(領研網導讀阿金)不同文化特定社交情境中人類面部表情會相應變化，理解其變化程度是情緒相關理論的核心。本研究使用機器學習方法分析現實世界的行為動態變化，調查跨文化背景下，社交情景是否與特定面部表情相關。研究人員檢查了來自144個國家600萬段視頻中上千個情境下的16種面部表情，發現每種面部表情與系列情景存在獨特的關聯性，揭示了現代世界中保留下來的人類面部表情細微模式。

　　盡管人與人之間常有極大的差異，但我們存在的許多要素幾乎是每個人都共有的。我們都在冷天發抖，在熱天出汗，在睡覺時做夢。一項新的研究在這個清單上又增加了我們存在的另一個重要部分:我們的面部表情。

　　來自加州大學伯克利分校和谷歌的研究人員使用機器學習和 YouTube 視頻，對常見的面部表情和引發表情的情境進行了比較。結果發現，無論是在巴西的生日派對上，還是在肯尼亞的葬禮上，還是在中國公園裡的廣場舞中，人類在類似的社會環境中都會使用相同的面部表情，比如微笑、皺眉、苦臉。

　　也就是說，人類豐富的面部表情可以超越地域和文化。

　　這項研究發表在 12 月 16 日的《自然》雜志上，證實了人類情感表達跨越地域和文化邊界的普遍性。

　　“這項研究表明，世界不同角落的人們在面對生活中最有意義的情境時，表達情感的方式是多麽地相似。”該研究論文的作者之一、加州大學伯克利分校的心理學教授 Dacher Keltner 說。

　　人類情感表達究竟是否普遍?

　　情緒產生於我們對所遇到的挑戰和機遇的反應，並與主觀體驗、生理和表達方式有關，這些方式被認為能夠對特定的社會環境做出適應性反應。

　　典型的人類面部有 43 塊不同的肌肉，這些肌肉可以被激活在眼睛、鼻子、嘴巴、下巴、下巴和眉毛周圍，從而做出數千種不同的表情。

　　從生命的第一刻起，情感就被認為可以塑造人際關系，引導判斷、決策和記憶，並有助於我們的健康和幸福。這些廣泛理論的核心思想是，情緒產生於特定的環境中，並在不同文化行為模式中表現出來。

　　關於人類情感表達是普遍的還是文化定義的爭論有很長的歷史。甚至查爾斯?達爾文(Charles Darwin)也在這個問題上發表了看法，支持辯論雙方的研究也不斷發表。

　　最近的一項研究指出，瑪雅人藝術品的面部表情是普遍表情的證據。但幾年前的一項大型研究讓測試對象嘗試猜測電腦處理過的面部表情，結果發現，解讀會隨著測試對象的文化背景而改變。

　　因為各種研究方法對參與者的語言、規范和價值觀都很局限，所以不一致的研究結果支持了關於情緒普遍性的不同觀點。

　　為了進一步探究這個問題，加州大學伯克利分校和谷歌的研究人員使用被稱為“深度神經網絡”的機器學習技術，分析了上傳到 YouTube 上的約 600 萬個視頻片段中的面部表情，這些視頻來自北美、中美、南美、非洲、歐洲、中東和亞洲的 144 個國家。

　　研究人員還創建了一個在線互動地圖，展示了該算法如何跟蹤與 16 種情緒相關的面部表情變化。

　　70%的表情跨文化共享

　　“這是第一個在日常生活中如何使用面部表情的全球分析，

它向我們展示了人類的普遍情感表達比許多科學家先前認為的更加豐富和複雜。”研究報告的主要作者、在谷歌幫助開發了深度神經網絡算法並領導了這項研究 Cowen 說。　　首先，研究人員使用機器學習算法記錄了全球 600 萬個事件和互動視頻片段中的面部表情，這些視頻片段包括看煙花、高興地跳舞或安慰哭泣的孩子。

　　他們使用該算法追蹤了人們通常與娛樂、憤怒、敬畏、專注、困惑、蔑視、滿足、欲望、失望、懷疑、得意、興趣、痛苦、悲傷、驚訝和勝利相關的 16 種面部表情。

　　接下來，他們將面部表情與不同世界地區的背景和場景聯系起來， 發現跨越地理和文化邊界的人們在不同社會背景下使用面部表情的方式具有顯著的相似性。

　　研究人員發現，無論深處世界各地，人們都是一樣的，所有 16 種面部表情都出現在類似的情境中。每個人都傾向於以類似的方式歡呼、哭泣、集中注意力和慶祝。沒有一群人會因受驚而微笑、聳肩或因高興而皺眉。

　　研究結果表明，我們用來表達情緒反應的 70%的表情是跨文化共享的。

　　Cowen 說:“我們發現，在世界各地類似的社會情境中，面部行為的豐富細微差別——包括與敬畏、痛苦、勝利和其他 13 種情感相關的微妙表情——也會用到。”

　　例如，世界各地的人們在觀看煙花表演時往往懷著敬畏的目光，在婚禮上表現出滿足，在表演武術時表現出全神貫注，在抗議時表現出懷疑，在舉重時表現出痛苦，在搖滾音樂會和競技體育賽事中表現出勝利。

　　“這支持了達爾文的理論，即在臉上表達情感是人類的普遍現象，”Keltner 說。“通過肢體表達我們的情感可能會定義我們作為一個物種是誰，提高我們的溝通和合作技能，確保我們的生存。”

　　不過，雖然這項研究的結果雖然堅定地站在普遍主義者一邊，但很難成為這個話題的最後定論。

　　當然，這項研究結果更可能有助於幫助那些看不懂面部表情的人，比如自閉症患者，識別他人的個人情緒狀態。毫無疑問，這個龐大的面部表情數據庫將在這些研究中發揮作用。