執行編輯｜林婷嫻 美術編輯｜張語辰
「我沒事」到底是什麼情緒？
情緒，是許多疾病和社會問題的表徵。例如有躁鬱傾向的人們，說話用詞有很大的情緒起伏；又如網路霸凌，會反映於社群留言的用字情緒。若能及早偵測到這些情緒，就有機會及時避免憾事發生，而這個任務可透過人工智慧（Artificial Intelligence, AI）協助。
但是，情緒不是那麼容易透過詞語理解。
例如，朋友在 Facebook 發文「我沒事」，究竟代表心平氣和的「我沒事」，還是絕望至極的「我沒事」；還有當鄉民留言「看吧！」，想表達的是讚賞意味的「看吧！」，或是嘲諷語氣的「看吧！」？
如同《來自星星的傻瓜》電影主角（一名外星人）所言，人類的語言非常難理解，在不同情境脈絡有不同意思，甚至會隱藏真實情感說謊。這些都增加人工智慧從語意分析情緒的難度。
清華大學資工系的陳宜欣副教授，是三個小孩的媽媽。她發現從小孩學習如何說話表達情緒的過程，可以梳理出一條路徑訓練機器學習。雖然小孩說話常常毫無邏輯，但許多小細節累積起來，就能讓大人判斷小孩的情緒。
例如當小孩對媽媽說「妳總是叫我收玩具」，其中用了「總是」這個詞，可以判斷小孩不太高興。或是小孩說「我永遠不能電視看了」，乍聽滿頭問號，但用了「永遠不能」這組詞，可以判斷其中的負面情緒。
不懂語法、沒背過辭典，還是可以表達情緒，反之也能分析情緒。
網路爬文 借用群眾智慧
陳宜欣團隊運用網路爬蟲技術，將社群網站公開發文（PTT、Facebook、Twitter 等），跟情緒有關的內容都蒐集建立至「情緒資料庫」。或許有些人會認為：「這不就是一堆人在發廢文？」，但以群眾外包（crowdsourcing）的角度，這些社群發言集結起來，就是群眾智慧，可做為訓練機器學習的資料。
團隊將社群發文者原先在發文加上的情緒 Hashtag （例如 #anger）作為參考答案 ，但一開始先把這些「答案」遮起來，訓練機器透過演算法學習發文中「出現哪些字」代表「什麼樣的情緒」，最後再與原本的答案（例如 #anger）對照，一次次地優化機器判斷情緒的準確率。
「用大數據做情緒分析有個重點，就是刪資料不要心痛！」陳宜欣笑中有股失敗無數次的堅毅，「太多 Hashtag 的發文、重複發文、太短沒有情緒特徵的發文……等等，都要從訓練資料中拿掉」。
團隊也參考新聞標題，找出哪些字是較中性的「非情緒資料」，並從機器學習的訓練資料中排除、優化準確率。值得注意的是，選舉時期的新聞標題不能參考，因為用字遣詞太過激昂。
找出情緒用詞的邏輯
經過機器學習分析，陳宜欣團隊發現一些跨語系的情緒邏輯。例如 “finally *** my” 這組字詞多表達快樂，而中文 「我終於***」也多用來傳達正面的消息。又如 “my *** always” 這組字詞多含有生氣意味，就像小朋友說「爸爸／媽媽總是***」藉以表達不快。
中文贅字的處理，也是情緒分析很有趣的一環。「學生建議這很重要，一定要列入分析！」陳宜欣說。例如：「喔，我來做」其實是不太想做，「喔喔，我來做」較為中性，「喔喔喔，我來做」帶有積極感。凡是超過三個以上的贅字，可視同為三個贅字。這個規則用在「哈」、「哈哈」、「哈哈哈」、「哈哈哈哈」也有同工之妙。
然而陳宜欣團隊發現，社群平台很多人發文以炫耀為主、或是報喜不報憂，導致社群平台上「開心」的發文特別多。
另外，網路霸凌其實有很多「暗語」。
例如，團隊看過一則發文是「那些外國動物不應該被出口」，其實這句暗地裡帶有種族歧視。其中一種解決方案是運用 Hatebase 仇恨發言資料庫，並藉由機器學習比對非仇恨的文字資料，找出這類「暗語」的關聯性（通常哪幾個字會一起被使用）、以及相似性（字詞會在句子中哪些類似地方出現）。
許多人會在憾事發生後，回過頭從當事者社群發文的字裡行間尋找跡象，但未來能否更早偵測？當局者迷，旁觀者清。人工智慧有潛力成為一名不帶情緒的旁觀者，分析社群大數據找出被情緒糾葛的人們，甚至是預防犯罪、偵測自殺傾向。
延伸閱讀：
本著作由研之有物製作，原文為《AI 可以幫助躁鬱、被霸凌的人嗎？》以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。
本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位
