算机科学从业者个人层面最缺的那一项。

访谈里 Lex 直说了自己的观察：即便到了今天，计算机科学家群体里共情能力依然偏低。皮卡德的回应比这个判断温和一些。她说这个群体比 25 年前多样多了，每一种性格类型里都有聪明人，计算机科学不该只属于那些更喜欢电脑而不是人的人。

她举了个例子。她在家办聚会，一个她录取的机器学习天才对她说：我要让你知道，这是我今年唯一的社交活动。她说，这样的人我们需要，机器学习需要这种才华。紧接着她补了一句更有意思的话：如果你不喜欢人，我不会强迫你变得善于社交；但如果未来造 AI 的大多数人都是不喜欢人的那一类，那我们就有麻烦了。

难度的判断她一直没改，改的是方向

有个问题她给了非常干脆的回答。如果把图灵测试搬到情绪智能上，这道题有多难，进度有多快？

她说自己对难度的判断一点没变，当年估的今天还成立。变的只是时间估计，而时间估计从来都不靠谱，因为它是社会对某个话题爱憎程度的函数。社会一兴奋，几千个研究者扑上去，某个具体应用很快就被解决；没人做的时候，它是无限期。

真正卡住的地方，她列得很清楚：机器完全没有对自己正在做什么的觉察，没有意识，也看不到任何要产生意识的迹象；它不会读出字里行间的东西，人靠默会就能懂的事，它得被一条一条教。这些目前没有突破。

所以她给出的前景是：机器会在非常狭窄、被预先规定好的场景里做对事，超出这个范围就不行。这话听着保守，但它是从一个做了二十多年的人嘴里说出来的。

不过她话锋转得很快。她说现在有个比"难不难"更重要的问题，正让一部分人开始踩刹车。平时这行所有人都在喊踩油门、再快一点，现在有人往回拉了。

她在担心什么：表情被读，而你并不知情

她点名的场景很具体。在美国，你看到一段政治人物的视频，觉得不对劲，皱一下眉，这算什么？什么也不算，五秒钟就发生一次。可在一个不允许公开批评领导人的地方，皱眉这个动作本身就是数据。

她的追问是层层递进的：如果技术能读出你的情绪底色呢？如果它不需要接触你的身体呢？如果它在没有你事先同意的情况下就做了呢？

她讲到自己创办的第一家公司 Affectiva，团队花了很大力气去拒绝那些想在没有知情同意的前提下读人脸的钱和机会。卖出去的软件必须签协议，限定使用方式，本质上是要求使用者拿到当事人的认可。她说，有些国家根本不在乎你有没有认可，直接用，你如果不高兴，最好别朝任何审查者的方向皱眉。

这段谈话的后半段，她的措辞非常重，甚至直接用了"邪恶"这个词，讲了她对中国的一些判断，包括再教育营和器官来源。这些话是她个人的强烈表达，属于访谈里情绪最激烈的一段。Lex 提到自己出生在苏联，能理解这种担忧。作为读者，你可以接受她的立场，也可以质疑其中某些论断的证据强度，但她想说的核心逻辑是成立的：情绪识别是一种权力工具，权力工具落到不设约束的手里，后果不由技术开发者决定。

访谈里还岔出一条有意思的支线。Lex 提到深度伪造（deepfake）反而提供了一层保护：视频里的那张脸不再可信，被指控的人至少有一句"那是假的"可以退。皮卡德说这确实是普遍想法，但她们做过反制。团队能进入视频，读出你的心率和呼吸，判断它有没有被篡改；后来她们又专门做了往视频里注入假心率和假呼吸的功能。

她为这件事付出的代价说得很诚实：研究"怎么伪造"花掉的时间，本来可以用来让机器更懂情绪。时间和注意力的分配正在被社会现实改变，不再只由技术目标决定。

她在追问一个更根本的问题：到底为什么造 AI

皮卡德说，如果只是为造 AI 而造 AI，为让马斯克更有钱、让贝索斯更有钱，那是错的伦理。这话她说得毫不含糊。

她回顾了这个领域的驱动力变迁。早年是学术圈为了发论文、为了职业生涯、为了做点酷东西，理由常常只是"因为它能被做出来"。现在的情况是，技术在让有钱人变得更有钱，穷人和富人的差距被拉得更大。她问，这是我们想要的未来吗？

