第十章 隨時等待分析的獵物
東京銀座——二○二七年五月十七日
一名時髦的年輕女子沿著新潮的商業區街道瀏覽櫥窗，尋找新的手提包。她的路易威登（Louis Vuitton, LV）眼鏡在她觀看的畫面上浮現一片數據。擴增實境眼鏡隨著她的視線掃過商店櫥窗，提供不同品項的定價和評論。
在她靠近其中一家商店時，商店在路邊的監視攝影機記錄她的影像，並且傳送到店內的電腦主機系統。又從電腦系統輸入幾個資料分析服務，幾乎立刻提供她是什麼樣的人、可能的購買習慣等資訊。電腦分析她的穿著打扮，計算出如果某件裙子提供最高折扣，她購買的機率是七三‧六％。其中一個軟體服務迅速描繪高解析可轉動的3D影像，呈現購物者虛擬化身穿上這件裙子的模樣，連同其他一些品項與配件。由於年輕女子訂閱當地的一些優惠券服務，因此這家商店得以將個人化廣告直接傳送到她的眼鏡上。
女子匆匆瞥過廣告，但卻不感興趣。即時分析她的表情、姿態及步伐，電腦就知道她很可能已經有了一件類似的裙子，如果不是因為女子選擇不讓商業廣告存取她的社群媒體帳號，電腦應該早就知道這一點了。不過，商店的電腦只需要這個額外的資訊。幾毫秒後，電腦就收到來自大數據分析服務的更新，顯示這名女子有九二‧七％的可能性購買剛剛進貨的最新一季皮夾克。
第二則廣告迅速送到她的眼鏡上，顯示她的虛擬化身穿上皮夾克的樣子，還有一個三十分鐘的快閃優惠券。整個來回交流只發生在幾十步之間。儘管努力克制，但女子的表情還是在一瞬間顯示出她對皮夾克相當感興趣。片刻過後，她踏入商店，交易也迅速完成。
日常環境中感應器的使用日益增加，也就是通稱的物聯網（Internet of Things, IoT），結合了大數據分析的預測能力，正在改變我們與世界的關係，只是並非都是好的方面。隱私、自主權，甚至是自我決定等問題，在討論這些侵入性科技時都會一一浮現。儘管這些聽起來就夠令人忐忑了，但是如果結合能快速讀取、理解我們的情緒反應並做出回應，就更讓人惴惴不安了。
想想上述的情境，解讀購物者的非語言反應，讓商店的電腦程式得以完成即時訊息溝通回饋循環。據此，按照規則設定的程式就能立刻調整策略，吸引她進入商店內，實現達成銷售的目的。假如第二次嘗試不成功，也可以劃分出各種後續行動，它的決策樹是由購物者本人可能都沒有察覺到的感覺和動機所驅動。而整個處理過程發生的時間尺度，會比我們的思考過程快上幾個數量級（orders of magnitude）。
購物者顯然常常被說服，而購買超出原先計畫的東西，甚至不符合自己的最佳利益，但是這種可即時與我們的基本感覺互動的能力，讓局勢朝著更受操弄的方向轉變。
彼此關係從一個相對平衡的狀態，變成更像是掠奪者與獵物的關係。
情感運算的行銷應用
正如稍早曾提過的，廣告主和行銷人員已經開始擁抱情感運算。假以時日，隨著情感運算愈來愈容易取得且方便使用，將會應用在任何電腦可以與人互動的地方。
雖然我們大可期待將來針對這些科技會發展出一套道德規範且為人所接受，但是也不能覺得理應如此，同時也不太可能所有人都能以同等的忠誠遵守這樣的規範，無論是正式或非正式制定的規範都一樣。
好像這還不夠麻煩似的，上述的科技還會更進一步，創造出更加艱難的目標。此時，要做到這一切所需的技術專業知識，甚至超過最大商家的規模與格局，不過這是從今天的觀點來看。仍在初期階段的情感運算已被當成行銷研究工具使用，時間一久，隨著處理能力、頻寬及演算法改善，將有新的情緒覺察系統提供商家愈來愈容易使用的功能。
到了最後，假設有利可圖的話（將來會有的），這些功能將轉化成服務系統，目前通常稱為「軟體即服務」（Software as a Service, SaaS）。公司可以合理費用使用這些整合服務執行各種任務，不必自行開發軟體和資料庫。這類服務可以擷取並自動執行許多較為複雜的臉部辨識、3D掃描、情感運算及擴增實境，讓企業能快速而即時地吸引消費者，就像你我寄發電子郵件，或是對文件進行拼字檢查那麼輕鬆簡單。
我們應該對此感到憂心，因為情緒操控的可能性將無法抵擋，而且會大幅改變零售商—消費者關係的平衡。只需要想像一下，在汽車展示間裡有一個能幹的銷售人員。
你想買一輛車，但是顯然不想為這筆已經頗為重大的投資再付出更多的錢。
你和銷售人員討價還價，企圖破解彼此的想法。你想著可以把價格壓到多低？銷售人員則是在想，在不失去這筆買賣下，我能讓步的最低底線是多少？最後，假設達成交易，你們同意一個價格，車輛就是你的了。
如果進行這場談判的一方，是能以光速與超高準確度解讀你的非語言信號，並且加以回應的機器呢？你真的認為自己走出展示間時，荷包能完好無損嗎？我打賭不會。
又或是你為公司奮鬥好幾年，卻遲遲未能加薪。你安排一場想要爭取加薪的會面，結果你並不是和另一個人交涉，而是人力資源部門讓你坐下來面對薪資協商程式。
