不要相信 AI 情感识别
情感识别是一个热门的新领域。
亚马逊、微软、IBM 等科技公司纷纷在卖它们的「情感识别」算法,用语音分析、肢体分析、步态分析,到眼动追踪等各种方式,来分析人们的情绪状态,不过其中最受关注的,还是面部识别。
▲亚马逊能从图片猜测一个人的身份,性别,年龄和情绪状态. 图片来自:纽约时报
面部识别情感是科学家们至少争论了 100 年的话题。但是过去一个世纪几乎没人对情感研究做过全面评估。
所以情感科学领域来自不同理论阵营的 5 位杰出科学家,审查了 1000 多份不同的科学论文,开始了一项为期 2 年的数据检查研究。
从面部动作中推断人类情感是不可靠的。
总的来说,他们认为目前对于面部情感的表达和感知方式,存在以下三种误解:
一是同样的情感并不总是以同样的方式表达,二是同样的面部表情不能表明同样的情感,三是不同文化和背景的面部感情表达都不同。
▲ 图片来自:情感研究实验室
科学家之一 Lisa Feldman Barrett 说道:
数据显示,当人们生气时,只有不到 30%的时间会皱起眉头,所以愁眉苦脸并不一定是愤怒的表现,只是愤怒的表达之一。更多时候人们皱眉只是他们正困惑、专注做事情,或者闻某样气体。
人们会愤怒地嘶喊,也会高兴地流泪,会在爱慕之人面前假装漠不关心,也会在春风满面的时候计划一项阴谋。这些情感太过复杂,甚至就算是把人们的面部表情放在你面前,你也看不出这是哭、是笑、是惊,还是只是单纯地爽:
▲英国汽车制造商 Jaguar Land Rover 开发的驾驶辅助装置识别技术. 图片来自:Jaguar Land Rover
在一些针对面部表情与情感之间的相关性研究中,也存在着和人们生活中真实情况不符的缺陷。
当研究中参试者被要求表达感情时,他们往往会从既定俗成的面部情绪,以达到大家普遍认为的愤怒、厌恶、恐惧、快乐、悲伤、惊喜等表情共识。
一些大公司承认了情感表达的微妙之处很难判定。比如微软就表示它们的软件分析情感主要「认准八大核心情绪状态」。但把情绪归类,实际上有点刻板印象。
▲较普遍的六种情绪类别:愤怒,厌恶,恐惧,快乐,悲伤和惊喜.
还有一些公司尝试了更多可能性,在该领域技术领先的公司 Affectiva,表示它们不限于面部表情识别情绪,还收集了更多指标评定,去年他们就让面部识别和语音分析结合,来判断驾驶员的情绪,但所有的指标加在一起如何平衡也有待考量。
需要引起注意的是,在面部情感识别尚未完全达到理想效果时,它已经进入我们生活了。
当它利用不准确的标准,达成不严谨的决策,就可能对人们造成一些真实的伤害。已有公司在招聘时以此判断应聘者是否能胜任工作,这可能会导致某人屡屡失业,或求职时刻意伪装;在法庭中法官用面部表情判断嫌疑人是否犯罪,可能会直接导致一场死刑。
▲法国警察和面部分析先驱 Alphonse Bertillon 靠该技术识别屡犯者. 上图为 Alphonse Bertillon 示范大头照. 图片来自:纽约时报
AI Now Institute 的一份报告也认为该技术正在「以不道德和不负责任的方式应用」:
这些简单类别的算法可能会重现过时的科学范式的错误。
但需要肯定的是,在我们未来生活中,情感识别可以预见地会越来越重要。
车上的面部识别情感技术,可以识别到我们驾驶时正在犯困或焦躁的情绪,然后提醒我们更加专注和平静,以减少事故的发生。
手机上能够面部识别情感的话,就能根据我们的状态,让我们刷社交媒体时收到更符合心境的内容,而对商家来说,他们也希望能以此衡量我们对广告的反应,给我们进行更准确的产品推荐。
▲Affectiva 公司的市场研究.
另外,情感失控在当代网络上,随时都可以掀起一场波澜。而面部识别情感或许能在人们想发出一条言语暴力的攻击时,收到平台的提醒:
你这条消息可能会让一万人受到心理伤害。
事实上,整个自动化的情感识别行业正在迅速崛起。
全球情感识别和情感分析软件市场研究报告预测该市场在 2018-2023 期间将以 60.25%的复合年增长率增长,美国公民自由联盟 (ACLU) 指出,2025 年情感识别软件的市场预计将在广告营销、驾驶出行、智能机器人等领域达到至少 38 亿美元。
▲ 图片来自:ACLU
但随着市场需求越来越大,不管情感识别的技术会不会更加先进,从而达到精准识别人们内心的情感,我们都最好用更批判的目光看待它。
因为对情感错误理解的算法可能会使偏见更难以发现,而且更深一层的忧虑正如 AI Now Institute 报告所说:
它会严重引发令人不安的道德问题——即将个人真实性格和情感的仲裁者,定位在个人之外。
毕竟谁也不想未来走在路上,人人脸上都是蒙娜丽莎的微笑。
题图来自:Inverse
欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。
作者暂无likerid, 赞赏暂由本网站代持,当作者有likerid后会全部转账给作者(我们会尽力而为)。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: