87个国家、750万个面孔数据,『情绪识别机器』催生200亿美元“财富梦”:亚博app下载地址

本文摘要:加载潜在恐怖分子的面部表情和不道德有程序吗?

加载潜在恐怖分子的面部表情和不道德有程序吗?这是美国交通安全管理局(TSA)于2003年明确提出的假设,当时开始测试新的监视程序,称为通过观察技术筛选乘客,全名SPOT。在制计划时,他们咨询了旧金山加州大学心理学荣誉教授Paulekman。几十年前,Ekman开发了识别微小脸部表情并构成适当感情的方法。

用这种方法训练不道德检查员,看脸是否有愚弄的迹象。但是,这个计划在2007年发售的时候,遇到了问题。官员们在某种程度上随意利用这种技术对人进行审问,而且少数被捕行为与恐怖主义有关。

更令人担忧的是,该计划被用来证明种族的合理性。Ekman试图保持自己和Spot的距离,主张他的方法被误解了。

但是,其他人指出,这个计划的结束是由于过时的科学理论承担了Ekman的方法。近年来,科技公司开始用于Ekman的方法训练从脸部表情中检测感情的算法。一些开发商表示,自动情绪检测系统不仅通过分析人类的面部表情来找到现实的情绪,而且这些算法适应了我们心中的感觉,大大提高了与设备的交流。然而,许多研究情绪科学的专家担心这些算法不会根据错误的科学理论提出高风险的要求,也可能再次结束。

识别你的脸:200亿美元的行业感情检查需要计算机视觉,正确识别脸部表情的机器学习算法,分析和说明这些脸部特征的感情内容。一般来说,第二步是使用一种叫做监督自学的技术,通过这种技术训练算法来识别以前见过的东西。基本的想法是,在看到新的幸福脸谱时,用标签幸福表示成千上万张幸福脸谱的算法,再也不会认为是幸福。

研究生Rana、elKaliouby是第一次尝试这种方法的人之一。2001年,从埃及搬到剑桥大学修理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别人多。她指出,如果她能教电脑识别情绪,对她的情绪状态作出反应,她离家人和朋友的时间就会那么寂寞。

Kaliouby致力于这项研究,最后开发了辅助阿斯伯格综合征儿童读者和面部表情的设备。她被称为情感助听器。2006年,Kaliouby重新加入麻省理工学院的感情计算了实验室,与实验室主任Rosalindpicard一起改进并完善了这项技术。然后,2009年,他们共同成立了一家名为Affectiva的初创公司,这是第一家营销人工智能的公司。

最初,Affectiva将他们的感情检测技术作为市场研究产品销售,为广告和产品获得动态的感情反应。他们找到了Mars、凯洛格、CBC等客户。Picard于2013年离开Affectiva,新加入了不同的生物识别创业公司,业务后迅速增长,环绕其行业也是如此。

亚马逊、微软、IBM仍将情感分析作为他们脸部识别产品的主要功能进行宣传,Kairos如Kairos和Eyeris已经出现,为Affectiva提供类似的服务。除开市场研究外,如今情绪化检测技术性被用作监测和检测驾驶员的损害,测试视频游戏的用户体验,协助医护专业人员评定病人的健康状况。Kaliouby看到感情检查从研究项目发展到价值200亿美元的行业,对这种快速增长的持续性有信心。她预测,在旋转的未来,这项技术无处不在,带入我们所有的设备时,需要利用我们的心、潜意识做出瞬间的反应。

来自87个国家的750万个人脸数据和大多数机器学习应用程序一样,情感检测的进展各不相同,采访了更高质量的数据。根据Affectiva的网站,他们享有世界上仅次于的感情数据存储库,来自87个国家的脸,数量达到750万人,其中大部分是收集电视和驾驶的选择性视频。这些视频由位于开罗的Affectiva办公室的35名投标人分类,观看场景,将面部表情转化为适当的感情。例如,看到低垂的眉毛、紧张的嘴唇和半个眼睛,就不会附上标签愤怒。

这个被标记的人的感情数据集作为训练Affectiva的算法,这个算法自学如何把愤怒的脸、笑容和幸福等联系起来。这种标记方法,被感情检测行业的很多人指出是测量感情的黄金标准,是Paulekman和Wallacebookfriesen在1980年代开发的感情面部动作代码系统(Emfacs)。该系统的科学根源可追溯到1960年代,当时Ekman和两位同事假设有六种广泛的感情——愤怒、反感、焦虑、幸福、悲伤和惊讶——这些感情与我们密切相关,通过分析面部肌肉的运动可以在所有文化中找到。

为了检验这个假设,他们向世界上不同的人展示了脸部照片,拒绝分辨他们看到的感情。他们发现,尽管没有很大的文化差异,但人类不会把完全相同的表情和完全相同的感情一致。眉毛下垂,嘴唇关闭,眼睛一半的脸对美国银行家和巴布亚新几内亚的半游牧猎人来说意味着愤怒。

