全文共4598字，預計學習時長14分鐘
全文共4598字，預計學習時長14分鐘
插圖：伊娃·雷達蒙蒂（EvaRedamonti）
八月，亞馬遜宣布其面部識別軟件提高了“情感檢測的準確度”。亞馬遜解釋道，該技術不僅可以更好地檢測出七種情緒（快樂、悲傷、憤怒、驚訝、厭惡、平靜和困惑），而且還首次檢測出第八種情緒：恐懼。
其他大型高科技公司，如微軟和蘋果，以及 Kairos 和Affectiva等初創公司，也售賣類似的情感檢測產品。據估計，這類新服務將于2023年成為一個價值 250 億美元的行業。
僅基于面部表情讀取情感的技術將會成為一個驚人的新突破。例如，這項技術可以讓市場營銷人員調查觀眾對恐怖電影的反應，汽車內置軟件可以評估駕駛員是怒氣沖沖還是昏昏欲睡，還可以幫公司篩去那些不感興趣的求職者。甚至可以幫助自閉癥兒童學習識別他人的情緒。但近幾個月來，科學家們提出這樣的疑問——用面部表情來解讀情緒真的可能嗎？
問題不在于像亞馬遜 Rekognition 的這類技術無法讀取人臉的細節，而在于面部表情不一定是正確的情感信號。
今年七月，東北大學心理學教授麗莎·費爾德曼·巴雷特 (LisaFeldman Barrett) 及其同事發表了一篇對1,000多項研究的評述。這些研究結果表明，旨在檢測情緒的人工智能和計算機視覺的許多開發成果被誤導了。上個月，南加州大學的計算機科學教授喬納森·格蘭奇 (Jonathan Gratch) 和他的同事在第八屆情感計算與智能交互國際學術會議(ACII) 上發表了兩篇論文，呼吁暫停一些“情感分析”技術研發。
問題不在于像亞馬遜Rekognition 的這類技術無法讀取人臉的細節，而在于面部表情不一定是正確的情感信號。
亞馬遜網站上的一張圖片詳細顯示了其面部分析功能：圖中的女性面帶微笑，軟件在臉上的關鍵部位貼上標簽，上面寫著“女性”、“眼睛睜開”、“微笑”和“幸福”。大部分人會以相同的方式解釋圖像：這是一個幸福的女人。
圖源：pexels
人類的直覺很準，能知道諸如幸福之類的情緒表現在大家的臉上是什么樣的。從孩提時代起，人們就學會了面部表情與內在情緒之間的關聯。即使在現在，在只用文字可能無法表達情感時，人們使用表情符號來表達感受。人們觀看放大了演員面孔的電視節目和電影，以深入了解角色的感受。人們看到圖片中微笑的人時，就會覺得他們很高興。
格蘭奇提到：“人們的想法是一致的……如果有人在微笑，他們會認為這幅圖是幸福的象征，這也是 Facebook 上的許多人認為其他人都比自己更快樂的原因。他們看到所有笑臉，然后想，‘他們一定很快樂。’”
但是，一個人看起來快樂，并不意味著他會感到快樂。像其它情感讀取算法一樣，Rekognition通過訓練，可以識別人們的表情，而不是識別情感。該系統結合了計算機視覺和機器學習算法，可以識別面部特征并將其與相應的情感聯系起來。工程師通常用一些數據來訓練如何建立這些聯系的算法，這些數據包括人們擺出的表情，而這些表情已由經過訓練的第三方注釋了“快樂”和“悲傷”等情感標簽。為了給算法創建訓練集，公司讓注釋人員查看圖像集合，并將其標記為“高興”、“恐懼”、“憤怒”等情緒。亞馬遜以專利權問題為由，拒絕就如何訓練Rekognition算法的記錄發表評論。
這種方法的一個問題是圖像中擺出的臉代表了對情感的刻板印象，即對表達情感的人的模仿。人們更傾向于認為情緒與面部表情有直接關系：大多數情況下，人們在開心時會微笑，在生氣時會皺眉，在悲傷時會蹙額。人們也認為這些表現是情感的獨特表達。人們假設了微笑只能表達幸福，皺眉只能表達憤怒，但是人們表達和感知情感的方式實際上存在更多差異。
