在實驗室以外，首次用人工智能開始幫助研究人員研究伴侶之間語言和生理特征的特定模式，從而預測戀愛中產生的沖突。

大多數對夫妻進行的沖突監測實驗都是在心理學實驗的控制環境下進行的。但洛杉磯南加州大學開展的Couple Mobile Sensing Project項目中，研究人員采取了一種不同的方式，他們通過可穿戴設備和智能手機來收集數據，從而對生活在正常生活條件下的夫婦進行研究。

他們對34對夫婦進行的早期試驗表明，可穿戴設備和基于機器學習的人工智能結合在一起，可能會讓智能手機應用成為未來的家庭關系顧問。“在我們目前的模型中，我們可以檢測出沖突發生的時間，但我們還沒有預測到沖突發生之前的苗頭，”Adela Timmons表示，其是南加州大學(南加州大學)臨床和定量心理學的博士候選人。“接下來，我們希望能夠預測沖突，并發送實時提示，比如提醒夫妻休息或做冥想練習，看能否阻止或減少夫妻之間的沖突。”

在現實生活中預測夫妻之間的矛盾，并不是一件容易的事。但如果機器學習算法能夠自動識別數據模式，從而幫助研究人員篩選出伴侶在語言和生理方面的非常規指標，其中可以包括心率或皮膚反應等代表性指標，就能夠更準確地識別出醞釀沖突的跡象。

在美國電氣電子工程師協會的會議上，南加州大學的研究小組詳細介紹了他們的方法。在使用現成的機器學習算法對數據進行分析之前，研究人員必須確定他們在實驗過程中應該關注哪些關鍵特征，以獲得最佳的沖突預測因子。過去的心理學研究已經表明，夫妻之間的沖突與心率上升以及皮膚傳導水平等生理指標有關。

Timmons解釋說，在沖突中情侶們也傾向于使用一些特定的措辭，比如更多的人代詞(“你”)，更多的負面情緒詞匯，以及更確定的詞，比如“永遠”或“從不”。參與了為期一天試驗的34對夫婦佩戴了可穿戴設備，其中包括用來測量皮膚的傳導、體溫和身體活動的腕帶傳感器。此外還有測量心律的傳感器。每對伴侶也會通過智能手機來收集他們談話的錄音，并允許對他們進行GPS追蹤。

為了證實確實發生了沖突，智能手機會提醒情侶們在爭吵時報告。在34對夫妻中，最終共有19人在實驗中報告了沖突。早期的實驗結果很有前景。這一發現與以往的心理學研究中所提出的戀愛沖突相關理論相吻合。例如，用語言表達的消極情緒與沖突相關的準確率為62.3%。當機器學習算法分析了許多不同指標的所有數據時，其檢測沖突的準確率高達79.3%。

Timmons說:“這些模型依賴機器學習。”“機器學習算法能夠進行分類實驗，并進行準確檢測，情侶沖突檢測需要大量數據。”當然，79.3%的準確率離實際應用還相差很遠，尚無法為情侶提供主動咨詢或類似的干預。

南加州大學信號分析和解釋實驗室博士候選人、該項目研究人員Theodora Chaspari說，對沖突的錯誤識別可能會導致不必要的警報。但是，結合許多不同特征的數據，更高的準確性似乎證實了用許多不同的方法可以有效推斷出夫妻在沖突中的精神狀態。

研究人員還面臨著如何收集整理夫妻真實數據的挑戰，這些數據遠比在實驗室范圍內的數據要復雜得多。他們有時會遇到一些缺失的數據片段，比如一些情侶為了隱私而在特定時間關閉了他們的智能手機音頻記錄。盡管如此，Chaspari還是希望從更多的夫婦中收集到更多數據，以幫助機器學習算法消除這些噪聲。

最終，南加州大學的團隊希望利用他們的系統收集足夠的個人數據來確定夫妻的沖突模式，要提高系統識別準確性還有很長的一段路要走。Chaspari說:“我們現在有一個通用的系統，但我們面臨的挑戰是如何讓這一系統適合任一對特定夫妻。”準確地識別沖突，最終能讓算法在夫妻意識到他們將要開始戰斗之前就預測出沖突。

南加州大學團隊下一步的研究是通過收集更多數據以提高他們目前算法的準確性。例如，可穿戴設備和智能手機技術可以幫助研究人員收集關于其他因素的更多數據，比如手機使用時間、上網時間，以及夫妻在一天中接受多少陽光照射，諸如這些都是微妙的潛在沖突預測因素，例如，長時間暴露在陽光下會對個人情緒產生影響。

Timmons說:“幫助這些模型運行良好的部分前提是，有大量的數據和大量的行為特征。”“在接下來的步驟中，我們將增加更多的沖突預測因素。”