腦科學和人工智能算法的進步如何讓我們更瞭解消費者的情感和心理？
看著上面的這張圖，你的感覺是喜歡、一般、還是不喜歡？
如果是喜歡，那能說出是為什麼嗎？
很多時候，我們雖然喜歡看到的東西，但卻不能說出具體的喜歡原因。其實，這種喜歡是因為視覺刺激讓大腦瞬間做出了情感判斷。
買東西時，也是如此。比如，看著貨架上各式各樣的日常生活用品，哪一個會被加入購物車？精通營銷的行業內部人員會告訴你，消費者在這種貨架前，通常只會花7秒來做出決策。
這跟消費者的潛意識和情感偏好有很大關係。
今天講一個關於調味瓶設計的實驗。
有一項將腦電技術與交互式演化設計方法應用於調味瓶設計的實驗，發現運用腦科學和人工智能算法可以更快速、準確地獲取消費者的潛意識和情感偏好。
一、為什麼腦科學能知道你的情感偏好？
1. 在乾貨開始前，我們先了解點腦科學知識。
大腦皮層主要分為額葉、頂葉、顳葉和枕葉這四個腦區，每個腦區都有大量神經元，負責不同的認知加工。
額葉主要與思維、情感、計劃和需求有關。其中左額葉區主要負責積極情緒，右額葉區主要負責消極情緒。
大腦兩半球功能各有特點，不同功能向一側半球集中，就是半球優勢。1981年，美國心理生物學家羅傑·斯佩裡提出了左右腦分工理論，並因此獲得了諾貝爾獎。
羅傑·斯佩裡
當時，他有一條結論（“半球大腦優勢假說”）是：一般來說，左腦對數字文字的識別、認知、記憶要比右腦好一些，而右腦在圖像圖形處理上，則要優於左腦一些。
著名畫家達·芬奇、米開朗基羅、畢加索都是用左手作畫，這是否在一定程度上表明右腦功能優勢值得思考。
2. 再來了解下腦電技術(electroencephalogram, EEG)。
腦電技術是一種使用腦電圖掃描儀記錄大腦活動的方法。在醫學領域，目前普遍認為阿爾茲海默症、癲癇等疾病都與腦電異常有關，腦電的檢測成為一門神秘而又重要的學科。
腦電技術(electroencephalogram, EEG)
在腦電圖中，積極情緒狀態下，左額葉α波能量值降低，左半球活躍度增加；消極情緒狀態下，右額葉α波功率降低,左半球活躍度增加。總之就是，腦電能量激活強度與大腦活躍度成反比。
依據額葉alpha不對稱（FAA）理論，左額葉的活動也經常被看作愉悅或喜愛的指標。左額葉α波能量值下降表明被試（指心理學實驗或心理學測驗中接受實驗或測驗的對象，可產生或顯示被觀察的心理現象或行為特質）處於一種更愉快的狀態，
所以可以利用額葉α波能量值分析產品和用戶情感之間的關係。這比傳統的運用個人經驗和主觀猜測來獲得用戶情感需求要更客觀。在這個實驗中研究者便通過這種方法來分析用戶對“蜀文化”中不同文化元素的偏好。
二、實驗方法和過程
由於原實驗涉及許多晦澀的專業用語和算法公式，這裡對實驗方法和過程做了簡單呈現，以方便大家理解。
1. 用腦電技術測消費者們最喜歡哪個“蜀文化”元素
實驗中他們先從蜀文化中選出6個代表性元素作為圖片樣本，並將每張圖片編號。
蜀文化元素樣本：1金沙，2三星堆，3三國人物，4熊貓，5川劇臉譜，6民族服裝
為了獲得可視化模擬材料，他們藉助PAD情感量表從愉悅度（Pleasure, P）、激活度（Arousal, A）、優勢度（Dominance, D）三個維度測量用戶對不同文化元素的情感。
PAD情緒量表由代表不同情感狀態的12組形容詞組成（見下圖）。
其中每4組形容詞構成一個維度，每組詞在其所屬維度上表達相反的情感，在其他兩個維度上的情感值基本一樣。在量化這些情感時，採用9點語義差異量表，例如V1：憤怒的-感興趣的，評分在-4到4之間，被試根據情感強烈程度來打分，得分越靠左表示越憤怒，得分越靠右表示越感興趣。
通過PAD情感測試和相關計算，得出每個圖片樣本的愉悅度P、激活度A、優勢度D的分值，PAD分值越高，愉悅度、激活度、優勢度越高。
PAD情感量表數據
再根據愉悅度值（P）和情感狀態類別（Category of emotional state）將6張圖片樣本分成喜歡、一般和不喜歡3組。
圖片樣本分組
3組不同情感狀態的圖片樣本作為後續腦電實驗的視覺刺激材料以誘導被試產生不同的情感體驗。
如前面所提到的，額葉主要與情感等有關，所以這次腦電實驗以額葉為研究對象，記錄下不同位置的腦電數據。
通過數據分析發現，在喜歡的圖片樣本的刺激下，左額極α波的平均能量值降低，說明這組圖片誘導被試產生了愉快的情緒。相反，在不喜歡的圖片樣本的刺激下，右額極α波的平均能量值降低，這表明這組圖片導致被試產生了不愉快的情緒。
結果表明，該方法同樣適用於單張圖片樣本。因此，可以利用左、右額極α波能量值的不對稱性來判斷被試的情緒狀態，從而幫助設計者通過用戶情緒獲取用戶偏好信息。
而且，從上面的“圖片樣本分組”圖中的數據可以看出，在“蜀文化”的文化創意產品設計中，被試傾向於“民族服裝”這一文化元素。
2. 提取用戶的感知意向，瞭解用戶期待
