如何让机器辨别出人的喜怒哀乐？传统的方法是将人的表情分解成不同的部分，基于不同部位的表现计算出一个可能的表情，竹间智能则是利用深度学习的方法进行识别。

对人脸识别进行情绪情感的辨识和决策依赖于9种情绪和22种属性，直播，9种情绪是开心（Happy）、生气（Angry）、哀伤(Sad)、惊讶(Surprise)、害怕(Fear)、反感(Disgust)、轻视(Cotempt)、困惑(Confused)、中性(Neutral)；22种属性包括性别、是否佩戴戴眼镜、头发长度、胡子样式、肤色、发色、年龄以及皮肤质量等。基于对人脸情绪的识别，结合对人脸属性的辨识，算法给出情绪识别的判断。语音的情绪识别则是基于音频、声波，结合深度学习的方法进行。

同时对语音、图像及文字的情绪情感识别进行攻坚，对于一家人数在150人左右的创业公司而言，并不是一个容易达成的目标。但简仁贤认为这是必须要做的事情。

选择这条路径，是基于简仁贤对人机交互未来发展趋势的判断。

“为什么竹间要做的是人脸情绪情感，再加上语义的部分合起来做。我个人坚信，在未来的2到3年，在人机交互里面会成功的公司，一定是具有三个人机交互的能力的，就是视觉，语音的情绪，还有语言。三个要同时具备。如果只是一个集成商，要把这三个技术集成是做不到的。即使做到，也是很碎片的。”

设想是好的，但现实瞬息万变。

两年前简仁贤创业时，人工智能还没有今天这么热，现在，人机交互是当前人工智能热潮中的热门方向，巨头如BAT均已有所布局，赛道上的创业公司也为数不少。

竹间智能面临的已经是一个竞争激烈的市场。

蚂蚁与大象

竹间智能北京办公室位于五道口的一个写字楼内，距离简仁贤上份工作的地点不到三公里。而人工智能也是一个巨头与创业公司近距离搏杀的领域，在技术、人才等各方面，创业公司的资源均不占优，巨头们均重金投入人工智能的背景下，如何以小博大，是摆在竹间智能面前的问题。

从巨头出来的简仁贤对此倒有些不以为意，因为在他看来，大公司AI技术规模化会非常非常慢。

“我自己是在大公司出来的，我在大公司干了二十年，就是他们规模化慢。小公司是很容易规模化，因为我们很专精，我们马上就规模化，标准化。大公司要做标准化，小公司如果说花一年，大公司要花三到五年才有办法标准化。”

人工智能是一个需要长期投入研究，并极依赖数据量的行业，在资金储备上，竹间智能已经完成B轮融资，而在数据量上，简仁贤认为，“大公司有数据是个迷思”，因为“在解决AI问题的时候，（关键在）有没有适当的、合适的、高质量的、能学习的数据。这个数据如果不是能学习的，你再多也没用。”

为了做图像情感情绪识别，竹间智能通过购买、收集等方式积累了百万级的图像数据量，并通过外包团队对其进行了精细的标记。而在应用层，通过与垂直行业客户合作，其可以获得特定领域的精准数据。因此，简仁贤认为，身为创业公司的竹间智能在数据上并没有劣势。

竹间智能目前着力的落地场景是金融、电商及IoT，《Her》激励着研究人机交互的工程师和研究员，激励着简仁贤。不过现在，竹间智能真正同时落地三种识别技术的场景不多，技术的进步空间很大，尤其在语义理解上，竹间智能接下来会投入更多人力。

面对可以预见的激烈竞争，简仁贤颇有自信，在他看来，人工智能的热潮里，创业公司的机会很大。

因为“大公司不可能为其它的公司需要AI场景的做定制化服务，在AI的领域里，只有靠小公司才有办法在特定领域里做出来一些场景。”

来源／腾讯科技

编辑／钱馨瑶

·END·

版权声明：