近日，来自美国明尼苏达大学的研究人员在期刊《实验心理学杂志》上发表文章称，他们在对413名获得夏季奥运会奖牌的运动员的领奖照片进行面部表情分析发现，铜牌获得者比银牌获得者更容易露出笑容，而金牌获得者比其他奖牌获得者更快乐。

8月1日，东京奥运会羽毛球女单决赛，印度选手辛度在获得季军后庆祝。新华社记者 薛玉斌 摄

据了解，分析面部表情的技术基础，是人工智能中的情感计算。将人的面部动作进行编码，并建立面部表情识别模型，机器就可据此分析出人脸的情绪状态。目前，这一技术已有商业应用。

不过，技术具有两面性，情感计算也可能带来伦理道德风险。我国已陆续出台法律文件，开始对包括面部表情分析在内的人脸识别技术做出规范。

研究人员对来自67个国家、142个体育项目的413名运动员的领奖照片进行了分析，涵盖2000年至2016年五届夏季奥运会。

除了对面部表情进行分析外，研究人员还结合三名奖牌得主完成比赛的姿势等信息进行了多次验证。结果均显示，铜牌获得者比银牌获得者更容易露出笑容，而金牌获得者比其他奖牌获得者更快乐。

这一结论并不是最新发现。实际上，之前已有研究显示，铜牌获得者比银牌获得者更开心。但多年以来，学术界一直在争论这其中的原因。此次明尼苏达大学率先使用了面部表情分析软件，优势在于几乎可以消除所有可能的偏见。

该研究支持的两种解释，都基于“反事实思维”：一是银牌获得者更倾向于向上对比，他们的想法是“我差一点就能赢得金牌”；而铜牌获得者倾向于向下对比，他们的想法是“至少我赢得了奖牌”。二是奖牌获得者的开心程度受到自己赛前期望的影响，银牌获得者比铜牌获得者更失望，是因为他们之前对成绩的期望更高。

分析面部表情的技术基础，是人工智能中的情感计算。

2019年9月，清华大学人工智能研究院、北京智源人工智能研究院、清华-工程院知识智能联合研究中心曾发布报告《人工智能之情感计算》，对情感计算的发展、技术、应用、趋势等进行梳理。

报告介绍，让计算机具有情感能力的观点并不新鲜，早在上世纪90年代，国际上就已有研究，我国的情感计算研究也自这一时期开始。情感计算研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统。人脸情感识别属于情感计算中的一个分支领域。除人脸外，还有肢体语言、语音、语言文字、生理模式识别等领域。

面部表情的情感表现区域主要包括嘴、脸颊、眼睛、眉毛和前额等。人只稍许改变一下面部的局部特征（譬如皱一下眉毛），便能反映一种心态。1970年代，美国心理学家保罗·埃克曼开发出面部动作编码系统（FACS），根据人脸解剖学的特点，描述基本情感以及对应的产生这种情感的肌肉移动的动作单元。此后，也有学者提出其他的面部表情识别模型，比如如果识别到眉毛稍向下弯、鱼尾纹从外眼角向外扩张、唇角向后拉并抬高等特征，该表情就可以被定义为“高兴”。

随着人脸的计算机处理技术（包括人脸检测和人脸识别）不断完善，以及摄像机的普及，利用计算机进行面部表情分析的技术也更加成熟，目前已有商业应用。有媒体曾报道，一些零售商家安装人脸识别摄像头，可以分析顾客在浏览商品时的情绪反应，以此来进行“精准营销”。此外，面部表情分析也可用于监测疲劳驾驶、学生注意力情况、员工工作状态等。

不过，上述报告同时也指出，情感计算技术具有两面性。

一些研究人员认为，情感计算研究将为人类提供更加人性化、情感化的服务和产品，使人机交互更加自然和谐。也有人认为，这将会带来一些伦理道德问题。比如，推断并记录人的表情即情绪，可能有侵犯人格权益的风险；过度依赖算法，人与机器在社会关系中的角色如何维持与平衡，也将成为棘手的问题。

此外，算法对面部表情的分析也未必准确。由于面部表情易于控制，机器识别出的不一定是真正的情感；环境、文化等因素也会影响算法模型对情感的理解，比如有媒体曾报道，国外社交平台推特的自动剪裁算法被发现更加偏爱白人和女性身体。

我国已开始对包括面部表情分析在内的人脸分析技术做出规范。今年4月，国家标准《信息安全技术 人脸识别数据安全要求》开始公开征求意见，其中要求数据控制者在开展人脸验证或人脸辨识时，不应将人脸识别数据用于除身份识别之外的其他目的，包括但不限于评估或预测数据主体工作表现、经济状况、健康状况、偏好、兴趣等。

8月1日起施行的最高人民法院《关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定》中明确，信息处理者在宾馆、商场、银行、车站、机场、体育场馆、娱乐场所等经营场所、公共场所违反法律、行政法规的规定使用人脸识别技术进行人脸验证、辨识或者分析，人民法院应当认定属于侵害自然人人格权益的行为。这意味着，分析人脸信息，已不再处于无人监管状态，未来将朝着进一步规范化的方向发展。