어리석은 두뇌, 숨겨진 감정, 사악한 알고리즘: 얼굴 인식의 진화

고대 이집트인들은 생체 해부에 대해 많은 것을 알고 있었고 만져서 간과 신장을 구별할 수 있었습니다. 아침부터 저녁까지 미라를 감싸고 치유(천공술부터 종양 제거까지)를 하면 필연적으로 해부학을 이해하는 법을 배우게 됩니다.

풍부한 해부학적 세부 사항은 기관의 기능을 이해하는 데 있어서의 혼란으로 인해 상쇄되었습니다. 성직자와 의사, 일반인들은 과감하게 마음을 심장에 두고, 콧물을 생성하는 역할을 뇌에 맡겼다.

4천년이 지난 지금, 펠라와 파라오를 비웃는 것을 허용하기는 어렵습니다. 우리의 컴퓨터와 데이터 수집 알고리즘은 파피루스 두루마리보다 더 멋있어 보이고, 우리의 두뇌는 여전히 신비롭게 무엇을 아는지 생산합니다.

그래서 이 기사에서는 감정 인식 알고리즘이 대담자의 신호를 해석하는 데 있어 거울 뉴런의 속도에 도달했다는 사실에 대해 이야기하기로 했는데, 갑자기 신경 세포가 겉보기와 다르다는 것이 밝혀졌습니다.

의사결정 오류

어렸을 때 아이는 부모의 얼굴을보고 미소, 분노, 자기 만족 및 기타 감정을 재현하는 방법을 배우므로 평생 동안 다양한 상황에서 사랑하는 사람과 마찬가지로 웃고 눈살을 찌푸리고 화를 낼 수 있습니다. 했다.

많은 연구자들은 감정 모방이 거울 뉴런 시스템에 의해 구축된다고 믿습니다. 그러나 일부 과학자들은 이 이론에 대해 회의적입니다. 우리는 아직 모든 뇌 세포의 기능을 이해하지 못합니다.

뇌 기능 모델은 불안정한 가설 위에 서 있습니다. 한 가지만 의심할 여지가 없습니다. 태어날 때부터 회백질의 "펌웨어"에는 기능과 버그, 더 정확하게는 행동에 영향을 미치는 기능이 포함되어 있다는 것입니다.

거울 뉴런 또는 기타 뉴런은 모방 반응을 담당하며, 이 시스템은 가장 단순한 의도와 행동을 인식하는 기본 수준에서만 작동합니다. 이것은 어린이에게는 충분하지만 성인에게는 거의 없습니다.

우리는 감정이 개인이 자신의 모국 문화와 상호 작용하면서 얻은 경험에 크게 좌우된다는 것을 알고 있습니다. 아무도 당신이 사이코패스라고 생각하지 않을 거예요, 쾌활한 사람들 사이에서 미소를 짓고 고통을 느끼면 성인 생활에서 감정이 존재 조건에 적응하는 수단으로 사용되기 때문입니다.

우리는 상대방이 실제로 무슨 생각을 하고 있는지 알 수 없습니다. 가정하는 것은 쉽습니다: 그 사람 웃고 있어요, 그건 그 사람이 재미있다는 뜻이에요. 마음에는 무슨 일이 일어나고 있는지에 대한 일관된 그림이 있는 공중에 성을 쌓는 타고난 능력이 있습니다.

기존 가정이 어느 정도 진실과 일치하는지 확인하려고 노력하면 흔들리는 가설의 근거가 움직이기 시작할 것입니다. 미소는 슬픔이고, 찌푸린 얼굴은 행복이며, 눈꺼풀의 떨림은 즐거움입니다.

1889년 독일의 정신과 의사 프란츠 칼 뮐러-라이어(Franz Karl Müller-Lyer)는 선과 도형에 대한 인식 왜곡과 관련된 기하학적 광학 환상을 보여주었습니다. 바깥쪽을 향한 끝으로 둘러싸인 부분이 꼬리로 둘러싸인 부분보다 짧게 보이는 착각입니다. 실제로 두 세그먼트의 길이는 동일합니다.

