科幻电影的 AI 助手基本都有个美德：通人性。
《她》的虚拟助理萨曼莎，和男主西奥多谈情说爱，再轰轰烈烈地分手。《钢铁侠》的智能管家贾维斯，与托尼讨论钢铁战甲的设计，偶尔还兼职调侃和吐槽。
但如果你想和 Siri 聊点心里话，得到的回复往往是「这个问题我还真回答不了」。ChatGPT 固然可以和你谈天说地，但因为延迟和过于正经，让人无法忘记它是个 AI。
人类的七情六欲，是 AI 仍需攻克的难关。前 Google 研究员的 AI 初创公司 Hume AI，已经悄悄地走在了前面。
高情商的语音 AI，身段灵活的聊天搭子
最近，Hume AI 向大众开放了旗下产品：同理心语音界面（EVI）。
Hume 称，这是第一个具有情商的对话式 AI。
EVI 的情商体现在，可以根据我们的说话方式，解读我们的情绪，并给出恰当的反应，知道什么时候说话，说什么话，以及如何以正确的语气说话。
当我们和 EVI 打招呼的时候，它就在判断我们的情绪了。你可以开门见山说个「hello」，然后直接问它：「我听起来心情怎么样？」
我用日常说话的语气开场，它却觉得我有些困惑和沮丧，希望我敞开心怀分享更多想法，抓住了 INFP 人格的典型状态。
当然，大多数时候我们不会这么刻意。更理想的情况是，我们所说的内容，已经暗示了我们的心情，EVI 自觉地给出反应，照顾我们的情绪。
就像我对 EVI 说，我的假期结束了，虽然不说难过，字字都是难过。
它先是小心翼翼地说了解了，顺着我的话说假期结束了是有些不好受，然后转移话题，语气高昂起来，带动我回忆假期的美好时光。
然后我假装生气，提高音量吼了 EVI 一句，等它根据我的语气下菜碟。
EVI 停顿了几秒才敢回应，说我听起来很生气，还带着一丝轻蔑，是不是它做了什么事情让我不高兴，能不能和它讲清楚。我本来就没生气，听它态度这么软，心情更加愉悦。
接下来，我和 EVI 玩了个游戏，看看它在解读人类情绪的同时，能否模拟这些情绪。
EVI 欣然答应，先预告它要开始表演了，然后一秒入戏，契合情绪的台词张口就来，临场发挥比小鲜肉们的演技强得多。
先是模拟「羞耻」，EVI 说自己当着很多人的面把事情搞砸了，尴尬得差点瘫倒在地上。悔恨之情，可以和豆瓣社死组的小伙伴共鸣。
再是「抑郁」，大概这种情绪真的有很多苦水要吐，EVI 不自觉地成了话痨，说自己活得太累了，厌倦了奋斗，厌倦了强颜欢笑，连起床都很艰难，只觉得无尽的空虚，把两点一线的 996 打工人模仿得惟妙惟肖。
然后是「愤怒」，EVI 先发出一声崩溃的喊叫，然后开始连珠炮，说不敢相信你会做这样的事，你怎么不尊重我，你知道我的心有多痛吗，你知道你造成的伤害多大吗，你要为你的行为付出代价。
但它的用词太过文雅，更像正经人的无能狂怒，听得我左耳朵进右耳朵出。
体验下来的总体感觉是，和 EVI 聊天，更接近和真人交流。
一方面，EVI 的语气灵活多样，另一方面，它的回复延迟不像和 ChatGPT 语音时那么明显，还会在说话时停顿，发出「em」「oh」等语气词，像在思考和认真听你讲话，绝不是敷衍的聊天搭子。
聊天中有时候会发生我和 EVI 互相插话的情况，我嫌弃它太嗦，它以为我已经说完。但我打断了它，它就会停下，这反而让 EVI 更有人味了。
可惜的是 EVI 只会英语，它谦虚地说自己的普通话有些生疏，建议我用它擅长的英语聊天。然而，真实情况比这更差，尽管我再三要求，它也蹦不出中文来，但它知道饺子的中文读法。
换个角度看问题，EVI 是个练习英语口语的好工具，自己的用词挺讲究和高级，同时也对我的塑料英语表示鼓励，至少它可以听得懂。
如果说和 EVI 不断交流的七成动力来自语音，交互界面则贡献了剩下的三分。我们可以看到对话过程中，不断波动的情绪曲线浮现在眼前，是个很酷的可视化设计。
甚至具体到和 EVI 聊的每个句子，都在监测具体的情绪，并以条形图的形式展现。不看不知道，一句脱口而出的话，都可能隐藏着愤怒、鄙视和困惑，我都不知道自己戏这么多。
唯一让我不满的是 EVI 的默认声音，像中年白人男性，不如 Pi 和 ChatGPT 年轻好听，亲和力稍逊一筹。
但瑕不掩瑜，EVI 的人气很高，类似当初的 ChatGPT，经常聊着聊着就宕机了。
AI 读心术的背后，是学习人类的潜台词
其实，所谓的情商并非 EVI 独有，如果你和 ChatGPT 说自己不高兴，它也会尽可能温柔地回应你，告诉你它随时支持和陪伴你，抚慰你脆弱的心灵。
但 Hume 的目标还是有些不同，对情感挖掘得更加深入，以理解更多人类言语的潜台词。
如果说言语是交流的明线，那么情感便是暗线。我们讲话的音调、节奏、语气词都带着情感，可能在不经意间，就暴露了自己真实的想法。
