情感计算(affective computing)是“与情绪或其他情感现象有关的、产生于或有意影响情绪或其他情感现象的计算”。①其由美国麻省理工学院媒体实验室(MIT Media Lab)罗莎琳德·皮卡德(Rosalind Picard)于1997年提出，旨在创建一种能感知、识别和理解人的情感，并能针对人的情感作出智慧、灵敏、自然反应的计算系统。②作为前沿研究热度指数排名前十的技术，情感计算不仅广泛渗透于教育培训、生命健康、商业服务、工业制造、科技传媒等多个行业，而且在智能监控、犯罪风险评估、侦查讯问等刑事执法领域也具有广阔的应用前景。尤其是在侦查讯问领域，诸如“灵视多模态情绪分析研判系统”③“太古无感知情绪监测分析”④等一系列与情感计算相关的技术产品已投入试用。然而，该技术在讯问实践中的应用成效尚未凸显且面临着人机脱节的现实阻滞。学界虽已关注到该技术，但研究内容偏重于宏观层面的法律规制与风险控制，未能进入细分场域体察该技术在特定场景中的具体效用与风险，难以切实解决技术应用的实践问题。基于此，本文尝试结合讯问自身特点，阐释情感计算在讯问中应用的技术路径与独特价值，解析其应用的前提、基础与掣肘问题，反思其技术风险在讯问场域中的现实性与特殊性并提出相应的治理策略。 一、情感计算在讯问中应用的原理与逻辑 情感是一种包括认知、生理、体验、行为等多种要素的心理状态，是有机体应对和控制生存环境的进化产物。人际交流的过程必然伴随着情感的传递与共鸣，人们通过面部表情、肢体动作、语音、语调等行为动作表达情感，通过视觉、听觉等感官感知和理解情感，情感也因此被誉为人类社会生活的文法(Grammar of Social Living)。⑤讯问过程中讯问对象的情感为什么能被计算，如何进行计算?情感计算结果的输出类型及其理论依据是什么?这些问题都是对情感计算技术原理与运行逻辑的追问。 (一)讯问对象的情感为何能计算 情感计算的研究范式是尽可能多地采集信号，形成有效数据，进而借助情感算法模型，准确识别出情感类别并度量其强度。同其他人工智能技术相比，情感计算具有更为鲜明的生物学与心理学特征，其对讯问对象的情感进行计算建立在人类个体的情感状态能够被激发、识别、量化等生物学与心理学基础之上。 首先，个体情感状态能够基于情感理论模型被量化，转换为客观可表征的数据并进行规范化统一描述。当前描述个体情感状态的模型可分为离散型和维度型两种。⑥离散情感模型将情感分为相互独立的范畴，不同情感之间没有关联性。如从情绪角度将情感分为开心、悲伤、惊讶等；从态度角度将情感分为支持和反对；从注意力角度将情感分为关注和走神等。与离散模型不同，维度模型认为情感具有维度和两极性，即具有性质和强度两种特性，并通过多维向量表示不同的情感，利用向量值表示情感在情感空间中的位置。不同情感之间能连续过渡，相互转化，如难过、伤感的情绪会随着强度的加深逐渐演变成悲伤和悲痛。利用情感空间中的距离，既可区分不同情感之间的性质差异，又能度量相同情感的程度强弱。相较而言，离散与维度两种情感模型各有优劣，离散情感模型侧重于情感静态分类，其可解释性更强，但量化描述能力有限；维度情感模型则侧重于情感动态转化，可量化情感反应过程，但缺乏直观的可解释性。因此，情感计算具体采用哪种模型，取决于实际应用任务和场景需求。 其次，个体情感状态能够通过其外部行为、内部生理变化进行识别。早在19世纪后半叶，英国生物学家查尔斯·达尔文(Charles Darwin)就在其著作《人类和动物的表情》(The Expression of Emotion in Man and Animals)⑦中提出了人类所拥有的一般表情，如痛苦、哭泣、快乐、憎恨、愤怒等，并在此基础上阐述了基于这些表情的情感、思维过程以及相应的生理表现，认为人类和动物的内在情感状态与外在生理表现之间存在相对稳定的联系。换言之，虽然情感是一种认知层面上的主观体验，但通常伴随着行为层面上的外部表现和生理层面上的生理唤醒，主观体验即个体对不同情感状态的自我感受；外部表现即在情感状态发生时身体各部分的动作量化形式，包括面部表情、肢体动作和语音语调等方面的变化；生理唤醒即情感产生的生理反应，是一种生理的激活水平，具有不同的反应模式。⑧可见，情感是多种感觉、思想和行为综合产生的心理和生理状态。 再次，外部刺激能够引起个体情感状态的变化，进而产生生理反应。根据美国心理学家斯坦利·沙赫特(Stanley Schachter)和杰尔姆·辛格(Jerome Singer)共同提出的激活归因情绪理论(Attribution Theory of Emotion)，情感既来自生理反应的认知评价，也来自对导致这些反应的情境的认知评价，⑨即情感产生于内部动机与外部刺激。该理论被认为是实现人工智能情感功能的理论基础，为情感智能的实现提供了策略和思路。 在讯问相对封闭的环境下，讯问对象即犯罪嫌疑人受到刺激后的心理活动具有较高的认知负荷(cognitive load)、较强的情绪唤醒(emotional arousal)和刻意的自我控制(attempted control)三大特点，因此对讯问对象的情感进行计算更易实现。⑩当侦查人员就案件中关键信息对讯问对象进行刺激时，讯问对象往往会对案件真相进行隐瞒，或者扭曲事实、编造谎言。相较于说真话，讯问对象需要违背自身真实想法，不断协调真相与谎言之间的冲突，在努力克制自己说出真相的同时还要尽可能地保证谎言的流畅性，并时刻谨慎地观察侦查人员的反应来判断自己说谎是否成功，(11)这一过程导致讯问对象的认知负荷升高。由于说谎成功与否与自身利益直接相关，讯问对象在经历上述过程时往往会伴随着较高水平的压力与较强的情绪唤醒，情绪唤醒会阻碍讯问对象对非言语行为的控制，从而产生个体无法控制的生理信号变化和行为动作。情感计算通过采集这些生理、行为数据从而实现对讯问对象情感状态的识别和度量。