接下來就是提取用戶對文化創意產品的感知意象，以作為後續演化設計的目標意象。
稍等一下，什麼是意象、感知意象和目標意象？
意象：認知主體在接觸過的客觀事物後，根據感覺來源傳遞的表象信息，在思維空間中形成的有關認知客體的加工形象，在頭腦裡留下的物理記憶痕跡和整體的結構關係。
感知意象：指用戶憑藉自身感官對產品所產生的聯想，它與視覺、用戶生活經驗、文化背景等因素相關，屬於心理活動的範疇，可以進行定量研究。
目標意象：指認知主體對自己解決問題的目標模式反應和動作型式，在頭腦中形成一個表象，即明確解決問題的目標模式。
用戶在認知產品之前，總會在大腦中形成一種期望。每一位用戶根據TA過去對這一產品或相關產品的經驗（甚至是偏見）會形成目前的產品應該是什麼樣子的這一思維概念上的模型，比如“外觀造型怎樣”“它的功能如何”“如何使用”等問題。
由於用戶的知識背景（包括知識經驗、受教育程度和所處環境等）不同，這一感知意象模型也各有不同。
而當用戶在受到產品刺激時，會產生認知、視覺等綜合心理活動，對以往的經驗記憶進行聯想，形成對產品的評價和意象概念，並藉以形容詞類的感性意象詞彙來進行描述。
他們通過調查、感性意象詞彙的選取、分析，最終確定用戶的意象需求：風格獨特、新穎有趣、實用、樸素。
3.怎麼利用AI算法預測出更符合消費者期待的設計
瞭解了用戶期待後再回到開頭提到的調味瓶上。
要想設計出用戶喜歡的調味瓶，此時還需要做些什麼？
首先研究者將調味瓶的形態元素分為瓶蓋、瓶身和花紋圖案。再將腦電實驗選擇的“民族服裝”作為分析對象，以彝族服飾為靈感，對調味瓶的形態特徵進行解構。
彝族服飾最具代表性的形態特徵是男女頭飾。另外，男女上衣的鈕釦都在右邊，男人穿褲子，女人穿褶裙，而且他們總喜歡穿“查爾瓦”（形似斗篷，長至膝蓋之下，下端飾有長穗流蘇）。服飾圖案大多來自彝族的圖騰崇拜，如植物、動物、自然現象、社會生活和幾何圖案等。
他們邀請設計師從上圖中提取彝族服飾的特點，並將其應用到調味瓶的形態設計中，獲得了八種瓶蓋特徵、八種瓶身特徵和八種裝飾圖案。
調味瓶的不同形態特徵：瓶蓋、瓶身、花紋圖案
雖然感知意象能幫設計師將產品的情感有效地傳達給消費者，但設計師也往往會陷入停留在用戶外顯認知層面，而忽略用戶內隱認知的局面。
外顯認知：指的是我們在接受外界信息時，能明確表達出來的感受、情感等，比如產品的顏色、造型、觸感……我們都能明確說出對它們是否喜歡。
內隱認知：則是無意識的，無法用語言準確描述出來，但在很大程度上影響著我們的決定，它就像是“冰山模型”中藏在更深層次的部分。因此，在設計產品時要充分考慮用戶的內隱認知加工。
而在眾多算法中，交互式遺傳算法（Interactive Genetic Algorithms, IGA）能將傳統進化計算與人的智能評價有機結合,算得上一種解決隱式性能指標優化問題的有效方法。
1975年，美國Michigan大學的John Holland教授提出了遺傳算法(Genetic Algorithm, GA)，這是一種基於生物的進化和選擇過程而形成的一種迭代自適應概率搜索算法。雖然它可以發現搜索收斂效率低、難以得到適應函數等不足，但實際上對於一些藝術設計、知識學習等模糊系統優化問題難以用明確的函數表示，從而影響收斂全局最優解。
John Holland，遺傳算法之父 圖片來源：Michigan大學官網
1986年，Dawkins提出了交互式遺傳算法的概念，提供瞭解決隱性優化問題的新思路。
在IGA運算中，可通過互動的方式對個體的適應度進行評估。這對藝術創作、設計、以及其他易受人的主觀感受而產生偏見的領域具有很高的應用價值和廣泛的現實意義。
他們利用IGA的優化能力，對調味瓶的形態特徵進行編碼（此處採用的是最常用的二進制編碼方法），再進行交叉、變異和選擇，從而生成以下6個方案。
但是，IGA也存在一些不足，為了交互求解的精確性，用戶需要經過多次評價，這容易讓用戶產生疲勞感，從而影響用戶對產品的感知。因此，如何減少用戶交互評價帶來的疲勞感成為許多學者研究的重點。
後來，為了改善IGA引起的疲勞誤差，反向傳播神經網絡（BPNN）被引入，用來模擬用戶交互評價，優化演化設計系統。
神經網絡是仿照腦神經系統的算法，由模擬生物神經系統的學習能力和認知行為發展而成。BPNN是應用廣泛的網絡算法之一，屬於深度學習網絡核心精華部分，具有並行性強、容錯能力強、易學習等優點。
這次對調味瓶造型設計的研究，便採用的是將BPNN作為模擬評價模型的方法。
通過系統演化和相關分析，獲得了分別令男性和女性目標用戶滿意的解決方案。
系統演化後的方案（a）和（b）
三、設計結果呈現
最後，設計師以上圖中的方案為原型，設計了一套調味瓶，見下圖。
調味瓶設計示意圖
系統演化後的方案（a）被用作油、醋瓶的原型，瓶蓋採用男性頭飾的英雄結造型，並添加了“查爾瓦”的形態特徵。方案（b）被用作鹽、胡椒等調味瓶的原型，瓶蓋採用女性頭飾上的荷葉邊，並添加了圍裙的形態特徵。