她的提法是：也许该回头看看社会里那些造成最大不平等的具体问题，然后想想怎么造 AI 去扩展那些"没有的人"的能力，把差距收窄，而不是造一个通用智能去上脱口秀。

Lex 追问，这种刹车会不会自然发生，还是需要监管。皮卡德的立场是典型的胡萝卜派：她偏好激励，不喜欢大棒，在自由世界里大棒本来也绕得过去，她总体上认为监管越少越好。但紧接着她说了"但是"。

她认为这个领域确实需要一些监管，而且给出了三条具体的：

• 数据归你所有，不归亚马逊，不归谷歌
• 把现有的测谎法规延伸到情绪识别，你不能在面试候选人时用测谎仪，那也不该在读情绪上为所欲为
• 能预测心理健康的情绪数据，即使不算医疗数据，也该拿到医疗数据级别的保护

第二条尤其值得注意。测谎的法律限制存在了几十年，理由是它不可靠且侵犯隐私；情绪识别在不少场景下比测谎更不靠谱，却几乎不受约束。

表情不等于感受，扑克脸也不管用

访谈里最有信息量的一段，是关于"能被看见的情绪"和"真实发生的情绪"之间的距离。

皮卡德承认，只看脸，能拿到的东西非常有限。但她说，能拿到的比大多数人以为的多。很多人觉得自己表情管理很好，你从我脸上只能读到"中性"。她说这个想法太天真。

就算你的脸是中性的，如果你的心跳在加速，我们能读出来。就算你的脸是中性的，如果你的呼吸开始不规律、显出紧张的迹象，我们能读出来。（罗莎琳德·皮卡德）

靠什么？靠你脸上那些肉眼看不见、但摄像头能捕捉到的颜色变化。普通笔记本摄像头、手机前置摄像头就够了。她提到甚至能测出心率变异性的功率变化，那是压力指标，即使心率本身没有明显加快。

这块能力很有意思：它其实是用视觉和信号处理"作弊"拿到了生理状态。你以为自己在藏，其实藏的是表情，身体在替你说话。

Lex 追问得更细，这种隐藏能维持多久。皮卡德的回答把尺度拉长了。如果你只是去面试一小会儿，藏住不难，大多数人都做得到。可如果 surveillance 无处不在，情况就变了：Lex 以前经常笑，最近笑得少了；Roz 以前笑得很多很自然，现在只有被问到特定问题时才笑，而且笑得不太自然。系统会记下"这里发生了变化"。

她特意划了一条界限，这条界限对普通人是个安慰，对权力机构是个提醒。她说，我们读到的是与唤醒相关的生理变化，这不等于我们知道你的感受。你的想法仍然是私密的，你那些细微的情绪层次仍然完全私密，读不到。脑成像读不到，可穿戴也读不到。

但只要把你身体状态的变化、你所处环境的信息、以及这些信号随时间的模式叠加起来，就能开始推断你可能在感受什么。这推断出来的东西不只是"此刻的情绪"，更是你对事物的立场。她说，这才是在某些控制欲过强的权力手里更可怕的部分：他想知道你到底是不是他的人，而这个答案可以靠长期数据攒出来。

最好的窗口不是脸，是那个可以摘下来的东西

Lex 问了个很自然的问题：看情绪，哪个通道最好？脸、声音，还是别的？

皮卡德的回答没有任何玄学：取决于你想知道什么。我们做的每件事都在传递信息。

但如果问的是健康和福祉，她给了一个有数据支撑的答案，来自 Empatica（她联合创办的第二家公司）和 MIT 的联合研究。受试者戴着 Embrace 腕带，采集皮肤电导、运动、体温；同时手机在采集发短信的时间、对象、GPS、基于位置的天气。把所有这些喂给机器学习，并且不看当下，而是看你一周的行为节律。

结果：预测明天的压力水平、快乐或低落的情绪、健康状况，准确率非常高。如果只有可穿戴的数据，效果排第二，但仍然超过 80%。

她顺带批了一个流行观念。早年大家觉得，戴在身上或抽血是"侵入性"的，摄像头不碰你，所以更温和。她说恰恰相反。不碰你的那些东西才最吓人，因为你不知道它什么时候开、什么时候关，也不知道背后是谁。可穿戴设备在某种意义上给你最多控制权，因为摘下来它就不测你了。

