AI观眼识人术,我们离“透明人”还有多远?

2018 年 8 月 2 日 动点科技

动点科技 | ID:technode


日莲宗的《妙法尼》说过:“巨人也好,诛儒也罢,其志气乃表现在一尺的脸上;一尺脸上的志气,则尽收在一寸的眼睛中。”所以,与其察言观色,不如观察他的眼睛。

 

近日,来自南澳大利亚大学(University of South Australia)、澳大利亚弗林德斯大学(Flinders University)、德国斯图加特大学(University of Stuttgart)和德国马克斯普朗克信息学研究所(Max Planck Institute for Informatics in Germany)机构的研究人员使用最先进的机器学习算法,通过对42名参与者的眼部运动进行了跟踪调查,证明了性格和眼球运动之间的关系。结果发现,眼球运动能够体现出一个人是否善于交际、小心谨慎或充满好奇心,同时算法软件能够可靠地识别出“大五人格”中的四种:神经质、外向性、宜人性和尽责性。

 

当你的性格可以被AI一眼看穿,你就必须意识到人工智能的发展着实令人叹为观止。而人脸识别技术作为计算机视觉的头号当家花旦,在人工智能领域无疑是一颗璀璨的新星。事实上,人脸识别是一项场景性非常强的领域,其核心技术能力不在于算法本身,而在于对场景的深耕研究。将特定场景数据注入人脸识别技术当中,紧密围绕场景需求最终实现产品化是其目的。基于此,这一技术在随后近几年内以迅雷不及掩耳之势在银行、交通、电子商务、机场、地铁等场景应用频频刷屏,热度居高不下。

 

人工智能情绪识别是基于人脸识别技术之上的又一次重大突破,从“看得见、看得清”升级为“看得懂”,完成了画龙点睛的杰作。情绪识别的能力用处极大,在医疗业、服务业甚至审讯领域都会发挥不小的作用,很多世界顶尖的研究机构都在进行这方面的研究。通过识别和追踪面部表情,这项技术可以借助个性化算法对个人进行情感表达分析。不仅能够分辨出类似于喜悦、愤怒、悲伤、惊讶等等这种的基础表情,还能够分析出一些更细微和复杂的表情,比如焦虑以及沮丧。

 

想象一下,一位虚拟心理医生在临床诊断时可以通过分析患者的面部表情来确诊抑郁症,甚至可以随着病情的变化来量化情绪变化;老师们能知道课程计划是否适用于全体学生;智能客服能迅速解决问题,让客户满意和高兴。如果机器能理解我们的情绪,我们与机器的交互就会变得更加丰富,机器也能为我们高效、便捷和快速地服务。

 

如果说情绪来自内心与外部环境的交互,那么性格主要表示一个人在生活中的态度以及为人处世的一种方式,其长期形成且具有一定的稳定性,显然性格比情绪更加隐秘。而近日AI可通过观察眼球运动预测性格的研究结果足以说明人脸识别技术的渐入佳境。AI不仅可以学会认识我们是谁,还可以知道我们的所感所想,现在又能够捕捉我们的人格特征。

 

正如AI情绪识别,AI性格识别未来也一定会广泛运用于各类场景中。例如,面试过程中,考官难免会有偏见,但运用该技术后,他们就不会依据外表来评判申请人,而是会依据他们的性格,因此可以有效克服招聘过程的种族和性别歧视。

 

当然,要想将AI性格识别这一技术运用到各大场景中服务于我们的生活,意味着需要收集、分析和使用大量数据,其中很多信息便属于个人信息,隐私成了人们最担忧的问题。



大数据时代最廉价的就是数据,最值钱的也是数据。大数据运用于人工智能无疑是如虎添翼。如果把AI看成一个嗷嗷待哺、拥有无限潜力的婴儿,某一领域专业海量的深度数据就是喂养这个天才的“奶粉”。当“婴儿”茁壮成长起来之后,人们可能会面临AI对数据整合和计算过程中的诸多安全和隐私挑战。可以说,新技术会带来新问题,而最大的问题是隐私,以及数据被分析后会如何处理。

 

