如果人工智能可以预测女朋友生气……

"女朋友生气了怎么哄？" 一直是钢铁直男最头疼的问题。

如果我们能通过人工智能，洞察女朋友情绪的波动，又或者提前预见未来几天内女朋友的情绪变化趋势；同时还能通过Al预设出她的一些生气场景和日期，通过数据挖掘，Al模型、量化技术等，帮助男生们更好的进行恋爱决策，规避"直面女朋友生气"的危险……

是不是想想都开心，想想都轻松？

那么，人工智真的能可以预测女朋友什么时候生气吗？从技术角度看，又该如何建立这个生气预测的AI呢？

第一步：听懂女孩子的话

当然，与让AI听懂"自然语言"不同，我们要让AI能够听懂女朋友们的话，毕竟女孩子的话，往往都"话里有话"。

比如"我没事"是真的没事还是"再不来哄我你就完了"，"我去洗澡了"是真的去洗澡还是"我真是和你无话可说！"，并且女朋友们的生气还分为真生气和假生气，瞬时生气和持续性生气。

那么，这就需要采集你女朋友的历史数据，包括生气和高兴的数据：内在因素、外在因素、潜在因素、持续时间、生气后果、缓和时间、缓和原因及缓和结果等大项的数据；然后再细分成无数的小项，例如，从表情到动作，从五官开始判断变化，头部及四肢会产生哪些特有的行为动作，言语上会说哪些话，对这些进行记录，提取话语中频率较高的词汇等。

通过将以上大项不断细化为小项，进行大量的记录，每过一段时间，你归纳、整理的历史数据就会更大，被你女朋友训练的Al分析能力也更强，并逐渐形成正循环。

第二步：构建女朋友生气预测模型

接下来，我们需要用Python构建女朋友生气的预测模型。目前，NLP中的表示方法一共有两大类，独热表示和分布式表示。

独热表示(one -hot representation)是将每一个词写成一个N维的向量，其中只有一个分量为1，其他为零。N代表的是现有语料库的词汇表的大小。这种方法被称为词的离散化表示，单离散表示有很大的缺点：维数灾难，内存占用大，速度慢。所以引出将词表示成一个定长的连续的稠密向量，词向量形式。

分布式表示（Distributed representation）是若干元素的连续表现形式，将词的语义分布式地存储在各个维度中，与之相反的是独热向量。基于分布假说的词表示方法，根据建模的不同，分布式表示主要可以分为三类：基于矩阵的分布表示、基于聚类的分布表示和基于神经网络的分布表示。

建立预测模型后，运用我们收集到的历史数据来训练模型，最后就可以使用这个模型来预测女朋友什么时候可能生气了。

真的可以识别人类情感变化吗？

当然可以。毕竟，情感分析是人工智能的一个重要发展方向。

情感分析（sentiment analysis）又称倾向性分析，意见抽取（Opinion extraction），情感挖掘（Sentiment mining），主观分析（Subjectivity analysis）等，是指用自然语言处理、文本挖掘以及计算机语言学等方法来识别和提取原素材中的主观信息。情感分析的理论知识。它也有两个分支。AI 情绪识别主要通过两个方面：语言和表情。语言：包括语气和文字文字中的情感分析，很多公司已经研发出了相关产品，比如讯飞的情感分析（文本倾向性分析）系统，就是计算机判断人们的看法或评论是属于对事物的积极、消极或中性意见。

微信在最近的更新中，也强化了语音识别技术，将发送或接受到的语音消息转换为文字时，微信会智能转换为相应的表情，系统会根据语义和语气等关键元素，识别添加相应的情绪表情。

表情表情分析是AI研究者近年来关注的重点。

Amazon Rekognition于2017年11月在官方博客上推出实时面部识别、图像文本识别功能支持以及改进的面部检测功能。2019年为Rekognition面部识别系统添加了新功能，包括识别人们的恐惧情绪和年龄范围。

Rekognition在情绪识别功能上，一共可以识别人们的7种情绪，包括快乐、悲伤、愤怒、惊讶、厌恶、平静和困惑。但其准确率依然不高，并不是因为目前AI识别技术有多大问题，而是因为人们往往"喜怒不形于色。"

麻省理工学院（MIT）的Affectiva实验室，他们开发出的AI表情识别系统目前已经收集了9,453,324种人类面孔表情，利用计算机视觉（CV）、语音分析、深度学习等技术提高准确率。Affectiva建立了一个独特的数据库，该数据库包含在75个国家/地区拍摄的500万个视频或大约20亿个表达真实情感的真实人的面部框架。

当然，人是一种复杂的动物，表情有时候并不反映内心的真实想法。AI情绪分析当前仍处于发展阶段，还没办法达到人类可以将心比心的程度，但是随着研究的深入，数据库的不断细化与扩大，未来的事情谁知道呢？