정신과 의사는 또한 환상을 관찰하는 사람이 선을 측정하고 이미지 인식의 신경학적 배경에 대한 설명을 들은 후에도 계속해서 한 선을 다른 선보다 짧게 생각한다는 사실에 주목했습니다. 이 환상이 모든 사람에게 동일하게 보이지 않는다는 것도 흥미 롭습니다. 이에 덜 민감한 사람들이 있습니다.

심리학자 다니엘 카너먼 승인하다우리의 느린 분석 정신은 Müller-Lyer 속임수를 인식하지만 인지 반사를 담당하는 정신의 두 번째 부분은 새로운 자극에 자동으로 거의 즉각적으로 반응하여 잘못된 판단을 내립니다.

인지 오류는 단순한 실수가 아닙니다. 착시 현상을 볼 때 자신의 눈을 믿을 수 없다는 사실을 이해하고 인정할 수 있지만 실제 사람들과 소통하는 것은 복잡한 미로를 여행하는 것과 같습니다.

1906년 사회학자인 윌리엄 섬너(William Sumner)는 자연 선택의 보편성과 생존 투쟁을 선포하고 동물 존재의 원리를 인간 사회에 적용했습니다. 그의 견해로는 집단으로 뭉친 사람들은 공동체의 온전함을 위협하는 사실 분석을 거부함으로써 자신의 집단을 높이는 것입니다.

심리학자 리처드 니스벳 기사 "우리가 알 수 있는 것보다 더 많은 것을 말함: 정신적 과정에 대한 구두 보고"는 사람들이 자신의 기존 신념에 동의하지 않는 통계 및 기타 일반적으로 수용되는 데이터를 믿지 않으려는 것을 보여줍니다.

큰 숫자의 마법

이 영상을 보고 배우의 표정이 어떻게 변하는지 살펴보세요.

마음은 불충분한 데이터에 직면하여 신속하게 "레이블을 지정"하고 가정을 하며, 이는 역설적인 효과로 이어지며 Lev Kuleshov 감독이 수행한 실험의 예에서 명확하게 볼 수 있습니다.

1929년에 그는 배우, 수프가 담긴 접시, 관 속에 있는 아이, 소파 위에 있는 어린 소녀를 클로즈업으로 촬영했습니다. 그런 다음 배우의 장면이 담긴 영화를 세 부분으로 자르고 수프 접시, 어린이 및 소녀가 표시된 프레임과 별도로 접착했습니다.

시청자들은 서로 독립적으로 첫 번째 부분에서는 영웅이 배고프고, 두 번째 부분에서는 아이의 죽음에 슬퍼하며, 세 번째 부분에서는 소파에 누워 있는 소녀에 매료된다는 결론에 도달합니다.

실제로 배우의 표정은 모든 경우에 변하지 않습니다.

그리고 백 프레임을 보면 그 비결이 드러날까요?

심리학자 폴 에크만(Paul Ekman)은 대규모 집단의 비언어적 행동 진실에 대한 통계적 신뢰성에 관한 데이터를 기반으로 합니다. 창조 된 얼굴 움직임을 객관적으로 측정하기 위한 포괄적인 도구인 "얼굴 움직임 코딩 시스템"입니다.

그는 인공 신경망을 사용하면 사람의 얼굴 표정을 자동으로 분석할 수 있다고 생각합니다. 심각한 비판에도 불구하고(Ekman의 공항 보안 프로그램 통과하지 못했습니다 대조 시험), 이러한 주장에는 어느 정도 상식이 있습니다.

웃는 사람을 보면 그 사람이 속이고 실제로는 아무 소용이 없다고 생각할 수 있습니다. 그러나 당신(또는 카메라)이 XNUMX명의 사람들이 웃고 있는 것을 본다면, 그들 중 대부분은 실제로 멋진 스탠드업 코미디언의 공연을 보는 것처럼 즐거운 시간을 보내고 있을 가능성이 높습니다.

큰 수의 예에서, 일부 사람들이 에크만 교수조차 속일 정도로 감정을 교묘하게 조작할 수 있다는 것은 그다지 중요하지 않습니다. 위험 전문가 Nassim Taleb의 말에 따르면 감시 대상이 냉정하고 공정한 카메라일 때 시스템의 취약성 방지 기능이 크게 향상됩니다.

