berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Teks |. Tubuh Otak

Keamanan masyarakat ibarat “imunitas” masyarakat kita, pada saat-saat biasa kita mungkin jarang memperhatikannya. Begitu terjadi kecelakaan, berarti bahaya telah tiba, mulai dari bahaya yang “dingin” hingga yang “fatal”. .

Inspeksi keamanan dapat mendeteksi benda berbahaya yang nyata, namun sulit mendeteksi emosi berbahaya yang tidak berwujud. Emosi-emosi yang merugikan ini, seperti kebencian yang ekstrim, konflik, psikologi sosial balas dendam, dan lain-lain, bagaikan bom waktu yang akan menimbulkan korban tak berdosa begitu meledak.

Oleh karena itu, keselamatan masyarakat tidak bisa berhenti pada pemeriksaan objek saja.

Deteksi emosi AI adalah penghalang tak terlihat yang meningkatkan “kekebalan” keselamatan publik.

Menurut media teknologi WIRED, kamera di stasiun kereta Inggris saat ini menggunakan sistem pendeteksi emosi Amazon untuk memantau situasi di dalam stasiun kereta. Begitu seseorang dengan suasana hati yang tidak normal ditemukan, staf akan diberitahu untuk pemeriksaan lebih lanjut.

Fakta bahwa deteksi emosi dapat diterapkan di negara-negara Eropa yang memiliki perlindungan ketat terhadap data privasi pribadi mungkin cukup untuk menjelaskan sesuatu.

Artikel ini akan membahas tentang apa yang dilakukan deteksi emosi AI dengan benar agar masyarakat Inggris yang biasanya konservatif menerimanya? Dimana kebutuhannya?

Menurut laporan, kamera pintar yang menggunakan algoritma pengenalan emosi akan digunakan untuk mendeteksi emosi penumpang kereta api dan memprediksi potensi emosi melalui pemindaian wajah untuk mendeteksi perilaku abnormal seperti pencurian dan penyusup.

Bagian tersulit dalam hal ini bukanlah teknologinya, tetapi bagaimana menerima deteksi wajah bagi masyarakat di negara-negara Eropa dengan peraturan pengenalan wajah yang paling ketat?

Penerapan teknologi pengenalan wajah di tempat-tempat umum di Eropa telah mengalami proses perubahan yang signifikan:

Larangan total.Sejak ledakan teknologi pembelajaran mendalam pada tahun 2017, pengenalan wajah di bidang CV telah menjadi salah satu aplikasi mainstream, dan Eropa telah mengatur secara ketat hal ini pada bulan Desember 2019."Buku Putih Kecerdasan Buatan (Draf)", mengatakan penggunaan teknologi pengenalan wajah di tempat umum akan dilarang selama 3 hingga 5 tahun.

Ayunkan berulang kali. Setelah diberlakukannya peraturan AI dan data yang paling ketat dalam sejarah, sejumlah besar analis dan profesional teknologi mengatakan bahwa pembatasan ini telah sangat menghambat kemajuan dan penerapan teknologi kecerdasan buatan di Eropa, yang menyebabkan stagnasi dalam pengembangan AI. industri.Namun, sikap Eropa terhadap hal ini relatif berubah-ubah.Strategi Data UEKetika dokumen tersebut melunakkan sikapnya, dikatakan bahwa mereka akan membatasi secara ketat tetapi tidak sepenuhnya melarangnya. Pada bulan Oktober tahun itu, sebuah resolusi dikeluarkan untuk melarang polisi menggunakan teknologi pengenalan wajah di tempat umum.

Penangguhan hukuman sementara.Akhirnya pada 13 Maret 2024, Eropa melewati landmark tersebutUndang-Undang Kecerdasan Buatan, telah melunakkan sikapnya terhadap teknologi pengenalan wajah, dengan melarang "penerapan pengawasan skala besar yang tidak bertujuan berdasarkan biometrik sensitif (seperti pengenalan wajah)" dan melepaskan penggunaan teknologi tersebut secara wajar.