“沒有證據表明，人們會認為這種跡象是一種情感表達，”格蘭奇說。在他的研究中，成對的參與者玩了一個囚徒困境的游戲。兩人被安排在帶有計算機和網絡攝像頭的不同房間中，要求他們不要互相交談或使用手勢，但鼓勵他們使用面部表情。在每個回合中，玩家選擇“拆分”或“竊取”虛擬球。如果玩家同時選擇拆分（合作共贏），則游戲會給予玩家同樣高的得分，但是如果在對方選擇“拆分”時選擇竊取（有瑕疵），則對方玩家獲得更高的得分。如果兩位玩家都選擇“竊取”，得分將變得很低。該游戲獎勵了雙方的合作，但是為了解決對手是否愿意合作的困境，玩家會在彼此的面部表情中尋找有關下一步行動的線索。
即使有了這些線索，這也是一項艱巨的任務。“你無法推斷[結果]對他們來說是好是壞，”蘭奇說，“這破壞了那個想法，即通過觀察某人的面部表情，就可以弄清楚他們是否在撒謊。”
即使他們輸掉了回合，玩家唯一使用的表情仍是微笑。人們不只用微笑表示喜悅，這只是大家所期望的，人們也會因事情出乎意料而微笑。例如，如果他們認為對手會背叛，但實際上對手合作了，那么微笑的強度將反映出他們驚訝的程度。但他們沒有表現出典型的目瞪口呆的驚訝表情。格蘭奇說：“微笑并不是驚訝的預兆。它真正的著重點是，人們做出的表情非常具有情境性，受這些機器未關注因素的影響很大。”
在這種情況下，人們的表情更多的是對情況的反應，而不是內在情緒的表現。“人們表現出來的很多東西并不一定就是他們的感覺，”格蘭奇說。
情緒檢測軟件無法對此進行區分。在Rekognition 分析一位女性微笑的圖像并生成諸如“微笑”“幸福”之類的標簽時，實際上跳躍幅度很大。如果沒有更多有關人和情況的信息，就很難從面部表情推斷人們的情緒。格蘭奇指出：“人類甚至是機器，都不擅長從這些面部表現上檢測真實的感覺。”
圖源：pexels
人們表達情感的方式因文化、環境和不同人群而異，并且可以通過多種面部表情表達同一種情感。人們的面部表情經常隨著對話和文化習慣變化而變化，而沒有表現出與內心情感有關的任何內容。格蘭奇認為，考慮到所有這些不同因素，“更能接受的科學方法就是說這些是面部動作。” 在他的研究中，他使用了所謂的“面部動作單位編碼系統”，該系統根據面部的單個肌肉運動或“動作單位”對面部表情進行分類。該方法由科學家和動畫編劇共同完成，用于評估人的面部表情，可實時互動。
例如，人們在微笑時，傾向于嘴角上揚（稱為動作單元 12），抬起臉頰，眼睛周圍的皮膚會出現皺褶（動作單元 6）。格蘭奇解釋道：“你不是說‘你很高興’，而是說‘你正在展示這些微笑的組成部分。’” 格蘭奇發現人們要弄清別人的感受時，不是依賴面部表情，而是情境。為了弄清對手的情緒，在隨后的研究中，參與者尋找了情境線索。這項研究的參與者回顧了自己和搭檔在囚徒困境游戲中的視頻剪輯，事件的結果讓他們明白了搭檔的感受。例如，如果搭檔以犧牲為代價贏得了比賽，相比對其他產生積極結果的事件的評價，他對自己和對方的情緒的評價往往更消極。格蘭奇指出：“相比人們臉上的表情，利用事情發生的背景可以更好地預測他人的想法。” 心理學教授巴雷特(Barrett) 說，這些發現與其他研究一致，并補充道：“這表明情境會強烈影響人們在面部運動中推斷出的情感含義。