예, 우리는 인공 지능이 있든 없든 얼굴로 거짓말을 인식하는 방법을 모릅니다. 그러나 우리는 백명 이상의 사람들의 행복 수준을 결정하는 방법을 완벽하게 이해합니다.

비즈니스를 위한 감정 인식

얼굴 이미지에서 감정을 판단하는 가장 간단한 방법은 다양한 알고리즘을 사용하여 핵심 포인트의 좌표를 얻을 수 있는 분류를 기반으로 합니다. 일반적으로 수십 개의 지점이 표시되어 눈썹, 눈, 입술, 코, 턱의 위치와 연결되어 표정을 포착할 수 있습니다.

기계 알고리즘을 사용한 감정적 배경 평가는 이미 소매업체가 온라인을 오프라인에 최대한 통합하는 데 도움을 주고 있습니다. 이 기술을 사용하면 광고 및 마케팅 캠페인의 효과를 평가하고, 고객 서비스 및 서비스의 품질을 결정하며, 사람들의 비정상적인 행동을 식별할 수도 있습니다.

알고리즘을 사용하면 사무실에 있는 직원의 감정 상태(슬픈 사람이 있는 사무실은 동기가 약하고 낙담하고 부패한 사무실임)와 입구 및 출구에서 직원과 고객의 "행복 지수"를 추적할 수 있습니다.

여러 지점에 있는 Alfa-Bank 시작한 고객감정을 실시간으로 분석하는 파일럿 프로젝트입니다. 알고리즘은 고객 만족도에 대한 통합 지표를 구축하고, 지점 방문에 대한 감정적 인식의 변화 추세를 파악하고, 방문에 대한 전반적인 평가를 제공합니다.

마이크로소프트에서 말한 영화관에서 관객의 감정 상태를 분석하는 시스템(실시간으로 영화 품질에 대한 객관적인 평가)을 테스트하고 Imagine Cup 대회에서 "관객상" 후보에 오른 사람을 결정하는 시스템에 대해 설명합니다. 관객들이 가장 긍정적으로 반응한 팀이 승리를 거두었습니다.) .

위의 모든 것은 완전히 새로운 시대의 시작에 불과합니다. 노스캐롤라이나 주립대학교에서는 교육 과정을 수강하는 동안 학생들의 얼굴이 카메라로 촬영되었습니다. 분석됨 감정을 인식하는 컴퓨터 비전 시스템. 얻은 데이터를 바탕으로 교사는 교육 전략을 수정했습니다.

교육 과정에서는 일반적으로 감정 평가에 대한 관심이 부족합니다. 그러나 교육의 질, 학생 참여도를 평가하고, 부정적인 감정을 식별하고, 받은 정보를 기반으로 교육 과정을 계획할 수 있습니다.

얼굴 인식 Ivideon: 인구 통계 및 감정

이제 감정에 대한 보고서가 우리 시스템에 나타났습니다.

얼굴 감지 이벤트 카드에 별도의 "감정" 필드가 표시되었으며 "얼굴" 섹션의 "보고서" 탭에서 시간별 및 일별 새로운 유형의 보고서를 사용할 수 있습니다.

모든 탐지의 소스 데이터를 다운로드하고 이를 기반으로 자체 보고서를 생성할 수 있습니다.

최근까지 모든 감정 인식 시스템은 주의 깊게 테스트된 실험 프로젝트 수준에서 작동되었습니다. 그러한 조종사의 비용은 매우 높았습니다.

우리는 분석을 친숙한 서비스 및 장치 세계의 일부로 만들기를 원하므로 오늘부터 모든 Ivideon 고객은 "감정"을 사용할 수 있습니다. 특별한 요금제를 도입하지 않고, 특별한 카메라를 제공하지 않으며, 가능한 모든 장벽을 제거하기 위해 최선을 다합니다. 관세는 변경되지 않으며 누구나 1루블의 얼굴 인식과 함께 감정 분석을 연결할 수 있습니다. 달마다.

서비스는 다음과 같이 제공됩니다. 개인 계정 사용자. 그리고 계속 프로모션 페이지 우리는 Ivideon 얼굴 인식 시스템에 관해 훨씬 더 흥미로운 사실을 수집했습니다.

출처 : habr.com