一種識別細微面部表情的方法，掃描臉部觀察是否有欺騙的跡象

機器現(xiàn)在可以識別憤怒、恐懼、厭惡和悲傷，而情感檢測已從一個研究項目發(fā)展到價值200億美元的產(chǎn)業(yè)。

檢測程序能通過讀取面部表情和行為發(fā)現(xiàn)潛在的***嗎？這是美國交通安全管理局（TSA）2003年提出的一個假設(shè)，在開發(fā)這個項目時，他們咨詢了舊金山加利福尼亞大學(xué)心理學(xué)榮譽退休教授保羅·艾克曼（Paul Ekman）。幾十年前，艾克曼（Ekman）已經(jīng)開發(fā)出了一種識別細微面部表情的方法，并將它們映射到相應(yīng)的情緒上，這種方法被用來訓(xùn)練“行為檢測人員”——掃描臉部觀察是否有欺騙的跡象。

但當(dāng)該計劃于2007年推出時，卻面臨種種問題，比如警察利用該技術(shù)經(jīng)常錯誤的逮捕嫌犯，更令人擔(dān)憂的是，該計劃據(jù)稱涉嫌種族歧視。

此后，艾克曼（Ekman）試圖與美國交通安全管理局的項目脫離關(guān)系，聲稱他的方法被誤用了，但分析人士認為，該計劃的失敗是因為艾克曼（Ekman）的一個過時科學(xué)理論；即情緒可以通過面部的分析客觀地推斷出來。

近年來，科技公司已經(jīng)開始使用艾克曼（Ekman）的方法來訓(xùn)練從面部表情中檢測情感的算法，一些開發(fā)人員聲稱，自動情緒檢測系統(tǒng)不僅比人類更好地通過分析面部表情洞察真實的情緒，而且這些算法也將適應(yīng)檢測我們內(nèi)心的感受，極大地改善了我們與電子設(shè)備的交互。

但是許多研究情感科學(xué)的專家擔(dān)心這些算法會再次失敗，基于錯誤的科學(xué)對我們的生活做出高風(fēng)險的決定。

01

價值200億美元的大生意

情感檢測科技需要兩種技術(shù)：計算機視覺，用于精確識別面部表情。機器學(xué)習(xí)算法，用于分析和解釋這些面部特征表達的情感內(nèi)容。

行人檢測攝像頭正在工作 圖/紐約時報

第二步通常采用一種名為監(jiān)督學(xué)習(xí)的技術(shù)。通過這種技術(shù)，一個算法被訓(xùn)練出來識別它曾經(jīng)見過的東西?；镜南敕ㄊ?，如果你在“happy”（“快樂”）這個標(biāo)簽下顯示出成千上萬張笑臉的圖像，當(dāng)它看到一張上面有笑臉的新照片時，會再次把它識別為“happy”（“快樂”）。

研究生拉娜·艾爾·卡利歐比（Rana el Kaliouby）是最早開始試驗這種方法的研究人員之一。2001年，從埃及來到劍橋大學(xué)攻讀計算機科學(xué)博士學(xué)位后，她發(fā)現(xiàn)自己花在電腦上的時間比花在與其他人相處的時間更多。她認為，如果她能教電腦識別自己的情緒狀態(tài)并做出反應(yīng)，那么沒有家人和朋友在身邊時，她也不會那么孤獨了。

卡利歐比（Kaliouby）博士階段的其余研究都致力于解決這個問題。最終，她開發(fā)出了一種設(shè)備，可以幫助患有亞斯伯格綜合癥（Asperger syndrome）的兒童閱讀面部表情并做出相應(yīng)的反應(yīng)。她稱其為“情感助聽器”。

2006年，卡利歐比（Kaliouby）加入麻省理工學(xué)院的情感計算實驗室，在那里，她與實驗室主任羅莎琳德·皮卡德（Rosalind Picard）一起，繼續(xù)改進和完善這項技術(shù)。此后，2009年，她們共同創(chuàng)辦Affectiva公司，面向市場銷售“人工情感智能”。

一開始，Affectiva將她們的情感檢測技術(shù)作為一種市場研究產(chǎn)品出售，為廣告和產(chǎn)品做出實時的情感反應(yīng)，他們找到了諸如瑪氏（Mars），家樂氏（Kellogg’s）和哥倫比亞廣播公司（CBS）這樣的客戶。如今，亞馬遜、微軟和IBM也將“情感分析”作為他們的面部識別產(chǎn)品之一，許多較小的公司，如Kairos 和Eyris也已經(jīng)開始崛起，提供類似的服務(wù)。

除了市場研究以外，情感檢測技術(shù)現(xiàn)在還被用于監(jiān)控和檢測駕駛員的身體損傷，測試視頻游戲的用戶體驗，以及幫助醫(yī)療專業(yè)人士評估患者的健康狀況。

