面对不确定的未来该如何教育（被好未来看重的）

面对不确定的未来该如何教育（被好未来看重的）在应用上，思纬、益普索等全球知名的行业调研企业已开始逐步应用这一技术，在被访者参与调查、测试的同时采集情绪数据，为调研结果添加更多参考维度。“情绪识别”这项技术本身，也走到了从实验室到工业界的窗口期。杨松帆告诉芥末堆，自 2012 年深度神经网络在图像识别领域取得突破性进展以来，这一底层技术开始在多个领域开花结果。如在表情识别领域，其就帮助解决了暗光、复杂光线下识别的问题，让其具备了实用的价值。“情绪识别并不是个新出现的技术，从 Paul Ekman 研究表情与情绪的关系算起，已经有几十年的历史了。”FaceThink 创始人杨松帆说，“而现在，机器对人类表情的识别已经到了足以商用的阶段。”在决定创业之前，杨松帆已经是国内情绪识别领域最权威的学者之一了。在美国加州大学河滨分校、尔湾分校攻读博士和博士后学位时，他就以计算机视觉、情感计算等为研究方向。在 2011 年的 IEEE 大赛上，杨松

图片来源：美剧《Lie to me》

芥末堆 怡彭 报道

三月底，好未来官方微信公众号用一篇推送文章，透露了其正在教育场景中测试“人脸表情识别”技术。一个月后，专注于情绪识别引擎开发的 Facethink 宣布，其获得了由好未来提供的千万级 Pre-A 轮融资。

以“用科技推动教育进步”为使命的好未来，再次向行业中投下了一枚技术“炸弹”。这一被巨头选中的前沿科技及其背后的团队，将为教育带来怎样的改变？

一个足以商用的“黑科技”

“情绪识别并不是个新出现的技术，从 Paul Ekman 研究表情与情绪的关系算起，已经有几十年的历史了。”FaceThink 创始人杨松帆说，“而现在，机器对人类表情的识别已经到了足以商用的阶段。”

在决定创业之前，杨松帆已经是国内情绪识别领域最权威的学者之一了。在美国加州大学河滨分校、尔湾分校攻读博士和博士后学位时，他就以计算机视觉、情感计算等为研究方向。在 2011 年的 IEEE 大赛上，杨松帆曾代表学校在情感计算识别领域战胜了包括麻省理工，卡耐基梅隆，剑桥等在内的 13 支顶级科研团队。

完成学业后，杨松帆加入了知名的游戏开发商暴雪娱乐，负责数据挖掘、深度学习模型方面的工作。2014 年归国后，他在四川大学担任了副教授的教职，仍然专攻情绪识别方向。谈起从科研到创业的“转身”，杨松帆表示：“人工智能技术的应用，需要与场景的实际结合，这需要大量来自工业界的数据。所以，做出一个被实际应用的产品可能是一个更好的选择。”

“情绪识别”这项技术本身，也走到了从实验室到工业界的窗口期。杨松帆告诉芥末堆，自 2012 年深度神经网络在图像识别领域取得突破性进展以来，这一底层技术开始在多个领域开花结果。如在表情识别领域，其就帮助解决了暗光、复杂光线下识别的问题，让其具备了实用的价值。

在应用上，思纬、益普索等全球知名的行业调研企业已开始逐步应用这一技术，在被访者参与调查、测试的同时采集情绪数据，为调研结果添加更多参考维度。

技术进步和个别行业的实际应用，让杨松帆意识到将“情绪识别”商用化的机会已经到来。2016 年，他拉来好友兼同学的清华大学计算机博士陈飞，开始组建团队，一同创立了 FaceThink。

过程信息化，如何让教育“升维”？

在国外，情绪识别这项技术已经在视频调研、泛娱乐、电影、游乐园等不同场景下被应用。2015 年，日本软银所推出的情感机器人 papper，更是以情绪识别、情绪反馈为核心卖点。但杨松帆却认为，教育可能是最适合情绪识别“爆发”的行业。

首先，对于“情绪识别”本身，教育场景的难度相对其他行业更低。以线上教学的场景为例，摄像头所捕捉的画面通常较为稳定，且以人脸为主体，这为机器对人面部表情的识别创造了良好的环境。同时，相对标准化的教学流程，也让听课、笔记、互动等学生行为可以被提前预估，也大大提升了识别的准确度。

更关键的，则是教育场景下的实际需求。情绪识别能为行业解决的，实际上是教育过程的“数据化”问题。有经验的教师，通常能够看出学生实际的上课状态，却很难针对单个学生进行调整，课后也无法形成有效的数据。即使是线上直播授课，学生的学习状态数据也往往是缺失的。

“从前我们只能从考试分数来评价学生，”杨松帆说，“而过程性数据，实际上是为教育添加了一个评价的维度。”

当坐标从一维变为二维，评价标准也就不再局限于成绩，而是综合上课状态，分析学生是“没听”还是“没听懂”，从而对学生进行针对性辅导。如果把这样的分析细化到每一个知识点，还可与学生的课下练习数据对接，实现颗粒度更细的个性化教育。

而对于学校、教育机构和老师自身来说，学生的情绪数据也有着对教研的指导意义。大面积的负面情绪反馈，可能意味着教学安排的不合理。依照情绪数据进行改进，将为学生带来更好的课堂体验。

面向行业提供解决方案，产品一年内面世

早在此次融资公布之前，FaceThink 团队就开始与好未来进行深度合作，共同打磨产品。目前，双方正在线上教学和双师课堂两个场景上不断地进行测试和优化。

据透露，除高兴、生气、惊讶、害怕、厌恶等常见的情绪指标外，FaceThink 针对教育场景下最重要的“专注度”进行了建模，力图让机器识别的结果逼近有丰富经验的教师。根据测试，FaceThink 在两个场景下的识别率分别为 94% 和 91%，随着数据量的增加，识别率还有继续进步的空间。

另一个专为教育场景所开发的模块是“视线识别”，机器能够根据摄像头给出的录屏，识别学生将目光投向何处。

杨松帆表示，FaceThink 最终会以 To B 的方式，将情绪识别的能力输出给行业。根据不同的合作方，可以有不同的合作方式，标准化 SDK 可以让企业将情绪识别功能添加入自己的产品中，而针对特殊场景，FaceThink 也能够提供定制化产品。

有关企业及教师、学生用户对新技术、新产品的接受度，杨松帆并不担心。他强调，情绪识别的意义在于改善课堂教学、提供过程性数据，而非对师生双方的监控，最终会让双方受益。而对于机构运营者来说，情绪识别是提升教学质量的有效工具，能够帮助他们不再仅仅关注“续班率”等运营数据，从而引导行业进一步发展。

据称，这款专供教育行业的情绪识别产品将最快于三个季度后面世。在图像、语音识别之后，人工智能技术对教研环节的“渗透”也即将开始。