欢迎您访问山东某某机械环保科有限公司网站,公司主营某某机械、某某设备、某某模具等产品!
全国咨询热线:021-67796886

新闻资讯

热门新闻

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”

来源:亚博yabo888vip官网2021-11-25
本文摘要:否有一个程序可以通过加载潜在的恐怖分子的面部表情和不道德来找到他们?这是美国交通安全管理局(TSA)于2003年明确提出的一个假设,当时它开始测试一个新的监控程序,称作“通过观察技术筛查乘客”,全称SPOT。在制订该计划时,他们咨询了旧金山加利福尼亚大学心理学荣誉教授Paul Ekman。几十年前,Ekman研发了一种辨识微小面部表情并将其同构到适当情绪的方法。 这种方法被用来训练“不道德检测人员”,以扫瞄面部否有愚弄迹象。但是当该计划于2007年发售时,却遇上了问题。

亚慱体育app在线下载ios

否有一个程序可以通过加载潜在的恐怖分子的面部表情和不道德来找到他们?这是美国交通安全管理局(TSA)于2003年明确提出的一个假设,当时它开始测试一个新的监控程序,称作“通过观察技术筛查乘客”,全称SPOT。在制订该计划时,他们咨询了旧金山加利福尼亚大学心理学荣誉教授Paul Ekman。几十年前,Ekman研发了一种辨识微小面部表情并将其同构到适当情绪的方法。

这种方法被用来训练“不道德检测人员”,以扫瞄面部否有愚弄迹象。但是当该计划于2007年发售时,却遇上了问题。官员们某种程度地随便运用该技术对人展开审问,而且少数被捕行动是与恐怖主义牵涉到。更加令人担忧的是,该计划据信被用来证明种族相貌的合理性。

Ekman企图将自己与Spot维持距离,声称他的方法被误解了。但其他人指出,该计划的告终是由于过时的科学理论承托了Ekman的方法。近年来,科技公司早已开始用于Ekman的方法来训练从面部表情中检测情绪的算法。

一些开发人员声称,自动情绪检测系统不仅比人类更佳地通过分析面部表情来找到现实的情绪,而且这些算法将适应环境我们内心的感觉,很大地提高了与设备的交互。但是,许多研究情绪科学的专家担忧这些算法根据错误的科学理论不会作出高风险的要求,也将有可能再度告终。辨识你的脸:一个200亿美元的行业情绪检测必须两种技术:计算机视觉,准确辨识面部表情;机器学习算法,分析和说明这些面部特征的情绪内容。

一般来说,第二步使用一种称作监督自学的技术,通过这种技术,一个算法被训练来辨识它以前见过的东西。基本的点子是,如果你在看见一张新的幸福脸谱图时,用标签“幸福”来表明成千上万张幸福脸谱图的算法,它不会再度将其辨识为“幸福”。研究生Rana el Kaliouby是第一批开始尝试这种方法的人之一。

2001年,在从埃及搬到到剑桥大学修读计算机科学博士学位后,她发现自己花上在计算机上的时间比其他人更加多。她指出,如果她能教电脑辨识情绪并对她的情绪状态作出反应,那么她靠近家人和朋友的时间就会那么寂寞。Kaliouby致力于这项研究,并最后研发出有一种辅助阿斯伯格综合症儿童读者和对此面部表情的设备。她称作“情绪助听器”。

2006年,Kaliouby重新加入麻省理工学院的情绪计算出来实验室,与实验室主任Rosalind Picard一起之后改良和完备该技术。然后,在2009年,他们联合创立了一家取名为Affectiva的创业公司,这是第一家营销“人工情绪智能”的公司。最初,Affectiva将他们的情绪检测技术作为市场研究产品出售,为广告和产品获取动态的情绪反应。他们寻找了客户,如Mars、凯洛格和哥伦比亚广播公司等客户。

Picard于2013年离开了Affectiva,并重新加入了一家有所不同的生物识别创业公司,业务之后快速增长,环绕它的行业也是如此。亚马逊、微软公司和IBM仍然将“情绪分析”作为他们面部辨识产品的主要功能展开宣传,并且许多小公司,如Kairos和Eyeris早已经常出现,为Affectiva获取类似于的服务。除了市场研究,情绪检测技术现在被用作监测和检测驾驶员受损,测试视频游戏的用户体验以及协助医疗专业人员评估患者的健康状况。