Mengapa deteksi emosi AI diberikan “perlakuan khusus”?

Hal ini membawa kita pada “segitiga mustahil” keselamatan publik: biaya, manfaat, dan pengalaman.

Demi keselamatan masyarakat, “mencegah lebih awal lebih baik daripada mengobati setelahnya.” Ketika peristiwa berisiko tinggi terjadi, biaya untuk "memperbaiki situasi" sering kali adalah nyawa manusia, sehingga pengawasan awal yang lebih ketat harus dilakukan. Secara umum, ini adalah pemeriksaan keamanan.

Namun, terdapat “segitiga mustahil” dalam pemeriksaan keamanan, yang memerlukan trade-off yang kompleks antara biaya investasi, manfaat keselamatan, dan pengalaman publik.

Jika proses pemeriksaan keamanan tidak cukup sensitif dan terjadi "deteksi yang terlewat", "virus" berbahaya akan mempunyai peluang untuk memanfaatkannya. Kelompok berbahaya akan mengembangkan "resistensi obat" terhadap sistem pemeriksaan keamanan, sama seperti peningkatan resistensi virus terhadap obat-obatan, dan menemukan celah dalam proses pemeriksaan keamanan untuk menghindarinya.

Namun kami juga sangat jelas bahwa penerapan inspeksi keamanan tingkat bandara dan pemeriksaan barang selundupan tanpa pandang bulu di mana pun tidak hanya akan memengaruhi efisiensi lalu lintas dan pengalaman perjalanan masyarakat, tetapi juga memerlukan lebih banyak personel inspeksi keamanan, yang akan menimbulkan biaya tinggi. . Biaya pengeluaran dan manfaat marjinal sangat rendah.

Khususnya di kereta bawah tanah Eropa, stasiun kereta berkecepatan tinggi, dan tempat-tempat indah, sebelumnya umumnya tidak ada pemeriksaan keamanan, yang setara dengan "membuka pintu" terhadap barang-barang berbahaya dan ancaman teroris. Menerapkan pemeriksaan keamanan yang dinormalisasi dari awal memerlukan pengerahan personel keamanan, peralatan, dan biaya lainnya dari awal, serta mendidik masyarakat untuk mengubah kebiasaan perjalanan mereka yang sudah lama ada. Hal ini hampir mustahil untuk diterima secara luas.

Dalam konteks ini, penerapan deteksi emosi AI diharapkan dapat menemukan solusi baru terhadap "segitiga mustahil" dalam inspeksi keamanan tradisional.

Deteksi emosi AI bukanlah teknologi baru, jadi mengapa teknologi ini menjadi penyelamat bagi keselamatan publik Eropa saat ini?

Ini dimulai dengan beberapa perubahan:

Perubahan pertama adalah kemajuan algoritma, yang telah meningkatkan manfaat keamanan secara signifikan.

Sistem pendeteksi emosi yang digunakan di stasiun kereta berkecepatan tinggi Inggris adalah sesuatu yang telah dieksplorasi Amazon selama bertahun-tahun di bidang e-commerce, perawatan medis, keselamatan publik, pemasaran, dan bidang lainnya.Sistem Pengenalan dapat mengenali berbagai emosi termasuk kebahagiaan, kesedihan, kemarahan, kejutan, rasa jijik, ketenangan, dan kebingungan, setelah iterasi 2023, sistem ini juga dapat mengenali "ketakutan".

Misalnya, dalam skenario e-niaga, kamera toko digunakan untuk menilai emosi konsumen guna mengoptimalkan tampilan produk; dalam skenario hiburan pribadi, perangkat pintar seperti Alexa dari Amazon dapat merasakan emosi pengguna secara tepat waktu dan mendeteksi ketika pengguna berada dalam emosi negatif. seperti kemarahan atau kesedihan, untuk memberikan kenyamanan atau nasihat.

Dapat dikatakan bahwa algoritma analisis emosi dan pengenalan emosi saat ini sudah cukup matang, dan keakuratan serta ketepatan pendeteksiannya dapat memenuhi persyaratan kompleks dengan mempertimbangkan efisiensi, keselamatan, dan pengalaman di tempat umum.