之前Facebook“隐私门”的爆发,让整个科技界都感到了危机。数据安全和用户隐私问题成为科技行业的焦点,随之而来的是美国加州新的隐私保护法和欧盟更加严厉的GDPR法律。其实数据隐私并不是非黑即白,鱼和熊掌不可兼得的,这中间可以找到权衡点。

 

一方面需要从源头做起,要在法律层面有所制约。如何让监管能够跟上技术化的脚步,这需要监管和所有从业者共同探讨;另一方面从产品和技术本身也可以做出突破。作为一项发展中的新兴技术,人工智能系统当前还不够成熟。如何从产品设计的角度合理运用数据,给用户更多的知情权和选择权值得进一步完善。

 

总的来说,AI识别技术由浅入深,带来更多的是人类的福音。而关于人工智能的隐私危机是它一出生就存在的,人类未来的失业问题可以解决,技术问题可以攻克,但它所带来的隐私安全问题如果从一开始就不重视,等到技术足够强大会变得覆水难收。


社会和技术的进步会解决“AI威胁”问题,我们不能因噎废食。技术本身是中性的,一味的禁止或担忧是不必要的,况且禁的是君子,禁不了小人。还需从法律制度与技术本身寻找突破口,只有明确权责,各方协同,人们才能真正畅快无忧地享受AI技术进步带来的便捷。


- - - - - - - -   END   - - - - - - - -


推荐阅读


点击图片即可阅读往期文章


从“毒疫苗”看企业社会责任


登录查看更多
1

相关内容

Yoshua Bengio最新《深度学习》MLSS2020教程,附104页PPT及视频
专知会员服务
134+阅读 · 2020年7月10日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
37+阅读 · 2020年4月15日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
307+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
86+阅读 · 2019年12月13日
谷歌机器学习速成课程中文版pdf
专知会员服务
147+阅读 · 2019年12月4日
深度学习的冬天什么时候到来?
中国计算机学会
14+阅读 · 2019年7月17日
何晖光:多模态情绪识别及跨被试迁移学习
深度学习大讲堂
58+阅读 · 2019年4月23日
从代码到300优质客户,用户画像在销售的实战应用
R语言中文社区
5+阅读 · 2018年6月16日
万万没想到,枯燥的“机器学习”还可以这样学!
关于机器学习,你需要知道的三件事!
云栖社区
3+阅读 · 2018年3月3日
“我今年36岁了,除了收费啥也不会!”
创业邦杂志
4+阅读 · 2018年1月14日
中美日全球美女机器人大PK,哪一款是你想要的味道?
机器人大讲堂
4+阅读 · 2017年9月16日
Arxiv
20+阅读 · 2020年6月8日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Arxiv
11+阅读 · 2018年7月8日
Arxiv
5+阅读 · 2018年4月17日
Arxiv
14+阅读 · 2018年4月6日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
相关VIP内容
Yoshua Bengio最新《深度学习》MLSS2020教程,附104页PPT及视频
专知会员服务
134+阅读 · 2020年7月10日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
37+阅读 · 2020年4月15日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
307+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
86+阅读 · 2019年12月13日
谷歌机器学习速成课程中文版pdf
专知会员服务
147+阅读 · 2019年12月4日
相关资讯
深度学习的冬天什么时候到来?
中国计算机学会
14+阅读 · 2019年7月17日
何晖光:多模态情绪识别及跨被试迁移学习
深度学习大讲堂
58+阅读 · 2019年4月23日
从代码到300优质客户,用户画像在销售的实战应用
R语言中文社区
5+阅读 · 2018年6月16日
万万没想到,枯燥的“机器学习”还可以这样学!
关于机器学习,你需要知道的三件事!
云栖社区
3+阅读 · 2018年3月3日
“我今年36岁了,除了收费啥也不会!”
创业邦杂志
4+阅读 · 2018年1月14日
中美日全球美女机器人大PK,哪一款是你想要的味道?
机器人大讲堂
4+阅读 · 2017年9月16日
相关论文
Arxiv
20+阅读 · 2020年6月8日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Arxiv
11+阅读 · 2018年7月8日
Arxiv
5+阅读 · 2018年4月17日
Arxiv
14+阅读 · 2018年4月6日
Arxiv
5+阅读 · 2016年10月24日
Top
微信扫码咨询专知VIP会员