最近，国内外糟心的事太多了，每天看得文摘菌郁郁寡欢。

每次这个时候，文摘菌都会去朋友家吸猫，吸着吸着就感觉神清气爽了，可谓一剂良药。

最近文摘菌发现，吸猫治愈这个事，还不是个例。

去年，日本一对夫妇就在推特上分享了自己的生活小窍门，其中一个就是生气的时候暂停存档，先吸猫平复一下心情再说，就像这样：

甚至有网友评论表示，吸猫有助于世界和平。

不过，吸猫虽好，可不要贪杯噢。

今年1月份的时候，就有一名女子因为吸猫患上了“鹦鹉热”。得了“鹦鹉热”的人大多是因为不小心吸入了鸟类干燥粪便中的衣原体，虽然吸猫不一定会有这样的“副作用”，但小心驶得万年船。

那么问题来了，有没有什么方法能够安全吸猫，最好能在心情抑郁的瞬间就能吸到猫呢？

最近，有个名叫Andrew Healey的博主就在博客上分享了自己做的一个项目，只要他在电脑前露出了伤心难过的表情，电脑就会立马给他发送猫猫的照片，雪中送炭不过如此了。

效果大概是这个样子：

好了好了，文摘菌知道很多人已经等不及了，我们现在就来看看这个项目到底是怎么完成的。

手把手教你“科学”吸猫

在吸猫之前，我们得让电脑知道我们现在很伤心，这样它才会给我们发猫猫照片。

在面部表情识别这块，Healey选择了开源的vladmandic/human，该数据库中提供了一个API来获取一些常见情绪的权重。

他将情绪简单地分为“好”与“坏”，这样对电脑来说会更容易区分和识别，同时系统会给每种情绪进行评分，总分在-1（非常差）和1（非常好）之间。

由于不想每次因为打喷嚏就随意触发系统运行，Healey还添加了一个3秒追踪平均值来评估当前的情绪。

在添加的调试控制台中，就能看到这些情绪分数，就像这样：

在系统发送一张猫猫照片之后，它也会进入5分钟的待机时间，然后才会重新开始工作。

Healey将所有前端代码写在一个index.html原型文件中，主循环以30-40 FPS的速度运行。

第一步完成了，接下来我们要让电脑给我们发送猫猫照片。

在这里，Healey使用的是Pushover，该程序目前在程序员家庭自动化项目中还挺受欢迎的。

随后，Healey将两个API粘合在一起以获取消息数据。随机名称来自网站randomuser。

网站地址：

https://randomuser.me/api/

随机猫猫照片：

https://api.thecatapi.com/v1/images/search

实际上，获得照片后还需要调整图像大小，因为Cat API致力于提供高分辨率的照片，通常能有5MB。

以下就是最终得到这个函数的方式：

Healey使用PythonSimpleHTTPRequestHandler来提供静态文件，这与one-liner提供文件时运行的服务器相同python -m http.server。

Healey的计划是不为此运行后端，虽然这仍然是一个可以实现的目标，但他发现用Python编写API粘合代码更快。当他意识到还需要一个API路由来处理“send cat”时，他正要安装Flask，但似乎可以......通过添加这个 hack 继续使用这个简单的服务器：

超越地域和文化，AI识别16种面部表情

说到面部识别，此前Nature就发表了一篇论文，证实了人类情感表达跨越地域和文化边界的普遍性。

论文链接：https://www.nature.com/articles/s41586-020-3037-7

一般来说，人类面部有43块不同的肌肉，这些肌肉可以被激活在眼睛、鼻子、嘴巴、下巴、下巴和眉毛周围，从而做出数千种不同的表情。

为了研究这些表情，加州大学伯克利分校和谷歌的研究人员使用被称为“深度神经网络”的机器学习技术，分析了YouTube上约600万个视频片段中的面部表情，这些视频来自北美、中美、南美、非洲、欧洲、中东和亚洲的144个国家。

同时，研究人员还创建了一个在线互动地图，展示了该算法如何跟踪与16种情绪相关的面部表情变化，包括娱乐、愤怒、敬畏、专注、困惑、蔑视、满足、欲望、失望、怀疑、得意、兴趣、痛苦、悲伤、惊讶和胜利。

研究人员还发现，无论身处世界各地，这16种面部表情都出现在类似的情境中。每个人都倾向于以类似的方式欢呼、哭泣、集中注意力和庆祝，没有一群人会因受惊而微笑、耸肩或因高兴而皱眉。

也就是说，我们用来表达情绪反应的70%的表情是跨文化共享的。

所以，不要担心电脑看不懂你的表情，难过的时候你就难过给它看，然后好好吸猫放松一下~

love&peace！

相关报道：

https://healeycodes.com/when-im-sad-my-computer-sends-me-a-cat

https://twitter.com/NEKOLAND13/status/1442795503859613697

本文来自微信公众号“大数据文摘”（ID:BigDataDigest），作者：Caleb，36氪经授权发布。