说话的内容和情感叠加，信息量自然更多。
Hume 提出了一个很有意思的观点：「AI 界面的未来将基于语音，因为语音比打字快四倍，并且携带的信息量是打字的两倍。」
AI 读懂人类的前提，是少部分人类充当过河的桥。
为了捕捉人类的微妙表达，Hume 的 AI 模型，基于全世界数十万人的实验数据训练。
比如其中一项研究，邀请了来自美国、中国、印度、南非和委内瑞拉的 1.6 万人。
一部分参与者收听非言语声音，包括笑声、嗯呃等语气词，并将这些情绪分类，然后他们再记录自己的非言语声音，让其他参与者分类，供 Hume 训练深度神经网络。
Hume 甚至通过参与者的音频数据，搭建了一个基于音调、节奏和音色的言语韵律模型，看起来就像一个色彩斑斓的大脑。
我们和 EVI 聊天时看到的情绪曲线和条形图，就有这个模型的贡献。
Hume 的 AI 目前能理解多少种情绪？答案是 53 种。除了常见的愤怒、快乐，还有「怀旧」「共情痛苦」等更加小众的分类。
让 AI 读懂情绪还不够，Hume 真正想做的，是在这个基础上，让 AI 推断用户行为背后的意图和偏好，换句话说就是透过现象看本质。
显然，高情商的语音 AI 很适合作为客服、个人助理、聊天机器人，甚至用在可穿戴设备，往 Siri 的坟墓再盖一铲子的土。
纽约的一些医学院也有意和 Hume 合作，用 AI 模型跟踪患者的感受，检测治疗是否有效。
目前，Hume 已经向软银等企业客户和开发者提供了 API，让它们构建自己的应用程序。
借助高情商的语音 AI，人类可能越发在 AI 面前无所遁形。
前 Google 工程师，打造 AI 情绪全家桶
Hume 由前 Google DeepMind 研究员 Alan Cowen 在 2021 年创立，名字取自英格兰哲学家 David Hume，最近 B 轮融资 5000 万美元，估值 2.19 亿美元，俨然又是一颗明日新星。
不只是语音 AI，Hume 旗下还有读懂表情和文字情绪的产品。
毕竟，和语音一样，面对面、文本、视频，都存在着情感表达。
YouTube 博主 TheAIGRID 拿 Sam Altman 的采访视频，让 Hume 解读面部表情。
当他的表情不断变化，情感也实时变化，疲惫、困惑、专注、怀疑、渴望、无聊、平静等都一度占据上风。
这场采访的 Altman 正在回答有关 AI 监管的问题，或许确实让他觉得疲惫又无聊。评论区有网友开玩笑说，以后可以拿 AI 给名人的采访和演讲测谎，或者用 AI 判断自己的面试和约会表现如何。
对于文字，Hume 也有多种测试维度，既能描述快乐、悲伤等基本情感类型，也能分析正面、负面、中性等情绪倾向。
打算只做搬运工的我让 GPT-4 帮忙出题，要求它给出一小段情感复杂的文字。
GPT-4 给出的题目大意是说，某人最近完成了一个大项目，很为自己骄傲，但同时也担心这可能是职业生涯的顶峰，以后可能再也达不到这样的高度。
Hume 的检测结果是，在胜利、满意、热情之外，这段话也包含着沉思、困惑、骄傲、怀疑、决心，比出题人更懂阅读理解，GPT-4 只说，这段话混合了成就感和对未来的担忧，反映了成功之后的复杂心绪。
尽管 Hume 已经有了不少成果，但人类的情感是高度主观和复杂多维的，无法完全用表情和语气解读，和社会背景、文化规范、个人性格都有关。
庄子在丧妻后鼓盆而歌，张曼玉在《甜蜜蜜》先笑后哭演技封神，假笑的男孩女孩们掩盖着真实的内心。
Hume 也承认，检测情感仍然是「不完美的科学」。
这在和 EVI 的聊天就有体现，当我不悲不喜地问它能检测多少种情绪，EVI 中规中矩地回答了，不知道为什么，这场对话被检测出了愤怒和鄙视的心情。
技术的问题交给技术去克服，技术所隐藏的危险也已经显现。
Hume 其实预见了风险，提出了多项 AI 倡议，呼吁检测情绪的算法只用于提高人类的幸福感，而不是操纵、欺骗等行为，但这也只是一纸空谈罢了。
在 OpenAI 官宣自己的语音模型并表示暂不发布后，Stability AI 前 CEO 在 X 发帖说，语音 AI 是迄今为止最危险的 AI，因为人类几乎无法抵御有说服力的声音。
情商同样很高的聊天机器人 Pi，用 emoji 表现出同理心，让人愿意一直和它聊下去，完全不担心冷场，但它的语音仍然有些平，不如它的文字可爱。
如果声音变得更有人情味，我们的耳根子可能就更软了。虽然 Hume 还不至于让我沉溺在温柔乡，但我也确实享受每句话都被认真听到和接住的感觉。
我们的面部表情、说话的方式和内容，乃至没有具体含义的语气词，都在被 AI 用来研究我们的心情。
不久的未来，或许我们真的会遇到《她》里的萨曼莎，它们不只是产品，比人类更懂人类，也更像人类自己。