情境的力量常常比面部運動本身更強大”她經常引用耶路撒冷希伯來大學心理學家希勒·阿維耶澤 (Hillel Aviezer) 所做的研究。例如，在一項研究中，阿維耶澤和他的同事將網球運動員輸贏后的圖片進行混合并匹配。當參與者看到一名勝利玩家的頭像被移植到另一名輸球玩家的頭像上時，他們對這張臉的看法比看到勝利玩家的頭像時更加消極。與身體相關的情感勝過玩家臉上浮現的情感。
考慮到諸如Rekognition 之類的情緒識別系統非常注重人的面部表情，這些有關情境的發現非常重要。它們已經接受了有關人類如何解讀靜態圖像的訓練，卻沒有考慮更大的社會環境。“實際上，因為這些數據不包含任何人們面部表情出現時相關背景的重要信息，”格蘭奇說，“這些算法只是在沒有任何背景信息的情況下學習其他人所認為的某人臉部圖像在表達的內容。” “這項面部表情識別技術正在興起，但是它與人們想要使用的功能還相差甚遠。因此，這項技術只會犯錯誤，在某些情況下，這些錯誤會造成傷害。” 亞馬遜可能意識到了其情感識別技術存在的局限性。該公司網站上的免責聲明為：“API只能確定人臉的實際外觀。
它并不能決定人的內部情感狀態，也不應該以此為目的來使用這項技術。”諸如“情感分析”之類的短語和諸如“識別”之類的名稱仍可能誤導該技術的營銷方式。對這一技術更為恰當的描述應當是“表情識別”。 巴雷特說：“目前任何一家聲稱能識別情感的公司都在混淆檢測結果（例如皺眉）和解釋這些檢測結果的含義（例如憤怒）。”格蘭奇將情感識別技術等同于測謊儀，一種“真相檢測儀”，自1998年最高法院的一項裁定使其名譽掃地以來，大多數州都禁止在法庭證詞中使用這項技術。“這不是一個這真相檢測儀；這是一個喚醒探測器，”格蘭奇說，“從某種意義上說，這項面部表情識別技術正在興起，但是它與人們想要使用的功能還相差甚遠。因此，這項技術只會犯錯誤，在某些情況下，這些錯誤會造成傷害。”
亞馬遜因將Rekognition 賣給政府機構而備受抨擊，據報道，公司將其賣給移民和海關執法局并且可能與邊境巡邏隊簽訂 9.5 億美元合同。亞馬遜的客戶可能會使用 Rekognition 來通知有關人員的決定。如果人們在錯誤的時間顯示錯誤的表情，當局鎖定的目標可能出錯。即使沒有識別技術，錯誤地表達情感也會產生后果：巴雷特在她的《情緒是如何產生的》一書中描述了如何發現法官和陪審員通過被告的面部表情來辨別他們可能內疚或者后悔的程度。 “根本沒有強有力的證據支持這種說法，即存在普遍的情感表達，因此使用一組特定的面部肌肉運動（例如皺眉）來具體診斷一個人的情感狀態（例如憤怒）的可靠性很低。”巴雷特說，“想象一下，這種方式將引起誤會，使人們的生活受到影響，失去自由甚至喪命。” 無論情感讀取算法多么復雜，僅用面部分析技術來識別人們情緒的系統的不會達到其宣稱的結果。格蘭奇建議顧客了解該技術的局限性，并引用了德國不來梅雅各布斯大學的心理學家阿維德·卡帕斯 (Arvid Kappas) 使用的一個比喻，指出這些技術的營銷方式。
卡帕斯將“我們的面孔會表達我們的情感”這一錯誤假設與“月亮是由奶酪制成的”這一說法等同起來。他說，想象一下這樣一個場景，人們訓練了一個奶酪和巖石實例的算法來開發奶酪識別器。然后將識別器轉向天空，如果有月亮在，識別器是會識別出奶酪。卡帕斯的類比揭示了商業化的情感識別技術是多么初級。 “人們正在訓練一種與自己情感無關的東西，然后將其轉向自己說，‘看，這些儀器會感受到這種情緒，’”格蘭奇說，“而實際上我們根據人的表現訓練它們，這與人們的情感是不一樣的。”
所以別想太多，你的表情不一定會出賣你，多相信自己一點。
留言 點贊 關注
我們一起分享AI學習與發展的干貨
如需轉載，請后臺留言，遵守轉載規范