卡利歐比（Kaliouby）目睹了情感檢測從一個研究項目成長為一個價值200億美元的行業(yè)。她相信該行業(yè)將繼續(xù)發(fā)展壯大?？ɡ麣W比（Kaliouby）預(yù)言，在不久的將來，這項技術(shù)將無處不在，并整合到我們所有的設(shè)備當(dāng)中，能夠“利用我們內(nèi)在的、潛意識的、時時刻刻的反應(yīng)”。

02

囊括87個國家750萬張人臉的數(shù)據(jù)庫

與大多數(shù)機器學(xué)習(xí)應(yīng)用程序一樣，情感檢測的進展取決于訪問更高質(zhì)量的數(shù)據(jù)。

展會上的面部識別軟件 圖/路透社

Affectiva公司表示，他們的情感數(shù)據(jù)存儲庫包含來自87個國家的750多萬張面孔，其中大部分是從收看電視或每天上下班行人的選擇性錄像中收集的。

目前，利用該技術(shù)可以將面部表情翻譯成對應(yīng)的情緒，例如，如果他們看到眉毛低垂，嘴唇緊閉，眼睛凸出的面容，就會貼上“憤怒”的標(biāo)簽。然后，這個帶有標(biāo)記的人類情緒數(shù)據(jù)集就會被用來訓(xùn)練算法，該算法會學(xué)習(xí)如何將皺眉頭的臉與憤怒、微笑的臉與幸福等等聯(lián)系起來。

這種標(biāo)注方法，在情感檢測行業(yè)中被許多人認為是衡量情感的黃金標(biāo)準(zhǔn)，它是由保羅·艾克曼（Paul Ekman）和弗里森（Wallace V Friesen）于20世紀80年代開發(fā)的一款名為“情感面部動作編碼系統(tǒng)”（Emfacs）衍生而來。

這個系統(tǒng)的科學(xué)根源可以追溯到20世紀60年代，當(dāng)時艾克曼（Ekman）和兩位同事假設(shè)世界上存在六種普遍的情緒——憤怒、厭惡、恐懼、幸福、悲傷和驚訝——這些是我們與生俱來的情緒反應(yīng)，可以通過分析面部肌肉運動在所有身處不同文化的人群中檢測到。

為了驗證這一假設(shè)，他們向全世界不同地區(qū)的人群展示了面部照片，要求他們辨別他們所看到的情緒。他們發(fā)現(xiàn)，盡管存在巨大的文化差異，人類還是會將相同的面部表情與相同的情感匹配在一起。對于美國的銀行家和巴布亞新幾內(nèi)亞的半游牧獵人來說，眉毛低，嘴唇緊閉，眼睛凸出的臉都意味著“憤怒”。

此后的二十年里，艾克曼（Ekman）利用他的發(fā)現(xiàn)開發(fā)了一種識別面部特征并將其映射到對應(yīng)情緒的方法，潛在的前提是如果一個人的普遍情緒被觸發(fā)，那么一個相關(guān)的面部動作就會自動地出現(xiàn)在臉上。即使那個人試圖掩飾情緒，真實的本能感覺也會“泄露”出來，因此懂得觀察的人可以捕捉到對方的情緒。

整個20世紀后半葉，這個理論被稱之為經(jīng)典情感理論，開始主宰情感科學(xué)。艾克曼（Ekman）為他的情感檢測方法申請了專利，并開始將其作為訓(xùn)練項目出售給CIA、FBI、海關(guān)和邊境保護局以及TSA，真實情感可讀的觀念甚至滲透到了大眾文化之中，構(gòu)成了電視劇Lie to Me的理論基礎(chǔ)。

然而，眾多研究情感本質(zhì)的科學(xué)家和心理學(xué)家對經(jīng)典理論和?？寺‥kman）的相關(guān)情感檢測方法提出質(zhì)疑，近年來，東北大學(xué)心理學(xué)教授麗薩·費爾德曼·巴雷特（Lisa Feldman Barrett）提出了一個強烈且持久的批評。

巴雷特（Barrett）在研究生時期首先遇到了經(jīng)典理論，她需要一種客觀測量情感的方法，于是發(fā)現(xiàn)了艾克曼（Ekman）的方法。在回顧文獻時，她開始擔(dān)心潛在的研究方法有缺陷。具體地說，她認為通過給人們提供預(yù)選的情感標(biāo)簽來匹配照片，艾克曼（Ekman）無意中“已經(jīng)有了預(yù)設(shè)的答案”。

