神譯局是36氪旗下編譯團隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風向。

編者按：人工智能讀取人臉表情，似乎是眾多科技公司都在嘗試的新業(yè)態(tài)。這一市場也在不斷增長。一些人認為，情緒檢測自動化系統(tǒng)，不僅能更好地發(fā)現(xiàn)人類真實情緒，而且還能協(xié)調(diào)人們內(nèi)心的感受。但也有許多人擔心，這項技術(shù)存在很多缺陷，其應(yīng)用過程甚至會導致新的風險。這篇文章來自編譯，作者認為，人工智能根本無法精準讀取人臉表情。這是文章的下篇，文章在探討情緒識別在人工智能行業(yè)發(fā)揮的作用的同時，也指出了由此而產(chǎn)生的一系列問題。

推薦閱讀：人工智能做無法精準讀取人臉表情（上）

圖片來源：openpr

在西方文化中，面相學的發(fā)展在18世紀和19世紀達到了高潮。當時，面相學被視為解剖學的一部分。這一傳統(tǒng)中的一個關(guān)鍵人物是瑞士牧師約翰·卡斯帕·拉瓦特（Johann Kaspar Lavater），著有《面相學短篇集》（Essays on Physiognomy）一書。

拉瓦特采用了面相學的方法，并將其與當時最新的科學知識相結(jié)合。他認為，骨骼結(jié)構(gòu)是外貌和性格類型之間的潛在聯(lián)系。如果面部表情是短暫存在的，那么頭骨應(yīng)該可以為面相學有關(guān)推斷提供更可靠的材料。

在種族科學中，頭骨測量是一種相對流行的技術(shù)，被用來支持民族主義、白人至上主義和仇外心理。在整個19世紀中，弗朗茨·約瑟夫·高爾（Franz Joseph Gall）、約翰·加斯帕·斯柏茲姆（Johann Gaspar Spurzheim）等顱相學家以及科學犯罪學專家切薩雷·龍勃羅梭（Cesare Lombroso）都對這種研究方法展開了詳盡的闡述，這些研究也導致這些學者聲名狼藉。

然而，首先公開嘗試將攝影和其他技術(shù)手段應(yīng)用于人臉研究的，則是法國神經(jīng)學家杜徹尼·博洛尼（DuchennedeBoulogne），他被?？寺u為“極具天賦的觀察者”。

其著作的《人體面相機制》（Mécanisme de la physionomie humaine）一書，為后來達爾文和埃克曼的研究都奠定了重要的基礎(chǔ)。在這本書中，博洛尼將過去面相學和顱相學的觀點與更現(xiàn)代的生理學和心理學有關(guān)研究聯(lián)系在一起。他并不認可之前有關(guān)面部特征的模糊斷言，而是通過更深入的研究，去探索面部表情和內(nèi)心精神和情感狀態(tài)之間的聯(lián)系。

博洛尼在巴黎的一家精神病院La Salpetrière Hospital工作，那里收容了多達5000名患有各種精神疾病和神經(jīng)系統(tǒng)疾病的患者。博洛尼會將其中一部分患者當作被試對象，讓他們參與到令人痛苦的實驗當中。長久以來，醫(yī)學和技術(shù)實驗通常都會將最脆弱的人或不懂得拒絕的人當作被試對象，這也是傳統(tǒng)的一部分。

在科學界鮮為人知的博洛尼，決定開發(fā)一種電擊技術(shù)，來刺激被試對象面部的肌肉運動。他的目標是建立對臉部的更完整解剖和生理學認識。

通過這些方法，博洛尼希望將全新的心理科學與之前的面相特征聯(lián)系起來。他借助了最新的攝影技術(shù)，比如可以將曝光時間大幅減少的濕版火棉膠攝影，從而能通過照片捕捉那些轉(zhuǎn)瞬即逝的肌肉運動和面部表情。

即使在這些早期研究階段，捕捉到的面部表情也從來不是最自然的狀態(tài)，也不是社會中出現(xiàn)的人類表情，而是通過對肌肉的粗暴電擊而模擬的狀態(tài)。不管怎么說，博洛尼都相信，借助攝影和其他技術(shù)系統(tǒng)，有助于讓研究變得更加客觀和有說服力，因此也更適合科學研究。

下面是一些選自《人體面相機制》（來自美國國家醫(yī)學圖書館）的照片：

在博洛尼的影響下，埃克曼也把攝影技術(shù)作為其實驗過程中的核心。他認為，由于許多面部表情都是在人類無意識下出現(xiàn)的，因此，慢動作拍攝法對他的研究至關(guān)重要。其目的是尋找所謂的微表情，即面部細微的肌肉運動。

在早期研究中，?？寺钠渲幸粋€計劃是，編寫一個可以檢測和分析面部表情的系統(tǒng)。1971年，他與幾位研究人員共同合作發(fā)表了一篇研究報告，并在報告中首次提出了“面部表情評分方法（FAST）”這一概念。