Perubahan kedua adalah kemajuan masyarakat digital yang terus berlanjut, sehingga biaya pengenalan emosi AI dapat dikendalikan.

Kota pintar terus berkembang di banyak negara dan wilayah di seluruh dunia. Kamera pintar yang digunakan untuk keamanan perkotaan telah digunakan selama bertahun-tahun, dan teknologi serta produk saat ini sudah cukup matang. Diantaranya, kamera pintar yang "ditentukan perangkat lunak" dapat memuat berbagai algoritme secara online untuk mengimplementasikan aplikasi cerdas vertikal. Kamera tersebut dapat memperbarui dan meningkatkan deteksi emosi AI tanpa mengganti perangkat keras, dan tidak akan menimbulkan tekanan biaya yang berlebihan.

Perubahan ketiga adalah dalam beberapa tahun terakhir, kekhawatiran masyarakat terhadap keselamatan publik dan privasi telah menurun, sehingga mereka menjadi lebih menerima deteksi emosi.

Dengan adanya gejolak dalam lingkungan politik dan ekonomi dunia, kekhawatiran masyarakat terhadap keamanan publik di banyak negara semakin meningkat, terutama di Eropa dimana imigrasi ilegal meningkat dan kejahatan dan konflik transnasional telah menimbulkan banyak ancaman terhadap keamanan publik.

Dalam konteks ini, pengenalan emosi AI tidak hanya dapat mendeteksi terlebih dahulu potensi tanda-tanda ketegangan dan konflik untuk menghindari insiden keselamatan publik yang disebabkan oleh kehilangan emosi, tetapi juga tidak senyaman mengekspos privasi wajah.

Hal ini karena data yang dikumpulkan melalui deteksi emosi tidak “dapat diidentifikasi secara kuat”.

Sebagaimana tercantum dalam “Hak atas Privasi”, privasi adalah “hak untuk dibiarkan sendiri”. Dibandingkan dengan pengenalan wajah "pengenalan kuat",Deteksi emosi AI di tempat umum tidak akan mengganggu masyarakat atau melibatkan informasi privasi pribadi sebelum krisis terungkap. , artinya, tidak mungkin untuk mengidentifikasi dan mengautentikasi orang secara unik melalui emosi, dan ia tidak akan mengetahui siapa nama belakang Anda. Hal ini sangat mengurangi rasa dimata-matai oleh masyarakat.

Dari perspektif ini, pendeteksian emosi AI telah mencapai keseimbangan yang baik dalam hal biaya, manfaat, dan pengalaman, dan harus menjadi penghalang tak kasat mata terhadap keselamatan publik selain pemeriksaan keamanan tradisional.

Deteksi emosi AI dan pencegahan insiden keamanan ekstrem yang ganas pasti akan membawa lebih banyak manfaat daripada kerugian bagi seluruh masyarakat. Jadi, kapan kita bisa melakukannya?

Sejujurnya, sistem keamanan cerdas saat ini di kota-kota besar dan menengah di Tiongkok sudah berjalan dengan sangat baik. Tidak sulit untuk menerapkan algoritma pendeteksi emosi.Jalan menuju pelokalan algoritme masih memerlukan waktu.

Kendala terbesarnya adalah kumpulan data yang tidak cukup besar dan tidak cukup baik.

Saya mengunjungi seorang guru dari sebuah universitas di Shandong yang menggunakan teknologi pembelajaran mendalam untuk mengembangkan algoritma pengenalan ekspresi mikro. Ekspresi mikro dicirikan oleh durasi yang sangat singkat, perubahan amplitudo gerakan yang kecil, dan kesulitan dalam menyembunyikan dan menekan, sehingga sangat cocok untuk mendeteksi emosi orang yang berpotensi berbahaya.