巴雷特（Barrett）和一組同事通過重新運行艾克曼（Ekman）的測試來檢驗這個假設(shè)。但他們不提供標(biāo)簽，讓測試者自由地描述自己所看到圖像中的情緒，具體面部表情和具體情緒之間的關(guān)系直線下降。

從那時起，巴雷特（Barrett）發(fā)展了自己的情感理論，在她的著作《情感是如何產(chǎn)生的：大腦的秘密生活》（How Emotions Are Made: the Secret Life of the Brain）中得以闡述，她認為，大腦中沒有由外部刺激觸發(fā)的普遍情緒，相反，每一次情感體驗都是由更基本的部分構(gòu)成的。

她寫道：“情感是你身體物理特性的結(jié)合，是一個靈活的大腦，可以連接到所處的任何環(huán)境中，是你的文化和教養(yǎng)提供了這種環(huán)境，情感是真實的，但在客觀意義上不是說分子或神經(jīng)元是真實的，與金錢一樣真實，這不是幻覺，而是人類一致同意的產(chǎn)物。”

巴雷特解釋說，把面部表情直接映射到所有文化和環(huán)境中的情緒，這么做是沒有意義的，一個人生氣時可能會皺眉，而另一個人可能會向敵人禮貌地微笑，因此，評估情緒最好理解為一種動態(tài)實踐，包括自動認知過程、人與人的互動、具體經(jīng)驗和文化能力。她說，“這聽起來很費勁，但確實如此?！笨ɡ麣W比同樣認為“情感是復(fù)雜的。”

這就是為什么她和她在情感研究所的團隊一直努力提高數(shù)據(jù)豐富性和復(fù)雜性的原因。

除了使用視頻而不是靜止圖像來訓(xùn)練他們的算法外，他們還嘗試捕捉更多的背景數(shù)據(jù)，比如聲音、步態(tài)以及人類感知之外的面部細微變化，她相信更好的數(shù)據(jù)將意味著更準(zhǔn)確的結(jié)果，一些研究甚至聲稱機器在情感檢測方面已經(jīng)優(yōu)于人類。

但據(jù)巴雷特所說，這不僅與數(shù)據(jù)有關(guān)，而且與數(shù)據(jù)如何被標(biāo)記有關(guān)，情感檢測公司和其他情感檢測公司用來訓(xùn)練算法的標(biāo)記過程，只能識別巴雷特所說的“情感刻板印象”，就像表情符號一樣，這些符號符合我們文化中普遍的情感主題。

紐約大學(xué)人工智能研究所的聯(lián)合主任梅雷迪思·惠特克（Meredith Whittaker）認為，基于艾克曼過時的科學(xué)構(gòu)建機器學(xué)習(xí)應(yīng)用程序不僅僅是一種糟糕的實踐，還會轉(zhuǎn)化為真正的社會危害。

她說：“你已經(jīng)看到招聘公司使用這些技術(shù)來衡量應(yīng)聘者是否是一個好員工，你還可以看到用于學(xué)校的實驗性技術(shù)，以觀察學(xué)生在課堂上是忙碌、無聊還是憤怒?？ɡ麣W比表示，“這些信息可以用來阻止人們獲得工作或改變他們在學(xué)校的待遇和評估方式，如果分析并非十分準(zhǔn)確，那將會是一種傷害。”

卡利歐比也敏銳地意識到建立不同數(shù)據(jù)集的重要性。她說：“我們要確保訓(xùn)練這些算法時，訓(xùn)練數(shù)據(jù)是多樣化的，我們需要代表白種人、亞洲人、膚色較深的人，甚至是戴頭巾的人。”這就是為什么研究團隊要從87個國家收集數(shù)據(jù)的原因。

通過這個過程，他們注意到在不同的國家，情感表達似乎呈現(xiàn)出不同的強度和細微差別。例如，巴西人用寬而長的微笑來表達幸福，而在日本，微笑并不表示幸福，而是表示禮貌。情感分析解釋了這種文化差異，增加了對系統(tǒng)的另一層分析，匯編了卡里歐比所說的“基于種族的基準(zhǔn)”，編纂了關(guān)于不同種族文化中如何表達情感的假設(shè)。

但正是這種基于種族等標(biāo)記的算法判斷讓惠特克（Whittaker） 擔(dān)心情緒檢測技術(shù)暗示了自動化面相的未來。事實上，已經(jīng)有公司對某人成為犯罪分子的可能性進行了預(yù)測。

最近幾項研究還表明，面部識別技術(shù)更容易產(chǎn)生傷害少數(shù)族裔群體的偏見，去年12月發(fā)表的一篇文章顯示，與白人相比，情感檢測技術(shù)顯示出黑人臉上的負面情緒更多。

卡利歐比認為，情感系統(tǒng)確實有一個種族分類器，她承認，這項技術(shù)目前并非萬無一失。