2024年医药行业将走向何方？
06-18
有没有一个程序可以通过读取面部表情和行为来发现潜在的恐怖分子？这是美国运输安全管理局 (TSA) 在 2016 年提出的假设，当时它开始测试一项名为“通过观察技术筛选乘客”（SPOT）的新监控计划。
在制定该计划时，他们咨询了旧金山加利福尼亚大学的心理学行家保罗·Ekman。
几十年前，Ekman开发了一种识别微小面部表情并将其映射到相应情绪的方法。
该方法用于训练“行为检测器”扫描面部以寻找欺骗迹象。
但当该计划于2010年推出时，却遇到了问题。
官员们或多或少随意地使用这种技术来审问人，并且逮捕了一些与恐怖主义无关的人。
更令人担忧的是，该计划据称被用来证明种族定性的合理性。
Ekman试图与斯波特保持距离，声称他的方法被滥用了。
但其他人认为该计划的失败是由于支持Ekman方法的过时的科学理论。
近年来，科技公司开始使用Ekman方法来训练算法以检测面部表情的情绪。
一些开发人员声称，自动情绪检测系统不仅比人类更擅长通过分析面部表情来发现真实情绪，而且这些算法将适应我们的内心感受，从而极大地改善与设备的交互。
然而，许多情感科学专家担心这些算法基于错误的科学理论做出冒险的决定，并可能再次失败。
识别你的面部：价值 1 亿美元的情绪检测行业需要两项技术：准确识别面部表情的计算机视觉和分析和解释这些面部特征的情绪内容的机器学习算法。
通常，第二步采用一种称为监督学习的技术，通过这种技术训练算法来识别它以前见过的事物。
其基本思想是，如果你在一个已经显示了数千张笑脸的算法中看到一张带有“快乐”标签的新笑脸，它会再次将其识别为“快乐”。
研究生 Rana el Kaliouby 是最早开始尝试这种方法的人之一。
从埃及搬到剑桥大学攻读计算机科学博士学位后，她发现自己花在计算机上的时间比其他人更多。
她认为，如果她能教计算机识别情绪并对她的情绪状态做出反应，那么她远离家人和朋友的时间就会不那么孤独。
卡利乌比致力于这项研究，并最终开发出一种设备来帮助患有阿斯伯格综合症的儿童阅读和响应面部表情。
她称之为“情感助听器”。
2016年，Kaliouby加入麻省理工学院情感计算实验室，与实验室主任Rosalind Picard一起继续完善和完善技术。
然后，在 2016 年，他们共同创立了一家名为 Affectiva 的初创公司，这是第一家营销“人工智能”的公司。
最初，Affectiva 将其情绪检测技术作为市场研究产品出售，为广告和产品提供实时情绪反应。
他们找到了玛氏、家乐氏和哥伦比亚广播公司等客户。
Picard 于 2016 年离开 Affectiva，加入了另一家生物识别初创公司，该业务及其周边行业持续增长。
亚马逊、微软和 IBM 一直在推广“情绪分析”作为其面部识别产品的关键功能，Kairos 和 Eyeris 等一些较小的公司也已经开始提供与 Affectiva 类似的服务。
除了市场研究之外，情绪检测技术现在还用于监控和检测驾驶员的损伤情况、测试视频游戏的用户体验以及帮助医疗专业人员评估患者的健康状况。
Kaliouby 见证了情绪检测从一个研究项目发展成为一个价值数十亿美元的产业，她相信这种增长将是可持续的。
她预测，在不远的将来，当这项技术无处不在并集成到我们所有的设备中时，它将能够“利用我们内心的潜意识来创造瞬间反应”。
来自 87 个国家的一万张面孔的数据与大多数机器学习应用一样，情绪检测的进展取决于对更高质量数据的访问。
根据 Affectiva 的网站，他们拥有世界上最大的情感数据存储库，包含来自 87 个国家的 10,000 多张面孔，其中大部分是从人们看电视或每天开车上下班的选择性镜头中收集的。
这些视频由 Affectiva 开罗办事处的 35 名贴标员进行分类，他们观看视频并将面部表情转化为相应的情绪。
例如，如果他们看到下垂的眉毛、紧闭的嘴唇和凸出的眼睛，他们就会贴上“生气”的标签。
然后，这个带有标签的人类情绪数据集将用于训练 Affectiva 的算法，例如，该算法可以学习将愤怒的面孔与快乐的面孔联系起来。
这种标记方法被情绪检测行业的许多人认为是测量情绪的黄金标准，源自 Paul Ekman 和 Wallace V Friesen 在 20 世纪 80 年代开发的情绪面部动作编码系统 (Emfacs)。
来。
这个系统的科学根源可以追溯到 20 世纪 60 年代，当时Ekman和两位同事假设有六种普遍的情绪——愤怒、厌恶、恐惧、快乐、悲伤和惊讶——它们与我们密切相关，并且可以在通过分析面部肌肉的运动来了解所有文化。
为了验证这一假设，他们向世界各地不同群体的人展示了面孔照片，并要求他们识别他们所看到的情绪。
他们发现，尽管存在巨大的文化差异，人类却将相同的面部表情与相同的情绪相匹配。
对于美国的银行家和巴布亚新几内亚的半游牧猎人来说，一张眉毛下垂、嘴唇紧闭、眼睛凸出的脸意味着“愤怒”。
在接下来的二十年里，Ekman利用他的发现开发了一种识别面部特征并将其映射到情绪的方法。
其背后的前提是，如果触发一个人的一般情绪，那么相关的面部动作就会自动出现在脸上。