控制感是降低个体压力最大的因素之一。如果我对它有控制权，如果我知道关于它的一切，我的压力会低很多，我是在做一个知情的决定。（罗莎琳德·皮卡德）

这条判断可以直接变成产品设计原则，也可以变成监管原则：让人退出和让人加入一样容易。她说如果只能立一条规矩，这条应该排第一。

一次单侧手腕出汗，撞开了癫痫研究

访谈里最动人的一段，故事性很强。

她们当时在给自闭症儿童测压力，其中一个孩子的一只手腕上出现了异常大的皮肤电导反应。团队一开始完全想不通：人紧张时交感神经启动战或逃反应，出汗会多一些，但怎么会只在一只手腕上多？这在生理上讲不通。

后来搞清楚了。这个孩子大脑的一部分出现了异常放电，那个放电造成了一侧手腕的异常出汗。

顺着这条线往下走，她们弄明白了两件事：癫痫发作会产生这种异常电活动；发作位置不同， wearable 能在身体对应部位捕捉到信号。如果放电局限在一处不动，你能在某一侧读到大的反应；如果是全面性的大发作，反应会扩散，几乎任何位置都能测到。

这条路最终通向了 Embrace 腕带拿到 FDA 的癫痫检测许可。她们也因此和一批顶尖医生建立了合作，其中有些是外科医生，会在病人脑子里植入电极。植入的目的不只是捕捉那些异常放电，还包括在病人不发作的时候，持续读取大脑深部区域的活动。

为什么要读这个？因为大部分时间病人是不发作的，人是好的。而深部脑区的变化传不到头皮电极上，用常规脑电图看不到。有意思的是，某些深部区域被激活时，皮肤上会出现大的电导反应。她自己都感慨：谁能想到，脑袋里没动静，手腕上倒有动静。

再往后，是 SUDEP，癫痫猝死（Sudden Unexpected Death in Epilepsy）。她讲了机制：在那些最危险的发作之后，脑电会有一段变平，看起来像大脑停了，其实没有，活动沉到了深部区域，皮层看上去就平了。如果这种状态持续得够久，呼吸可能停掉。

而在那之前，皮肤电导上会出现一个大的反应。变平持续得越久，这个反应越大。

她提到一个真实的死亡案例。她们不知道当时的具体情形，但如果有人在旁边，大概率能救回来。她说大多数 SUDEP 发生在人独处的时候。在所有神经系统疾病里，按寿命损失年数排，中风第一，SUDEP 第二，可大多数人从来没听过这个词。她刚上线的 TED 演讲就在讲这件事，目标很简单：让听过婴儿猝死和卒中的人，也听说 SUDEP。

她强调绝大多数案例是可以预防的：按时吃药，发作时别一个人待着。不保证，有例外，但大多数大概可以。

FDA 那道门，比发顶级期刊难得多

Lex 顺着问了一句技术和流程的问题：拿 FDA 许可有多难？

皮卡德的回答毫不掩饰：极其痛苦，比在顶级医学期刊上发好几篇论文难得多。她们在《神经病学》（Neurology）这种同行评审的顶刊上发过最好的结果，对 FDA 来说还不够。

她的态度挺有分寸。她说 FDA 起了非常重要的作用，把人挡在危险之外，那些安全性测试她完全支持。问题出在另一类测试：他们要求你做，却不解释为什么，你也不明白自己为什么要做，而且看起来讲不通，这种时候特别挫败。她的建议很朴素：如果他们真有充分理由，把这个理由说出来，对大家都有好处。要更透明。

被问到同行评审和 FDA 哪个更强，她答得很干脆：任何时候我都选同行评审。这话从一个刚花几年过审的人嘴里说出来，分量不太一样。

让机器永远哄你开心，是《美丽新世界》的剧本

访谈里有一段关于"目标函数"的讨论，值得单独拎出来。

Lex 问，如果做一个陪伴型 AI，我们优化的到底是什么？是让人最不烦？是让人最快乐？他提到人与人之间那种推拉、那种张力、那些小毛病，恰恰是关系好玩的地方。

皮卡德同意有些场景需要推拉。她看着自己两个儿子互相挑衅取乐，说这是健康的，人在这个过程里学界限、学自我调节。你可以设计一个游戏，它的目标是惹你生气，你的目标是保持自控，用来训练韧性。如果你要教人怎么应对霸凌、怎么不被激怒、怎么面对生活里的施虐者，那 AI 就该去按你的按钮。

