社会认知与行为科学第二十四期学术沙龙在交大举行[图]

5月19日，社会认知与行为科学第二十四期学术沙龙在交大闵行校区密西根楼401会议室举行。交大外国语学院“跨语言处理与认知研究中心”的丁红卫教授与交大“智能交互与认知工程上海高校重点实验室”主任吕宝粮教授先后作学术报告。沙龙由蒋宏教授主持。 

丁红卫教授首先作了题为“面向智能化计算机辅助学习系统的二语语音韵律习得研究”的报告。她首先提出了语音学习在语言学习中的重要性，此时计算机辅助教学对于语言习得尤为重要，尤其是在学习第二语言的时候，成人相对于刚刚开始学语言的少年儿童，语音细微差异的认知能力普遍下降，从而提出需要借助于计算机辅助语音学习系统，通过视觉辅助、语音合成、语音识别等手段，帮助成人分辨语音差异。丁红卫指出，当下中国的语言辅助系统多局限于口语评测，而未能较好地为语音学习提供更为积极深入的辅助方案。她结合自己所做的德语语音辅助学习系统的经验，指出中国相应系统发展的瓶颈在于未能实现语言学者、外语学者、计算机科学与认知科学的多学科综合，尤其是缺少语言学与外语学者的参与。丁红卫还从语言专业角度详细分析了中国学生在外语学习中的语音语调问题，包括音段层面和超音段层面的问题，运用图标和音频为听众做出了生动地的现场演示。最后，她分析了计算机辅助英语语音学习系统所面临的挑战，并对相关方法在人工智能领域的运用作出展望。 

吕宝粮教授作了题为“用深度和迁移学习构建多模态情绪模型”的报告。他首先围绕汽车驾驶员、高铁驾驶员与飞机驾驶员由于疲劳、不良情绪等驾驶的风险预测预防控制技术问题，谈到疲劳监测和情绪识别技术应用的现实重要性，并指出人工智能研究中情绪情感智能的模糊与复杂性相对于逻辑智能的意义更为重要性、技术突破的难度更大。吕宝粮回顾了现有的借助于面部表情识别等较为成熟的“喜怒哀乐”初始信号的采集及其在人类表情捕捉方面的应用，并明确指出传统监测手段在面部表情后面的复杂情绪的监测精准度与情绪波动预测的及时性方面，则无法满足实际需求。他提出基于脑电、眼动和其它生理信号的采集、监测技术对于进一步开展深层次的情绪研究具有积极意义。他根据人类情绪的复杂性，提出在计算机、智能化领域研究多模态识别技术的意义和价值，进一步分析了基于脑电的情绪识别所面临的诸如信息的不稳态、个体化、个性化等挑战，介绍了其课题组通过反复实验对比找出相对稳定的情绪识别的电波频道，进而基于深度学习网络的方法，同时运用眼动仪和脑电测量等互补设备、运用模糊积分等数学方法，最大限度地实现对三种乃至五种情绪进行高精准的检测，得到比较理想和稳定的实验结果。最后，吕宝粮进一步介绍其团队开展的另一个研究即“迁移学习的方法构建多模态情感识别模型”，用以更精准地改进基于脑电信号的情绪识别，他还特别还介绍了他们团队多个项目的阶段性研究成果近期已被该领域重要的国际会议和学术期刊所录用，尤其是《麻省理工科技评论》在2016年1月23日以“智能机器与人类沟通时如何识别情绪变化？中国团队给出答案”为题做了封面报道，并详细介绍了他们的研究内容。  

本次学术沙龙活动还专门邀请上海心仪科技的技术人员专门介绍用于神经科学研究，包括抑郁症、精神分裂症、认知心理学、视觉信息加工、学习与记忆、运动医学、语言认知等方面的神经导航rTMS、rTMS&EEG/EMG同步整合记录系统解决方案，并和与会者进行了交流。