Ekspresi mikro memerlukan eksperimen psikologis untuk dikumpulkan dan kemudian dianalisis dan diproses oleh komputer. Pertama-tama perlu ditunjukkan kepada subjek beberapa rangsangan yang telah ditunjukkan oleh psikolog untuk menginduksi produksi ekspresi mikro, kemudian menggunakan kamera berkecepatan tinggi untuk menghadap wajah subjek dan membiarkan komputer menyimpan gambar bingkai demi bingkai. Setelah data terkumpul, perlu diberi label emosi dan ciri domain spatio-temporal, yaitu momen awal, momen akhir, dan momen klimaks ekspresi.

Guru menyebutkan bahwa sebelum timnya membuat database MMEW, terdapat kekurangan beberapa database publik yang besar untuk penelitian ekspresi mikro. Database terbesar hanya memiliki 247 sampel, dan resolusi gambarnya tidak tinggi.

Hal ini memerlukan eksperimen psikologis dan teknik komputer. Jika kumpulan data ekspresi mikro sangat sulit, mengapa harus membuatnya sendiri dari awal?

Kita tahu bahwa ekspresi emosi akan dipengaruhi oleh budaya, kehidupan sosial dan latar belakang lainnya. Sebagian besar gambaran emosi internasional didasarkan pada data yang dikumpulkan dari wajah-wajah asing, yang mungkin tidak terlalu akurat dalam mengidentifikasi keadaan emosi, niat, dan perilaku wajah-wajah Tiongkok. Oleh karena itu, penerapan nyata deteksi emosi AI di bidang keamanan publik masih perlu dimulai dari pembangunan kumpulan data dalam negeri yang kokoh dan berkualitas tinggi.

Pertanyaan lainnya adalah, dengan algoritma tersebut, siapa yang akan menjualnya?

Lebih tepatnya, siapa yang akan menyediakan daya komputasi dan sederet layanan pendukungnya? Pengenalan emosi adalah proses kompleks yang memerlukan daya komputasi yang kuat untuk menganalisis data dalam jumlah besar dengan cepat dan memberi umpan balik pada hasil pengenalan emosi secara real-time, yang memerlukan daya komputasi yang sangat tinggi. Selain itu, AI adalah teknologi yang terus berkembang, dan model deteksi emosi memerlukan pembelajaran dan pengoptimalan berkelanjutan untuk meningkatkan akurasi pengenalan dan kemampuan generalisasi. Ambil contoh sistem Rekognition yang diterapkan di stasiun kereta berkecepatan tinggi Inggris. Ini adalah salah satu layanan cloud yang diluncurkan oleh Amazon AWS, yang melakukan pembelajaran, analisis, dan peningkatan fungsional di cloud.

Di Tiongkok, karena melibatkan data informasi publik, maka harus diprivatisasi dan disebarkan secara lokal. Pada akhirnya, daya saing inti adalah teknologi algoritma dan kemampuan layanan ToB. Oleh karena itu, perusahaan algoritme CV dalam negeri akan lebih kompetitif dibandingkan vendor cloud di pasar ini. Namun, cara mengatasi masalah biaya daya komputasi dan efisiensi layanan manusia merupakan masalah lama bagi perusahaan algoritme, yang memerlukan solusi yang lebih canggih dan masuk akal. desain bisnis.

Platform sembilan lantai ini menjulang dari dasar bumi. Meskipun jalan menuju lokalisasi deteksi emosi AI masih perlu dikonsolidasikan sedikit demi sedikit dari tingkat data, algoritme, bisnis, dan lainnya, menggunakan teknologi untuk meningkatkan "kekebalan" keselamatan publik, menghindari kecelakaan keselamatan yang kejam, dan mencapai keseimbangan antara biaya, manfaat, dan pengalaman, secara bertahap harus menjadi konsensus dan tujuan seluruh masyarakat.

Manusia adalah tujuan akhirnya, dan teknologi adalah sarananya.

Teknologi yang melindungi hak hidup masyarakat harus diberikan hak untuk dikembangkan, bahkan di Eropa, yang sangat ketat terhadap teknologi baru. Ini mungkin merupakan penemuan terbesar yang dapat kita peroleh dari penerapan deteksi emosi AI.