即使这个人试图隐藏自己的情绪，真实的内心感受也会“流露出来”。
整个20世纪下半叶，这一被称为“经典情感理论”的理论开始主导情感科学。
Ekman为他的情绪检测方法申请了专利，并开始将其作为培训项目出售给中央情报局、联邦调查局、海关和边境保护局以及运输安全局。
真实情感可以从脸上读出的想法甚至渗透到流行文化中，构成了节目《对我说谎》的基础。
然而，许多研究情绪本质的科学家和心理学家对经典理论和Ekman相关的情绪检测方法提出质疑。
近年来，情绪检测理论一直受到质疑，心理学教授巴雷特提出了特别强烈和持续的批评。
巴雷特第一次接触经典理论是在研究生时期。
她需要一种客观地衡量情绪的方法，并偶然发现了Ekman的方法。
当她回顾文献时，她开始担心潜在的研究方法存在缺陷，特别是，她认为，通过为人们提供与照片相匹配的预先选择的情感标签，Ekman无意中“激发”了他们给出的一些答案。
她和一组同事通过在不提供标签的情况下重演Ekman的测试来测试这一假设，让受试者自由地描述他们所看到的图像中的情绪。
特定面部表情和特定情绪之间的关系直线下降。
从那时起，巴雷特发展了自己的情感理论，并在她的书《情绪是如何产生的：大脑的秘密生活》中阐述了这一理论。
她认为大脑中不存在由外部刺激引发的普遍情绪。
相反，每一种情感体验都是由更基本的部分组成的。
她写道：“它们是你身体的物理特性和灵活的大脑的结合，大脑能够将自己连接到它所处的任何环境，以及你的文化和成长环境。
” “情绪是真实的，但从客观意义上来说，分子或神经元并不是真实的。
它们的现实性与金钱的现实性是一样的，也就是说，它不是幻觉，而是人类共识的产物。
巴雷特解释说，将面部表情直接映射到所有文化和环境中的情绪是没有意义的。
一个人生气时可能会皱眉，而另一个人在策划击败敌人时可能会礼貌地微笑。
因此，评估情绪很重要，最好将其理解为一种动态实践，包括自动认知过程、人类互动、具体经验和文化能力。
“听起来工作量很大，但确实如此，”她说。
“情绪很复杂。
Kaliouby 同意情绪是复杂的，这就是为什么她和她在 Affectiva 的团队一直致力于增加数据的丰富性和复杂性。
除了使用视频而不是静态图像来训练算法之外，他们还尝试捕获更多上下文数据，例如语音、步态以及超出人类感知的微妙面部变化。
她相信更好的数据将意味着更准确的结果。
一些研究甚至声称机器在情绪检测方面已经比人类更好。
但根据巴雷特的说法，这不仅仅与数据有关，还与数据的标记方式有关。
情绪检测公司和其他情绪检测公司用来训练算法的标签过程只能识别巴雷特所说的“情绪刻板印象”，就像表情符号一样，这些符号符合我们文化中熟悉的情绪主题，惠特克是该公司的联合主任。
纽约大学人工智能研究所认为，基于过时的Ekman科学构建机器学习应用程序不仅是糟糕的做法，而且是错误的做法。
真实的社会危害。
“你已经看到招聘公司使用这些技术来衡量求职者是否是一名好员工。
“在学校环境中，你还可以看到一些实验技术被提出来观察学生在课堂上是否投入、无聊或愤怒，”她说。
“这些信息可以用来阻止人们找到工作，或者改变他们在学校的待遇和评估方式，如果分析不是很准确，就会造成特定的物质伤害。
卡利乌比说，她意识到情绪检测可能被滥用，并认真对待自己工作的道德规范。
“与公众就这一切如何运作——在哪里应该应用和在哪里不应该应用——进行对话是至关重要的。
”过去曾戴过头巾的卡利乌比也敏锐地意识到建立多样化数据集的重要性。
“我们确保在训练这些算法时，训练数据是多样化的，”她说。
“我们需要代表白人、亚洲人、肤色较深的人，甚至戴头巾的人。
这就是 Affectiva 从 87 个国家收集数据的原因。
通过这个过程，他们注意到在不同的国家，情绪表达似乎呈现出不同的强度和细微差别。
例如，巴西人用宽而长的微笑来表达幸福，而在日本，微笑并不表达幸福，而是表达礼貌。
Affectiva 通过在系统中添加另一层分析来解释这种文化差异。
编制了卡利乌比所说的“基于种族的基准”，或者关于不同种族文化中情感表达方式的假设。
但正是这种基于种族等标记的算法判断，让惠特克最担心的是情绪检测技术所暗示的自动化“人脸识别”的未来。
事实上，已经有公司预测某人成为恐怖分子或恋童癖者的可能性，同时也有研究人员声称他们拥有可以仅通过面部检测性行为的算法。
最近的几项研究还表明，面部识别技术可能会产生更有可能伤害少数群体的偏见。
12月发表的一篇文章显示，情绪检测技术赋予黑人面孔比白人面孔更多的负面情绪。
卡利乌比说，情感系统确实有一个“种族分类器”，但他们现在没有使用它。
相反，他们使用地理位置作为确定某人来自哪里的基线。
这意味着他们将巴西的微笑与巴西的微笑进行比较，将日本的微笑与日本的微笑进行比较。
“如果巴西有一个日本人怎么办？系统能否识别礼貌微笑和快乐微笑的细微差别？”卡利乌比承认，现阶段该技术并非100%万无一失。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-18
06-17
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态