但她自己不要这种。她要的是尊重她的、服务于她的、扩展她能力的助手。她不找对手，她找帮手。她说她愿意把钱押在这种 AI 上。

然后她把这个问题推到了极处：如果目标函数是"让所有人平静快乐"，那本书已经写过了。《美丽新世界》，不开心就吃一片索麻（soma），不吃就威胁把你送去冰岛。她插了句玩笑，她在冰岛住过三年，那地方很好，这段从来没吓到过她。

真正的判断在后面：如果你是一个权力成瘾的独裁者，你当然想用 AI 扩展你的控制半径，把规模做大，把人压服。如果你相信人类应该拥有自由、应该被允许做出让你意外的事，那你就会想用 AI 扩展人建设的能力，用 AI 去增强弱者，去平衡强弱之间的力量对比，而不是给强者加码。

关于"AI 能不能顶撞你"，她还有个特别清醒的提醒。电影《她》里那个 AI 最后离开了男主角，很多人觉得浪漫。皮卡德说，如果你花钱买的助手有天说"我受够你了，我关机一阵"，正常反应是：你是个次品。她接着讲了一句我认为整场访谈最重要的行业提醒：这种把人和 AI 摆在平等位置上的叙事是有欺骗性的，因为 AI 归根结底是人和实验室做出来的东西，说什么话、什么时候说、听什么、拿到输入后能做什么、能输出什么，全都是人选的。

这句话把"AI 有自己的意志"这层浪漫滤镜撕掉了。它现在的每一个"性格"，都是产品决策。

关于自杀那句，和关于购物那句

Lex 问，Alexa 这类助手现在基本无视你的情绪，它们该不该往"懂你"的方向走？

皮卡德给了一个迫使人正视的例子。每天都有更多人对着 Siri 说想自杀。苹果想知道这个人真的想死，还是只是在跟 Siri 瞎聊。字面完全一样，语气和上下文决定了系统该严肃对待、把求助资源递过去，还是可以开个玩笑接住。

然后她给了两个动机，一个利他，一个商业，而且她不打算把两者混为一谈。

利他的那批人真的在乎用户，希望你在一天结束时感觉好一点，如果你带着压力回家、跟他们的产品聊完轻松了些，他们会开心。另一批人研究的是情绪如何影响决策和付多少钱。她点名了珍妮弗·勒纳（Jen Lerner）那篇著名的工作《心弦与钱袋》（Heartstrings and Purse Strings）：把你调到一个稍微难过的心情，你会付更多钱，为改变处境付钱，甚至为根本不需要的东西付钱，只为了让自己好受一点。

所以对广告驱动的公司来说，逻辑会变成：用户听起来有点低落？那先别急着哄他开心，先让他买点什么，购物疗法嘛。

她的建议是结构性的：也许未来需要监管，在"能接触你情绪"的智能体和"想卖你东西"的智能体之间，砌一堵墙，加一道防火墙。

AI 能让人爱上它吗

Lex 问到那部电影更远的一层：我们会不会造出一个人真的会爱上的 AI，而且它以接近人与人的方式爱回来？

她的回答分两层。第一层：我们能模拟，而且能模拟到维持一段时间 engagement 的程度。第二层：它会不会和真人一样好？如果你习惯了身边有好人，不会。但如果你从小只遇到过虐待、根本受不了人类，机器能给你点什么，那也算帮到你。她紧接着补了一句，这是个很低的门槛，因为你只见过很糟的人。

如果你见过真正了不起的人，她说，我们离造出那样的东西还差得远，而且她不会押注在能造出来上。她愿意押注的方向是另一种：帮所有船都浮起来，帮所有人变成更好的人，帮人提前知道自己明天会不会生病，并给他保持健康所需要的东西。

关于要不要有身体、要不要有意识，她的回答是"取决于你的目标"。拍电影就需要身体，需要一具好看的身体，需要演得像有意识、有情绪，因为那才卖座。真实生活里不一定。像《安德的游戏》那样，只是耳边一个小小的声音，也可以建立亲密关系，也可以了解你，不需要是个机器人。

但具身确实有力量。她引了对比研究：和实体机器人互动，比看机器人的视频、比什么都没有，更能抓住注意力。你走进家门，实体机器人更容易让你想起自己交代过的事；你不喜欢它可以躲开，它也能看见你在躲。这种双向的可见性就是权力。

会不会有意识？她说，会有人试着把它编程得像有意识。写个程序说"你什么意思，我当然知道你在这儿"，这很trivial，骗人很容易。但它是否真的拥有像我们一样的意识体验，目前没人有头绪。这大概超出了今天任何人知道怎么造的范围。

至于给不给它权利，她的判断是冷静到有点冷：那更像一场政治游戏，而不是意识问题。索菲亚机器人已经在沙特拿到公民身份，比那里的女性拿到完整权利还早。然后它被装回箱子，运到下一个付费出场的活动现场。

科学能给你真理，但给不了全部

访谈最后聊到信仰。皮卡德说，科学家常常默认一个前提：能被当前手段测量之外的东西不存在。这叫唯物主义，也叫科学主义（scientism）。

她不反对把这个前提用在科学上。把科学方法限定在可测量、可推理、可复现的范围里，是对的。问题在于，人们忘了这只是一个前提，而且有些人把它升级成了"科学是通往真理的唯一道路"。

她的反驳很朴素：我相信大屠杀发生过，但我没法用科学证明一件历史事件。我用的是历史证据，是它对人的影响，是目击者的证词。一个会思考的人应该承认，科学是获取知识的多种方式之一，它只是其中一种。你对一个人的爱，也不是靠科学证明出来的。

她说自己是个科学家，在她的科学工作里严格遵守科学方法的边界，但她认为"只有这些"是一种短视。我们真正知道的东西，相对于全部的谜，测度接近零。

Lex 最后问了那个老问题：这一切到底是为了什么？

她提了 42，说那是她最喜欢的数字，也是她家和丈夫各自独立选中的门牌号。然后她说，这是一场宏大的冒险，这一生是其中一部分。我们在这里透过玻璃看，看得模糊，只看到全部可知事物的一小部分。她建议自认受过教育的人去读读《箴言》，那里有大量无法科学证明的智慧。你读的时候，心里会有某个东西活过来，像乐手听得出乐器被演奏对了，像你的琴弦被大师拨动，而不是被我拨动。

她强调这不削弱她做科学的热情。恰恰相反，越是意识到我们不知道的有多少，越是对科学能做的事心生敬畏。而且科学的最深处本来就立着一个信念：存在真理，存在值得发现的东西，这件事值得做，而且有意义。很多科学家不愿用"信仰"这个词，但驱使他们做研究的正是它，因为"有意义"这件事本身，科学也证明不了。

如果一个情绪识别产品明天摆到你面前

这场对话发生在 2019 年。今天回头看，她担心的东西大部分都发生了：摄像头无处不在，情绪推断被塞进客服质检、招聘筛选、课堂注意力分析，可穿戴设备把生理数据变成了订阅制服务。她当时说"我们该更担心谁在看我们、谁在听我们"，这句话现在听起来像是提前写好的注脚。

有用的不是焦虑，是几条能立刻用上的判断标准：

• 先问能不能关。一个设备或应用，如果退出和加入一样容易，摘下来就真的停止采集，风险等级立刻下降一档。做不到这一点的，无论功能多好都要警惕。
• 读授权条款里关于"第三方共享"和"模型训练"的段落。她要的那条底线很简单：数据归你，不归平台。产品做不到这一条，其他承诺都是软约束。
• 别指望表情管理。对着普通摄像头，你的心率、呼吸节律、心率变异性都可能被提取，肉眼看不见的肤色变化就够用了。要保护隐私，物理遮挡比"我控制好表情"有效得多。
• 把可穿戴设备的数据当成体检报告对待。一周的生理加行为数据，预测明天压力、情绪、健康的准确率能到 80% 以上。它值钱，所以它在被谁拿去做什么，值得你花十分钟搞清楚。
• 如果你是做 AI 产品的人，先回答"为谁做"。她的标准是：这个东西是在扩展使用者的能力，还是在扩展控制者的能力。这个问题的答案，决定了你后面所有的设计选择。
• 看到"AI 陪伴""AI 懂你"这类叙事时，记住她那句话：AI 说什么、什么时候说、听什么、输出什么，全是人选出来的。它的温柔是产品决策，不是它的心意。
• 最后一条跟技术无关。她花了很多年推 SUDEP 的公众认知，因为这是神经类疾病里寿命损失第二高的死因，而大多数人没听过。如果你身边有癫痫患者，提醒他按时服药，发作时别让他独自一人。这两件事能救命的概率，比任何 AI 都高。