在接下来的20年里,Ekman利用他的发现开发了识别脸部特征并构成感情的方法。潜在的前提是,如果开始广泛的感情,相关的脸的动作就不会自动出现在脸上。即使那个人试图掩盖他们的情绪,现实的本能感也不会泄露。

整个20世纪下半年的叶子,这个理论被称为古典的感情理论,开始主导感情科学。Ekman以他的情绪检测方法为专利,开始将其作为训练项目出售给CIA、FBI、海关和边境保护局和TSA。现实情绪在面部格式化的观念甚至渗透到大众文化中,构成了Lietome节目的基础。但是,很多研究情绪本质的科学家和心理学家批评经典理论和Ekman的情绪检测方法。

近年来,心理学教授Barret明确教授Barrret明确提出了特别反感的长期谴责。Barret作为研究生首先遇到了经典理论。她必须客观地测量感情的方法,遇到了Ekman的方法。

总结文献时,她开始担心潜在的研究方法有缺陷。特别是,她指出通过获得照片给予的比赛感情标签,Ekman无意识地打算了他们的回答。她和一组同事通过重复Ekman的测试,检查了这个假设,没有得到标签,让受试者有权说明他们看到的图像的感情。

明确的面部表情和明确的感情关系直线上升。从那以后,Barret发展了自己的感情理论,在她的书《感情是怎样产生的:大脑的秘密生活》中说明。

她指出大脑中没有外部刺激启动时的广泛感情。无视,每次感情体验都包括更基本的部分。她写道:他们是你身体物理特性的融合,是灵活的大脑,把自己连接到那个环境,在你的文化和茁壮的环境中。感情是现实的,但客观上分子和神经元不是现实的。

他们的真实性与金钱的真实性完全相同,也就是说,这不是幻觉,而是人类同意的产物。Barret说明,把脸的表情构成所有文化和环境的感情是没有意义的。一个人生气的时候可能会皱眉,另一个人在策划敌人崩溃的时候可能会礼貌地笑。

因此,评价情绪最差的解释是动态实践,包括自动理解过程、人与人的对话、明确的经验和文化能力。她说:这听起来一起工作很多,但很明显。感情很简单。

Kaliouby也同意感情很简单,所以她和她在Affectiva的团队还在努力提高数据的丰富性和复杂性。除了用于视频而不是静止图像训练算法外,他们还尝试猎取更好的上下文数据,如声音、步骤和人类感觉以外的面部微小变化。她相信更好的数据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高于人类。但Barrret表示,这不仅与数据有关,还与数据如何标记有关。

情绪检测公司和其他情绪检测公司用于训练算法的标记过程,无法识别Barret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。纽约大学人工智能研究所领导主任Whittaker指出,基于Ekman过时的科学建设机械学习应用程序在某种程度上是一个糟糕的实践,它也成为了确实的社会危害。你已经看到招聘公司用于这些技术取决于应聘者是否是好员工。她说:在学校环境中,你也可以看到一些实验技术被明确提出来,仔细观察学生在课堂上是大力的、无聊的还是愤怒的。

这些信息可以用来阻止人们在学校工作或改变他们的待遇和评价方法。如果分析不准确,那将是明确的物质损害。Kaliouby说,她意识到感情检查有可能被欺诈,认真对待她的工作道德。

与公众就这一切的运作方式——在哪里应用,在哪里不应用于对话是很重要的。Kaliouby过去戴着头巾,她也敏锐地意识到制作不同数据集的重要性。

我们在训练这些算法时,保证训练数据多样化。我们必须代表种植者、亚洲人、肤色深的人,甚至戴头巾的人。

Affectiva为什么从87个国家收集数据?通过这个过程,他们注意到在不同的国家,感情传达可能有不同的强度和细微的差异。例如,巴西人用长而宽的笑容传达幸福,在日本,笑容不是对幸福的反应,而是对礼貌的反应。

Affectiva通过在系统中添加另一层分析来解释这种文化差异。编写了Kaliouby所说的根据种族的基准,编写了不同种族文化中如何传达感情的假设。但是,这种基于种族等标记的算法识别,Whittaker最担心情绪检测技术似乎是自动化相面的未来。

事实上,一些公司已经预测了某人成为恐怖分子或儿童癖者的可能性。同时,一些研究人员声称,他们享有的算法需要从脸上分开检测到性行为。

最近的一些研究指出,面部识别技术不会产生更有可能损害少数民族群体的种族主义。去年12月公开发表的报道显示,与白人相比,感情检测技术对黑人脸部的负面感情更多。Kaliouby回应,情绪系统明显有种族分类器,现在却没用忽略,他们用于地理位置作为确认某人来自哪里的标准。这意味着他们比较巴西的笑容和巴西的笑容,而日本的笑容和日本的笑容。

如果巴西有日本人呢?为什么系统能识别礼貌的笑容和快乐的笑容的微妙差异?Kaliouby否认,在这个阶段,这个技术不是100%的万无一失。()Via:theguardian((公共编号:)原始文章允许禁止发布。下一篇文章发表了注意事项。

本文关键词:亚博APP,亚博app下载地址

本文来源:亚博APP-www.mixfact.com