Kaliouby看见情绪检测从一个研究项目发展沦为一个价值200亿美元的行业,她对这种快速增长的持续性充满信心。她预测,在旋即的将来,当这项技术无处不在并带入我们所有的设备中时,需要“利用我们的内心、潜意识作出瞬间的反应”。来自87个国家的750万个面孔数据与大多数机器学习应用程序一样,情绪检测的进展各不相同采访更高质量的数据。

根据Affectiva的网站,他们享有世界上仅次于的情绪数据存储库,来自87个国家的面孔,数量多达750万,其中大部分就是指人们收听电视或驾车每天下班的选择性视频中搜集的。这些视频由坐落于开罗的Affectiva办公室的35名贴标人展开分类,他们观赏镜头并将面部表情转化成为适当的情绪。例如,如果他们看见低垂的眉毛、紧绷的嘴唇和半部的眼睛,他们不会附上标签“气愤”。

这个被标记的人类情绪数据集然后将用作训练Affectiva的算法,该算法自学如何将气愤的脸、笑脸与快乐等联系在一起。这种标记方法,被情绪检测行业的许多人指出是测量情绪的黄金标准,它由Paul Ekman和Wallace V Friesen在20世纪80年代研发的一种叫“情绪面部动作编码系统(Emfacs)”派生而来。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广泛的情绪——气愤、反感、不安、幸福、哀伤和吃惊——这些情绪与我们具有密切的联系,并且可以通过分析面部肌肉的运动在所有文化中被找到。

为了检验这一假设,他们向全世界有所不同的人群展出了面部照片,拒绝他们分辨他们所看见的情绪。他们找到,尽管不存在极大的文化差异,人类还是不会将完全相同的面部表情与完全相同的情绪相匹配。一张眉毛低垂、嘴唇关上、眼睛半部的脸对美国的银行家和巴布亚新几内亚的半游牧猎人来说都意味著“气愤”。

在接下来的二十年里,Ekman利用他的找到研发了一种辨识面部特征并将其同构到情绪的方法。潜在的前提是,如果一个人的广泛情绪被启动时,那么一个涉及的面部动作就不会自动经常出现在脸上。即使那个人企图掩盖他们的情绪,现实的本能的感觉也不会“泄漏”。

整个20世纪后半叶,这一理论被称作“经典情绪理论”,开始主导着情绪科学。Ekman将他的情绪检测方法作为专利,并开始将其作为培训项目出售给CIA、FBI、海关和边境保护局以及TSA。现实情绪在脸上格式化的观念甚至渗透到大众文化中,构成了“Lie to me”节目的基础。

然而,许多研究情绪本质的科学家和心理学家批评经典理论和Ekman的涉及情绪检测方法。情绪检测理论倍受批评近年来,心理学教授Barret明确提出了一个尤其反感而长久的抨击。Barret作为研究生首先遇上了古典理论。

她必须一种客观地测量情绪的方法,并且遇上了Ekman的方法。在总结文献时,她开始担忧潜在的研究方法有缺陷——尤其是,她指出通过为人们获取与照片给定的复赛情绪标签,Ekman无意中“打算”了他们得出的某些答案。

她和一组同事通过重演Ekman的测试来检验这个假设,而不获取标签,让受试者可以权利地叙述他们所看见的图像中的情绪。明确的面部表情和明确的情绪之间的关系直线上升。从那时起,Barret发展了她自己的情绪理论,这在她的书《情绪是如何产生的:大脑的秘密生活》中有所阐释。

她指出,大脑中没由外部性刺激启动时的广泛情绪。忽略,每一次情绪体验都是由更加基本的部分包含的。她写到:“它们是你身体物理特性的融合,是一个灵活性的大脑,它将自己相连到它所处的任何环境中,以及你的文化和茁壮环境中。”“情绪是现实的,但在客观意义上不是分子或神经元是现实的。