在借助于照片的基礎(chǔ)上，?？寺饕ㄟ^自己的直覺，在FAST方法中使用了六種基本的情感類型。然而，這一方法很快就出現(xiàn)了問題。有幾位研究人員發(fā)現(xiàn)，有些面部表情并不在?？寺褂玫那楦蓄愋头懂爟?nèi)。

于是，埃克曼決定，在下一個實驗中，借助測量工具來聚焦于面部肌肉組織，這與博洛尼當初的電擊研究相呼應(yīng)。

?？寺_定了面部大約40種不同的肌肉收縮狀態(tài)，并將每個面部表情的基本組成部分稱為“動作單元”。經(jīng)過初步測試和驗證，?？寺土硪晃恍睦韺W家華萊士·弗里森（Wallace Friesen）于1978年在一篇研究報告中又提出了“面部動作編碼系統(tǒng)（FACS）”。時至今日，其更新版本也一直在廣泛使用。

盡管FACS取得了較大的成功，但這一方法卻需要大量的人力。?？寺岬?，平均而言，通常需要花75至100個小時來訓練人們使用FACS方法。此外，單單完成一分鐘的面部影片片段的評分，就需要一個小時。這一挑戰(zhàn)，也恰恰為新興的計算機視覺領(lǐng)域提供了發(fā)展機遇。

隨著計算機在情感識別方面的應(yīng)用逐漸普及，研究人員也認識到，需要收集標準化的圖像來進行實驗。

1992年，在美國國家科學基金會（National Science Foundation）的一篇報告中，?？寺土硪晃蛔髡呓ㄗh道，“建立一個由不同面部研究團隊共享的、可隨時訪問的多媒體數(shù)據(jù)庫，將是解決面部表情理解問題的重要資源”。

不到一年，美國國防部就開始資助一項收集面部照片的項目。在該世紀末，機器學習研究人員已經(jīng)開始收集、標記并公開分享相應(yīng)數(shù)據(jù)集，這些數(shù)據(jù)集也推動了當今大部分機器學習研究的發(fā)展。

此外，學術(shù)實驗室和有關(guān)公司也在同時開展有關(guān)項目，創(chuàng)建了幾十個照片數(shù)據(jù)庫。例如，瑞典某實驗室的研究人員創(chuàng)建了KDEF數(shù)據(jù)集。該數(shù)據(jù)集收集了包括喜悅、憤怒、厭惡、悲傷、驚訝和恐懼等六種表情的圖片。

當你查看這些數(shù)據(jù)集照片時，你很容易獲得一種看默劇的感受：從這些照片中，你可以輕易地發(fā)現(xiàn)被采集者面部令人難以置信的驚喜，或者極大的快樂，或者使人嚇得發(fā)呆的恐懼?？傊?，這些被采集者所表露出的情緒，完全是能夠?qū)崿F(xiàn)機器識別的情緒。

Cohn-Kanade數(shù)據(jù)集的照片示例：喜悅，憤怒，厭惡，悲傷，驚訝和恐懼。圖片來源：Jeffrey Cohn

隨著這一領(lǐng)域在規(guī)模和復雜程度方面的增長，用于情感識別的照片類型也在不斷增加。研究人員開始使用FACS系統(tǒng)來標記數(shù)據(jù)，這些數(shù)據(jù)并不是來自于刻意擺出的表情，更是自然流露出的面部表情，有的甚至是在實驗室條件之外收集的。

?？寺墓ぷ鳟a(chǎn)生了深遠而廣泛的影響。《紐約時報》（The New York Times）將?？寺u為“世界上最著名的面相學家”，《時代周刊》（Time）也將他評為全球最有影響力的100人之一。

他的思想成為了流行文化的一部分，甚至被寫入了馬爾科姆·格拉德威爾（Malcolm Gladwell）著作的暢銷書《眨眼之間》（Blink），以及熱播美劇《別對我說謊》（Lie to Me）。?？寺€是《別對我撒謊》一劇的主角顧問，劇中主角很顯然也是以他為原型刻畫出來的。

?？寺纳庖部芍^是蒸蒸日上。他把“欺騙檢測”這項技術(shù)出售給了包括美國運輸安全管理局（Transportation Security Administration）等機構(gòu)，TSA還借助這項技術(shù)，開發(fā)了“旅客觀測篩選技術(shù)（SPOT）”項目。

自911恐怖襲擊事件以來，SPOT一直被用于監(jiān)測乘機旅客的面部表情，以“自動化”檢測恐怖分子。該系統(tǒng)采用了94項標準，據(jù)稱這些標準都是有關(guān)壓力、恐懼或欺騙的跡象。

不過，在系統(tǒng)應(yīng)用過程中，必然會出現(xiàn)一部分群體被區(qū)別對待的情況。任何有壓力的人，或者在被問話時感到不舒服的人，或者與警察或邊境保護工作人員產(chǎn)生過不友好經(jīng)歷的人，都可能會被系統(tǒng)標注出來。這就形成了一種“種族歸納”。

由于存在種族偏見，并缺乏科學研究方法，SPOT項目也遭到了美國國會下屬機構(gòu)美國政府問責局（Government Accountability Office，GAO）和有關(guān)公民自由團體的強烈譴責與批評。盡管耗資近九億美元，但并沒有直接證明表面這套系統(tǒng)取得了成功。

