Representation Matters in Longitudinal Affective Computing

我们身心的律动

想象一下，试图通过一张快照来理解一个人的情绪或思维敏锐度。这就像是试图仅凭电影的一个画面就去猜整部电影的剧情。在“情感计算”（affective computing）的世界里——这是一个让计算机学习理解人类情感和思想的高级术语——科学家们面临着一个巨大的难题。我们拥有两种移动速度完全不同的数据。一方面，我们有像智能手表这样的穿戴式设备，它们就像超级敏锐的间谍，每天每秒都在记录我们的心跳、睡眠和步数。另一方面，了解一个人感受的“金标准”是直接询问他们。但人们不可能每分钟都填写一份详细的情绪调查表；他们只是偶尔进行，比如每隔几周或几个月一次。

这造成了一种错位。这就像是在拥有一段高清视频来观察河流奔流不息的同时，却只有每月拍摄一张的水位照片。你该如何将两者联系起来？如果你只是取一个月内河流流量的平均值，你可能会错过那些真正讲述水流旅程的激流或平缓水潭。这篇论文正是在解决这个精确的谜题：我们如何将一年的每日传感器数据转化为一种能与那些偶尔进行的心理和大脑检查调查相匹配的形式？答案不仅仅在于处理数字，而在于找到一种合适的“语言”，将身体的日常低语翻译成心灵的定期报告。

82 名成年人的侦探故事

在这项研究中，研究人员扮演了侦探的角色，试图利用来自瑞士 82 名成年人的数据来解开一个谜团。这些参与者佩戴着智能手表，记录了他们几乎一整年里的每日心率、睡眠和活动水平。与此同时，每隔几个月（具体来说是在研究的四个不同“波次”中），这些人会填写关于自身感受（如压力、焦虑或幸福感）的调查问卷，并进行测试以观察其大脑运作的能力（如记忆力、注意力和反应速度）。

团队提出了一个简单但棘手的问题：当我们试图预测一个人的感受或大脑运作能力时，每日传感器数据的哪一部分才是真正重要的？他们测试了三种不同的方式，将每日数据汇总成每个数月期间的一份单一“成绩单”：

1. “水平”（Level）法： 这关注的是该期间事物的平均状态。这就像是在问：“这个月河流的平均流速是多少？”
2. “绝对漂移”（Absolute Drift）法： 这关注的是与前一阶段的变化。它在问：“与上个月相比，这个月的河流流速是变快了还是变慢了？变化了多少？”
3. “比例漂移”（Proportional Drift）法： 这关注的是百分比变化。它在问：“这个月的河流流速是翻了一倍，还是减半了？”

他们还测试了描述每日数据的不同方式。除了使用平均值（mean）之外，他们还观察了数据的“形状”——例如极端值的程度（峰度/kurtosis）、分布的离散程度（四分位距/interquartile range）或最低点（最小值/minimums）。

重大发现：情感在变，大脑却很稳定

研究结果揭示了我们身心运作方式中一个迷人的分歧，表明我们的感受和认知能力使用的是两种不同的语言。

对于感受（情感）： 研究发现，要预测一个人的感受（焦虑、压力或幸福感），**“绝对漂移”*法通常是最强大的预测因子。虽然“水平”法（观察平均状态）对某些特定指标有效，但“漂移”法——即追踪一个人的生理指标相对于过去几个月是如何变化*的——是大多数情感状态的明确获胜者。这就像意识到一个人之所以难过，并不是因为他的心率是每分钟 70 次（一个水平）；而是因为他的心率从平时每分钟 80 次显著下降了（一个漂移）。身体的“变化”是心灵“情绪”最强的信号。

对于脑力（认知）： 对于记忆力和注意力等认知任务，情况发生了反转。在这里，**“水平”*法通常是最好的预测因子。要猜测一个人的大脑运作得如何，你确实需要关注其平均状态。这就像是在说：“如果河流总体上保持着稳定且强劲的流速，那么船只（大脑）就能行驶顺畅。”变化并不像当前状态*那样重要。这表明，认知表现与一个人的稳定长期基准有关，而非近期的波动。

数据的形状同样重要

另一个关键发现是关于他们如何汇总每日数据。研究人员发现，简单的平均值（如平均数或中位数）往往是最没用的。相反，数据的“形状”蕴含着秘密。诸如最小值（最低心率）、峰度（数据的“尖锐”或极端程度）以及变化的范围等特征，比仅仅使用平均值携带了更多的信号。这仿佛在说，河流的故事不是由它的平均深度讲述的，而是由它的最深处和最高峰讲述的。

这对未来意味着什么

本文指出，我们不应将所有的脑健康数据同等对待。如果我们想制造出能够检测到某人感到压力或焦虑的智能手表，它们应该被编程为去寻找相对于该人自身的过去所发生的变化。如果我们想检测认知能力下降的早期迹象，手表应该去寻找平均水平的下降。

研究人员谨慎地指出，这项研究是在瑞士和法国的健康成年人中进行的，因此我们目前还不能 100% 确定它是否适用于世界各地的所有人。然而，通过将每日传感器与每月调查之间的“错位”视为一种特定的设计选择而非错误，他们为科学家们提供了一个全新的工具箱。他们表明，通过选择正确的“翻译”（变化 vs. 水平）和正确的“细节”（形状 vs. 平均值），我们可以构建出更优、更准确的系统，来理解现实世界中的大脑与心灵。