Чтение эмоций сродни френологии или чтение ударов на голове, чтобы предсказать умственные качества. Оба основаны на упрощенных и ошибочных предположениях, которые могут ложно травмировать человека на всю жизнь. ⁃ TN Editor
Может ли программа обнаружить потенциальных террористов по их выражению лица и поведению? Именно эту гипотезу проверила Администрация транспортной безопасности США (TSA) в 2003, поскольку она начала тестировать новую программу наблюдения, которая называется «Проверка пассажиров по методам наблюдений», или для краткости Spot.
При разработке программы они консультировались с Полом Экманом, почетным профессором психологии в Калифорнийском университете в Сан-Франциско. Десятилетиями ранее Экман разработал метод определения мельчайших выражений лица и сопоставления их с соответствующими эмоциями. Этот метод использовался для обучения «сотрудников по выявлению поведения» сканированию лиц на наличие признаков обмана.
Но когда программа была развернута в 2007, у нее были проблемы. Офицеры были ссылаясь пассажиры для допроса более или менее наугад, и небольшое количество арестов, которые произошли, были по обвинениям, не связанным с терроризмом. Еще более тревожным был тот факт, что программа якобы используемый оправдать расовое профилирование.
Экман попытался дистанцироваться от Спота, утверждая, что его метод был применен неправильно. Но другие предположили, что провал программы произошел из-за устаревшей научной теории, которая лежала в основе метода Экмана; а именно, что эмоции могут быть выведены объективно через анализ лица.
В последние годы технологические компании начали использовать метод Экмана для обучения алгоритмов обнаружения эмоций по выражению лица. Некоторые разработчики утверждают, что системы автоматического обнаружения эмоций будут не только лучше, чем люди, обнаруживать истинные эмоции путем анализа лица, но и что эти алгоритмы будут настроены на наши самые сокровенные чувства, значительно улучшая взаимодействие с нашими устройствами.
Но многие эксперты, изучающие науку об эмоциях, обеспокоены тем, что эти алгоритмы снова потерпят неудачу, принимая важные решения о нашей жизни на основе ошибочной науки.
Технология обнаружения эмоций требует двух методов: компьютерного зрения для точной идентификации выражений лица и алгоритмов машинного обучения для анализа и интерпретации эмоционального содержания этих черт лица.
Как правило, на втором этапе используется метод, называемый контролируемым обучением, процесс, с помощью которого алгоритм обучается распознавать вещи, которые он видел раньше. Основная идея состоит в том, что если вы покажете алгоритму тысячи и тысячи изображений счастливых лиц с меткой «счастливый», когда он увидит новую картину счастливого лица, он снова будет идентифицировать его как «счастливый».
Аспирант Рана эль Калиуби был одним из первых, кто начал экспериментировать с этим подходом. В 2001, переехав из Египта в Кембриджский университет, чтобы получить докторскую степень в области компьютерных наук, она обнаружила, что проводит больше времени со своим компьютером, чем с другими людьми. Она подумала, что если она сможет научить компьютер распознавать и реагировать на свое эмоциональное состояние, ее время, проведенное вдали от семьи и друзей, будет менее одиноким.
Kaliouby посвятил остальную часть своих докторских исследований, чтобы работать над этой проблемой, в конечном счете разрабатывая устройство, которое помогло бы детям с синдромом Аспергера читать и реагировать на выражения лица. Она назвала это «эмоциональным слуховым аппаратом».
В 2006 Калиоби присоединилась к лаборатории Affective Computing в Массачусетском технологическом институте, где вместе с директором лаборатории Розалинд Пикард продолжала совершенствовать и совершенствовать технологию. Затем в 2009 они соучредителями стартап под названием Affectiva, первый бизнес на рынке «искусственный эмоциональный интеллект».
wpDiscuz
Крупнейший террорист - правительство
Где сканирование лица для них?