机器学习与信号处理感知你的情绪想法与感受

当可穿戴设备不再是负担，而是心灵良药

我们口袋里的智能手机、手腕上的智能手表，常被贴上“分心制造者”的标签——闪烁的屏幕、不断的推送，让人习惯了随时响应新消息和朋友圈点赞。但换个角度想：这些电子产品，有没有可能反过来帮助我们改善心理健康？

Chryssoula K. 的母亲被确诊为晚期乳腺癌后，她努力在照顾母亲、工作、新生儿、婚姻、朋友和个人时间之间寻找平衡。即便不是技术爱好者，她还是报名参加了一项新设备的测试——一个能持续监测情绪状态的腕带。这便是 Sentio 公司 Feel 项目的承诺：只需一个腕带和手机应用，就能跟踪用户的情绪状态、提供定期身心锻炼，并实现每周一次与治疗师的沟通。

图1. 可穿戴设备中的传感器可测量心率、皮肤电反应、温度和运动的变化。

这套系统背后是人工智能和最新心理学研究成果的融合。它和佩戴者、咨询师一起协作，提供即时、精准的个性化治疗。持证临床社会工作者、Sentio 首席治疗师 Sharon Kaplow 说：“这是一种数据驱动的疗法，在循证治疗方面优势巨大。”

Sentio 的创始人 George Eleftheriou 和 Haris Tsirmpas 的亲身经历让他们看到了改善心理治疗的必要性。Eleftheriou 曾饱受倦怠和抑郁的折磨，Tsirmpas 则经历过难以捉摸的恐慌症。心理咨询帮了他们很多，但也暴露出现有治疗标准的短板：心理健康评估主观性太强，对预防的重视远远不够；诊断常常被忽略，实时干预更是稀缺。

解决这些问题，影响是全球性的。据估计，全世界有5亿人患有精神疾病，仅在美国每年就要花费5000亿美元。更好的疗法，惠及的是每一个人：患者、治疗师、保险公司，乃至整个社会。

小目标和大目标

Sentio 的解决方案，从一款名为“感觉情绪传感器”的腕带开始。它跟时下流行的运动手环很像，但内藏玄机——四个传感器能探测与情绪相关的生理反应：光电血管容积图传感器测量心率变化，皮肤电反应传感器测量出汗多少，红外光传感器测量温度，惯性测量单元捕捉运动。这些信号通过蓝牙持续发送给 Feel 应用，再上传到云端。服务器上的专有AI算法分析数据，检测四种情绪：喜悦（正能量、高能量）、满足（正能量、低能量）、忧虑（负能量、高能量）和悲伤（负能量、低能量）。

通常，当应用检测到某种情绪时，会要求用户描述正在发生的事情和自己的感受。这份反馈有三个目的：让算法更精准、为治疗师提供更丰富的参考信息、以及通过记录日志提升用户的自我洞察力。Chryssoula 说，这款应用“激励我在提升自我、改善消极想法和消除恐惧方面变得更有针对性和分析能力”。

应用还会推荐一些锻炼方式。比如，用户可能需要回忆上次治疗的关键信息，并描述自己计划如何在日常生活中运用这些内容。

Feel 项目持续16周。每周，用户会与一名持证治疗师进行视频聊天，治疗师可以通过软件仪表板保密地访问用户的数据。由于数据驱动，每次聊天只要15分钟，而不是传统的45分钟。第一次聊天时，他们会设定一个总体大目标，以及一组每周的子目标。Kaplow 说，这是为了增加责任感，让大目标更容易实现。

举个例子：如果大目标是在工作中承担新的领导角色，子目标可能是先寻找贡献机会，然后找出贡献的方法，最后调整任何消极想法。Kaplow 指出，具体的功能目标有时候会揭露出更深层的情绪目标，而应用的认知行为治疗练习能帮助用户实现这些目标。

图2. Feel 项目包括一个手机应用，可以跟踪用户的情绪状态、向其推荐策略，并要求用户描述正在发生的事情。这些信息在每周与 Feel 治疗师的聊天环节中会用到。

用户会向治疗师反馈任何问题。Kaplow 说，有个在会议上有发言障碍的客户曾说：“尽管我在挑战自己的想法，想要发言，但心狂跳、嘴很干，就是做不到。”于是治疗师会和他一起探讨：“下次能做出哪些改变？什么方法能帮你处理这些生理反应？”治疗练习就是在这里派上用场。

Chryssoula 的主要目标是改善与家人和朋友的关系。“利用这些目标，我找到了与母亲和孩子相处更充实、更有成效的方法，”她说，“我每周至少安排一次和最好的朋友外出。”她还看到生活其他方面的改善：“我在工作中成功完成了一个要求高、压力大的项目，同时还能抽出时间放松做其他事。”

人工智能算法分析来自感觉情绪传感器的数据，并检测四种情绪之一：喜悦、满足、忧虑和悲伤。

信号筛选

Tsirmpas 说，设计 Feel 时，“最大的挑战是如何把连续不断的生理数据转换成清晰而具体的决策——也就是情绪的标记。”为此，他们在 MATLAB® 里开发了AI和信号处理算法。

图3. 机器学习和信号处理算法利用“感觉情绪传感器”采集的生理数据来检测情绪。

信号处理第一步是对信号进行预处理，去除外部噪声。比如，走路引起的波动可以被过滤掉。接着是数据转换，从海量数据点中提取出有意义的特征——相比于数百万个离散点，这些高级特征更容易被算法处理。

Tsirmpas 说，他们用 MATLAB 清除噪声信号，并把信号分割成离散的情绪事件。“它帮助我们快速推进，让算法变得更稳健。”机器学习作为人工智能的一种形式，特别适合处理大量数据和变量复杂的情绪检测问题。机器学习算法会识别数据中的特征，比如不同情绪对应的生物标记物组合。这些基于云的算法运行在亚马逊网络服务（AWS）服务器上，实时监控患者的情绪状态，并把结果反馈给 Feel 应用。

为了指导机器学习算法，Sentio 首先参考心理学文献，找出哪些物理信号最能反映对应的情绪。然后通过让佩戴传感器的人描述自己的感受来微调模型。模型会对读数进行分类，如果情绪标签与用户描述不符，模型会自动更新，以便下次更准。该系统还能根据每个用户自我调整。Kaplow 说，有用户反馈感觉传感器在真正了解自己。总的来说，系统已经完成了数百个用户的测试。

某些情况下，传感器可能比用户自己更了解他们的情绪。Kaplow 说：“有时候我们没有意识到自己的情绪。通常客户会抱怨胃痛或头痛，认为这些身体症状和情绪毫无关系。但综合诊断的目的就是连接身心，帮助你更好地调整自己，了解正在发生什么。”

“最大的挑战是把连续不断的生理数据转换成清晰而具体的决策——情绪的标记。” ——Haris Tsirmpas，Sentio 联合创始人

Chryssoula 说：“整整一周，Feel 应用帮助我注意到每个重要时刻的感受——不管是好是坏——以及感受的强烈程度。这促使我去思考如何解决问题，有时我会使用它的建议，比如呼吸练习，帮助我顺利渡过压力。”

这个应用提供了互动的情绪日历，不仅给出通知和信息输入，还为个人描绘出准确的情绪和心理画像。Kaplow 指出，Feel 让她对客户有了更好的了解，“但更重要的是，我认为客户对自己有了更好的了解。”

Kaplow 把 Feel 看作自己服务的力量倍增器。“这项技术带来了前所未有的参与度和意识。在传统治疗中，你只能去和治疗师面谈，治疗师并不会陪在你身边。如果一周中没有实时提醒，进步就会慢得多。感觉情绪传感器和应用程序提供了持续的参与度，让你学到的和讨论过的东西一直呈现在眼前。”

“整个项目对我来说是一个惊喜，”Chryssoula 说，“尽管每周只花很短的时间在心理治疗上，但我感觉每天都在进行持续的互动治疗，而且这些治疗完全是为我的日常生活量身打造的。”

Kaplow 认为，像 Feel 这样的系统能解决传统心理健康治疗的很多问题。“传统疗法只能回顾过去一周发生的事情，问你能做些什么。而这项技术能提供实时支持，这是传统疗法不具备的。如果有问题，我的传统疗法客户会主动发信息向我求助，但这需要他们自己想起来。但借助 Feel，传感器会一直主动为他们提供帮助。”

“当我开始这个项目时，无法想象它会有如此积极的影响，”Chryssoula 说道，“我认识到，处理任何复杂情况的第一步，是处理好自己的想法和感受。”

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：机器学习与信号处理感知你的情绪想法与感受要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题