為了形成系列化的瓶蓋，設計師還設計了三個頭巾形態的瓶蓋。配色上，則從彝族服飾的色彩基因中提取黑、紅、黃、白，充分考慮了彝族“以黑為貴”的審美標準。
從示意圖中可以看出，瓶子的整體線條簡潔流暢，只有簡單的圖案用於裝飾，這充分體現了彝族服飾語義的樸素、莊重的魅力。
此外，為了識別瓶中的調料，設計師還進行了文字設計。
2016年，該系列具有彝族文化特色的調味瓶設計榮獲2016年中國高校工業設計大賽（四川賽區）二等獎，看得出大家對它的喜歡。
來感受下3D打印模型。
是不是符合風格獨特、新穎有趣、實用、樸素這些意象需求？！
雖然這些學生的實驗只分析了不同文化元素刺激下頻率域特徵與愉悅度的關係，沒有考慮色彩、文化等因素的影響，以及採用的是比較基本的交互式遺傳算法和神經網絡算法，但通過調味瓶的設計實驗也證實了腦電技術和交互式演化設計方法有助於產品設計。
因此，通過額葉α波反映的產品體驗與用戶情感的關係，設計師可以避免文化元素選擇的主觀性，而可以相對客觀地選擇用戶偏好的元素；通過用戶感知意象的調查和分析，則可以掌握用戶對文化創意產品的圖像感受；而IGA和BPNN的運用，則有利於進一步進行產品形態設計和優化。
《大佛普拉斯》裡有一段：
美國心理生物學家羅傑·斯佩裡獲得諾貝爾獎後曾斷言：“人能飛躍太空，卻難以認識自身，最後攻克的科學難題是大腦。”
關於人心的宇宙，我們也在一點一點了解更多吧。
【本文首發於微信公眾號節律科技（ID: neurhythm）】
原文主要參考文獻：
“Application of EEG and Interactive Evolutionary DesignMethod in Cultural and Creative Product Design”, Hindawi, Published 13 January 2019.
B. B. Briesemeister, S. Tamm, A. Heine, and A. M. Jacobs, “Approach the good, withdraw from the bad-A review onfrontal alpha asymmetry measures in applied psychologicalresearch,” Psychology, vol. 4, no. 3, pp. 261–267, 2013.
R. J. Davidson, “Cerebral asymmetry, emotion, and affectivestyle,” Massachusetts Institute of Technology, vol. 12,pp. 361–387, 1995.
X. M. Li, X. L. Fu, and G. F. Deng, “Preliminary application ofthe abbreviated PAD emotion scale to Chinese undergraduates,” Chinese Mental Health Journal, vol. 22, no. 5,pp. 327–329, 2008.
J. A. Diego-Mas and J. Alcaide-Marzal, “Single users’ affectiveresponses models for product form design,” InternationalJournal of Industrial Ergonomics, vol. 53, pp. 102–114, 2016.
S.-W. Hsiao and H.-C. Tsai, “Applying a hybrid approachbased on fuzzy neural network and genetic algorithm toproduct form design,” International Journal of IndustrialErgonomics, vol. 35, no. 5, pp. 411–428, 2005.
D.-W. Gong, G.-S. Hao, Y. Zhou, and X.-Y. Sun, “Interactive genetic algorithmswith multi-populationadaptive hierarchy and their application in fashion design,” Applied Mathematics and Computation, vol. 185, no. 2, pp. 1098–1108, 2007.
認知神經打開意識知覺之門 人工智能讀懂神經數據之美
閱讀更多 節律科技 的文章