你提出要求加薪的理由，包括蒐集的許多統計數據說明你為公司帶來的價值，然而程式不但可以立刻存取你的日常表現，篩選出你不足的地方，還能立即精確解讀你的自信、不確定、尷尬及挫折等諸多當下感覺的程度。你會得到應有的加薪，還是談判程式會藉此證明它每年的授權費用是有價值的？
情感科技與詐騙犯罪
至於社會中比較脆弱的成員呢？老年人通常會淪為詐騙的受害者，而那些騙局可能會讓比較年輕，也更精明的人搖頭。針對老化神經科學的研究顯示，老年人對於信任相關的跡象敏感度降低，但是我們也不能忽略他們對生存的這個新世界缺乏理解。1平均而言，一般人對於成長期間使用的科技，會比父母和祖父母更加熟悉，也更遊刃有餘，他們和這些科技打交道時的常識也一樣。展望情感運算之類的科技，我們可以想像老年人在接觸那些互動或交易時會比他們的子女單純生疏。詐騙集團有辦法快速讀取並理解他們的感覺，就可以趁機大肆利用自動化。
販售一些不可靠的投資給退休人士，快速榨乾他們的銀行帳戶，並且操控寂寞老人寫下遺囑，這都可能還只是冰山一角。
要是你懷疑這種情節的可能性有多高，不妨想想以下這個警世故事。二○○六年，有個名叫羅伯特的中年離婚男子，加入一個約會網站想認識女性。在和其中幾人用通訊留言與電子郵件交流後，他和一個名叫絲維拉娜，有著深色髮膚的苗條美女配對，檔案上寫著她住在加州，距離羅伯特居住的地方不遠。雖然她的英語不怎麼樣，但是寫給羅伯特的電子郵件卻熱情親暱。只是沒過多久，絲維拉娜就覺得必須坦白她其實不住在加州，而是住在下諾夫哥羅德（Nizhny Novgorod），是土生土長的俄國人。由於羅伯特的祖父母與外祖父母都是從俄國移居到美國，他一點也不覺得這有什麼問題，只是兩人之間又多了一個連結。
數個月以來，羅伯特和絲維拉娜有許多電子郵件往返，羅伯特覺得自己愈來愈無法自拔，儘管絲維拉娜從未理會他想用電話聊天的要求。最後，在信件往來近四個月後，羅伯特決定安排一趟旅行去見絲維拉娜。但是，隨著出發日期愈接近，羅伯特卻開始心生疑竇。他的腦海中閃過什麼，絲維拉娜的電子郵件裡除了彆腳的英語之外，還有怪異的地方，於是羅伯特決定寄信測試：
asdf;kj as;kj I;jkj;j ;kasdkljk ;klkj
‘klasdfk; asjdfkj. 愛妳的羅伯特（引文）
絲維拉娜回覆一封關於她母親的長信，完全不曾提及前一封信裡莫名其妙的符號。
就這樣，羅伯特赫然驚覺長久以來和他交談的是一個聊天機器人（chatbot），是用來吸引人投入對話的電腦程式。
這時候要為羅伯特如此容易受騙開脫就容易多了，畢竟誰都可能受到情緒、一廂情願、寂寞孤獨、荷爾蒙等之害，只不過羅伯特是羅伯特‧艾普斯坦（Robert Epstein），是《今日心理學》（Psychology Today）雜誌的前總編輯，並寫過無數愛情與婚姻關係的書籍，也是人類和機器互動（更具體來說，就是聊天機器人）的重量級專家之一。其實在一九九○年代，艾普斯坦主導羅布納人工智慧競賽獎（Loebner Prize Competition in Artificial Intelligence），比賽就是由裁判分辨對話的對象究竟是電腦程式還是真人。
尤有甚者，羅伯特承認在第一次事件之後不久，又被另一個聊天機器人騙了。這一次甚至不是他自己發現的，而是這個聊天機器人在英國的程式設計人員找上他，那個程式設計人員寫信表示，他知道羅伯特是誰，而他必須告訴羅伯特在這段時間以來都是在和軟體程式往來通訊。
沒有人知道究竟有多少聊天機器人滲透到約會網站與社群媒體網站，但是專家同意，數量大概在一百萬以上。近幾年來，這些程式的數量和成熟程度進步十分可觀。根據二○一四年的一份調查估計，五六％的網際網路流量是由機器人程式產生，這些程式是設計來執行高度重複性的作業。調查指出，這些流量約有一半來自好的機器人，但是約三○％則是由惡意機器人產生，如網路爬蟲（web scrapers）、駭客工具、垃圾郵件發送器，以及模擬身分程式（impersonator）。研究估計，網際網路流量有整整二○％源自於各式各樣的模擬身分程式，包括聊天機器人。這類程式花招百出，用於不斷擴張的網路犯罪領域。
如此看來，隨著人工智慧愈來愈成熟，也愈來愈能理解並回應情緒及非語言信號，所有人類將會變得何等脆弱？
隨著情感運算科技普及，並且在不同領域中找到應用方式，我們可能也要面臨許多發展期的困難。當成工具用於執法工作或蒐集情報可能成效卓著，因為有了解及預測罪犯與嫌疑人行為的需要。但是，這些科技會如何改變，還是加深公務員對公民自由的潛在侵害？這些似乎是再稀鬆平常不過的情況。
提供情感運算工具給負責保護我們的人肯定有好處。警察、情報人員及海關人員的工作，一向都要和欺騙行為打交道。歸根究柢，欺騙是所有犯罪的基礎；沒有欺騙，大部分的犯罪都不可能成事，或是很快就會暴露了。欺騙的定義是為了創造或不斷延續錯誤的觀感或信念，而刻意傳遞訊息。努力看穿欺騙並查明過去、現在和未來的企圖，依然是執法工作的基石，而能夠成功測量或解讀情緒的科技則是達成這個目的之強大工具。
