为了进一步探究这个问题，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，分析了上传到youtube上的约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。
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。
70%的表情跨文化共享
“这是第一个在日常生活中如何使用面部表情的全球分析，它向我们展示了人类的普遍情感表达比许多科学家先前认为的更加丰富和复杂。”研究报告的主要作者、在谷歌帮助开发了深度神经网络算法并领导了这项研究alancowen说。
首先，研究人员使用机器学习算法记录了全球600万个事件和互动视频片段中的面部表情，这些视频片段包括看烟花、高兴地跳舞或安慰哭泣的孩子。
他们使用该算法追踪了人们通常与娱乐、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、惊讶和胜利相关的16种面部表情。
接下来，他们将面部表情与不同世界地区的背景和场景联系起来，发现跨越地理和文化边界的人们在不同社会背景下使用面部表情的方式具有显著的相似性。
研究人员发现，无论深处世界各地，人们都是一样的，所有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。
研究结果表明，我们用来表达情绪反应的70%的表情是跨文化共享的。
cowen说:“我们发现，在世界各地类似的社会情境中，面部行为的丰富细微差别——包括与敬畏、痛苦、胜利和其他13种情感相关的微妙表情——也会用到。”
例如，世界各地的人们在观看烟花表演时往往怀着敬畏的目光，在婚礼上表现出满足，在表演武术时表现出全神贯注，在抗议时表现出怀疑，在举重时表现出痛苦，在摇滚音乐会和竞技体育赛事中表现出胜利。
“这支持了达尔文的理论，即在脸上表达情感是人类的普遍现象，”keltner说。“通过肢体表达我们的情感可能会定义我们作为一个物种是谁，提高我们的沟通和合作技能，确保我们的生存。”
不过，虽然这项研究的结果虽然坚定地站在普遍主义者一边，但很难成为这个话题的最后定论。
当然，这项研究结果更可能有助于帮助那些看不懂面部表情的人，比如自闭症患者，识别他人的个人情绪状态。毫无疑问，这个庞大的面部表情数据库将在这些研究中发挥作用。