它们的真实性与金钱的真实性是完全相同的,也就是说,这不是幻觉,而是人类一致同意的产物。”Barret说明说道,把面部表情必要同构到所有文化和环境中的情绪是没意义的。

当一个人生气时可能会皱眉,而另一个人可能会在策划敌人垮台时礼貌地微笑。因此,评估情绪最差解读为一种动态实践中,还包括自动理解过程、人与人的对话、明确经验和文化能力。她说道:“这听得一起看起来很多工作,但显然如此。

”“情绪是简单的。”Kaliouby也表示同意情绪是简单的,这就是为什么她和她在Affectiva的团队仍然在努力提高他们数据的丰富性和复杂性的原因。

除了用于视频而不是静止图像来训练算法外,他们还尝试着捕猎更好的上下文数据,比如声音、步态以及人类感官之外的面部微小变化。她坚信更佳的数据将意味著更加精确的结果。

一些研究甚至声称机器在情绪检测方面早已高于人类。但据Barret说道,这不仅与数据有关,而且与数据如何被标记有关。情绪检测公司和其他情绪检测公司用来训练算法的标记过程,不能辨识Barret所说的“情绪刻板印象”,就像表情符号一样,这些符号合乎我们文化中熟知的情绪主题。

纽约大学人工智能研究所的牵头主任Whittaker指出,基于Ekman过时的科学建构机器学习应用程序某种程度是一种差劲的实践中,它还转化成为确实的社会危害。“你早已看见聘用公司用于这些技术来取决于应聘者是否是一个好员工。”她说道:“在学校环境中,你也可以看见一些实验性的技术被明确提出,以仔细观察学生在课堂上是大力的、无趣的还是气愤的。”“这些信息可以用来制止人们取得工作或转变他们在学校的待遇和评估方式,如果分析不十分精确,那将是一种明确的物质损害。

”Kaliouby说道,她意识到情绪检测有可能被欺诈的方式,并将认真对待她的工作道德。“与公众就这一切的运作方式——在哪里应用于以及在哪里不应用于展开对话至关重要。”Kaliouby过去戴着过头巾,她也敏锐地意识到创建有所不同数据集的重要性。她说道:“我们保证当我们训练这些算法时,训练数据是多样的。

”“我们必须代表白种人、亚洲人、肤色较深的人,甚至是戴头巾的人。”这就是为什么Affectiva从87个国家搜集数据的原因。通过这个过程,他们注意到在有所不同的国家,情绪传达或许呈现有所不同的强度和细微差别。例如,巴西人用长而宽的微笑来传达快乐,而在日本,微笑并不回应快乐,而是回应礼貌。

Affectiva通过在系统中加到另一层分析来说明这种文化差异。编撰了Kaliouby所说的“基于种族的基准”,或编撰了关于有所不同种族文化中如何传达情绪的假设。

但正是这种基于种族等标记的算法辨别,让Whittaker最担忧情绪检测技术似乎了自动化“相面”的未来。事实上,早已有公司对某人沦为恐怖分子或恋童癖者的可能性展开了预测,同时也有研究人员声称,他们享有的算法需要分开从脸上检测到性行为。最近几项研究还指出,面部辨识技术不会产生更加有可能损害少数族裔群体的种族主义。

去年12月公开发表的一篇文章表明,与白人比起,情绪检测技术给黑人脸上的负面情绪更加多。Kaliouby回应,情绪系统显然有一个“种族分类器”,但是他们现在没用于它。

忽略,他们用于地理位置作为确认某人来自哪里的基准。这意味著他们将巴西的微笑与巴西的微笑展开较为,而日本的微笑与日本的微笑展开较为。“如果巴西有一个日本人呢?怎么会系统能辨识出有礼貌微笑和快乐微笑的细微差别吗?“Kaliouby否认,在这个阶段,这项技术并不是百分之百的万无一失。

()Via:theguardian((公众号:))原创文章,予以许可禁令刊登。下文闻刊登须知。


本文关键词:87个,国家,、,750万个,面孔,数据,『,情绪,识别,亚博yabo888vip官网

本文来源:亚搏手机版app下载-xaqrcw.com