隨著?？寺曔h揚，對其研究的懷疑和批評也隨之而來。早期的批判家有文化人類學家瑪格麗特·米德（Margaret Mead）。她在20世紀60年代末就情緒的普遍性問題與?？寺归_了激烈的爭論。

隨后幾十年，來自不同領(lǐng)域的科學家也都加入了這一批判隊伍。近年來，心理學家詹姆斯·拉塞爾（James Russell）和何塞·米格爾·費南迪斯·多爾斯（José-Miguel Fernández-Dols）通過研究發(fā)現(xiàn)，情感研究這門科學最基本的方面仍然存在許多不確定性因素。

眾多批判者中，最重要的可能是科學史學家魯斯·萊伊（Ruth Leys），她從?？寺难芯糠椒ㄖ邪l(fā)現(xiàn)了一個核心問題。

她在其著作的《情感的演化》（The Ascent of Affect）一書中寫道：“埃克曼所使用的刻意擺出表情或非自然流露表情照片，表達的是不受文化影響的一系列基本情感狀態(tài)?！彪S后，不同背景的人們會給這些照片分類標注，以證明面部表情在不同背景人群中的共通性。

心理學家、神經(jīng)科學家麗莎·費爾德曼·巴雷特（Lisa Feldman Barrett）直言不諱地指出：“科技公司可以說任何他們想說的，但數(shù)據(jù)卻是明確的。他們可以檢測出皺眉頭，但這與檢測到憤怒情緒完全是兩碼事。”

更令人不安的是，直到今天，在情感研究領(lǐng)域，針對“到底什么是情緒？”這一問題，研究人員都沒有達成共識。

什么是情緒？人類情緒是如何形成的？又是如何表達出來的？情緒在心理上或者神經(jīng)生物學上能起到什么作用？情緒與刺激物之前又有什么關(guān)系？這些都是尚未解決并達成共識的問題。即便有眾多的批判聲音，為什么從一個人臉上“解讀情緒”的方法仍然存在？

圖片來源：nordicapis

自20世紀60年代以來，在美國國防部大量資金的推動下，已經(jīng)開發(fā)出許多系統(tǒng)，在測量面部運動方面也越來越精準。由于埃克曼的理論可以實現(xiàn)大規(guī)模自動化，因此似乎也是計算機視覺的理想選擇。

基于?？寺碚撆c方法有效性的認可，許多機構(gòu)和企業(yè)也都紛紛投資于這一領(lǐng)域。如果人們認識到情緒不容易分類，或者它們不可能可靠地根據(jù)面部表情來檢測的話，那這只會對一個不斷增長的領(lǐng)域產(chǎn)生巨大的破壞作用。

許多機器學習論文都在直接引用?？寺睦碚?，在這些作者眼中，好像這些問題已經(jīng)解決了一樣。事實上，有關(guān)背景、條件、關(guān)系和文化等復雜問題往往都被忽略了。埃克曼自己也說過，他也對其理論的商業(yè)化方式表達出了擔憂。然而，當他嘗試寫信給科技公司，請求他們提供證據(jù)來證明其開發(fā)的情緒識別程序有效性時，他沒有收到任何答復。

因此，與其試圖搭建更多識別并將面部表情分類的系統(tǒng)，我們不如質(zhì)疑這些分類的源頭，以及其產(chǎn)生的社會和政治影響。

例如，這些系統(tǒng)在標記婦女（特別是黑人婦女）的言語情感方面，就與標記男性言語情感存在不同。據(jù)馬里蘭大學（University of Maryland）的一項研究發(fā)現(xiàn)，一些面部識別軟件在解讀黑人面部表情時，會反饋出更多的負面情緒，經(jīng)常都會將黑人面部表情解讀為具有憤怒或輕蔑傾向。

這就是情感識別自動化的危險所在。幾十年來，科學界一直圍繞根據(jù)面部來推斷情緒狀態(tài)這一問題而爭論不休，這也凸顯出一個核心問題，即一刀切的“情感檢測”并不是正確的方法。情緒是復雜的，它們的發(fā)展與變化與我們的文化和歷史有關(guān)，這些內(nèi)容目前都還屬于人工智能框架之外。

遺憾的是，求職者已經(jīng)因為其面部表情或聲調(diào)與其他員工不匹配而受到不公平對待。在學校，學生也會因為表情看起來很憤怒而遭到特別對待。在商場，顧客可能會因為其面部表情而被質(zhì)疑為偷竊者。

這些系統(tǒng)不僅在技術(shù)上有缺陷，而且整套技術(shù)的核心方法論都存在問題。但最后，卻有人會因為這些系統(tǒng)的缺陷而遭到不平等對待。

?？寺缙趯嶒炛刑岢龅莫M隘情緒分類，如今正編寫進機器學習系統(tǒng)，成為極其復雜的情緒體驗的“代理人”。

譯者：俊一

關(guān)鍵詞： 人工智能 精準 表情