丽莎老师讲机器人之AI可读心，确定性格与面部特征关系
欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。利用人工智能研究了性格和面部特征之间的关系。研究团队征集了12000多名志愿者，利用人工智能技术通过31000多张自拍学习了128种人脸特征，并且将志愿者的人格特征分为五类，即责任心、神经质、外向性、亲和性、开放性。结果显示，AI在基于静态面部图像预测性格方面的准确率达到了58%那么这次研究成果和“AI相面”有哪些区别呢，我们是否真的可以通过面部特征窥见人心？面部识别虽然是身份识别的主流方向，但用于看相并没有科学依据，娱乐性质更多一点。与“AI相面”不同的是，这项研究采集了大量样本，并用计算机深度神经网络模型学习了人脸特征与性格之间的关联映射函数。这些参与者的年龄介于18岁至60岁之间，其中女性占比59.4％，男性占比40.6％。在此基础上，研究团队用神经网络评估了人脸的128种特征，比如嘴巴宽度、嘴唇或眼睛高度，确保了实验覆盖的数据量级和多样性。得到数据之后，研究人员将数据分为两组，一组用来训练AI，一组用来测试神经网络的准确性。实验中的两类数据，用于训练的数据集占比90％，用于验证的数据集占比10％。在AI系统的设计上，研究人员开发了一种计算机视觉神经网络（NNCV），来区分不同的面孔，并且记住面部图像的特征。同时，研究团队还训练了人格诊断神经网络（NNPD），NNPD根据从NNCV分析出的信息，预测输出五种人格特质，整个过程分别针对男性和女性面部识别进行。人工智能可确定性格和面部特征关系。 进行情感计算需先建立与心理活动的关联通过上述研究我们不难发现，目前人脸识别已经有从“读脸”到“读心”的发展趋势，那么通过照片、视频等识别人脸表情，人脸识别技术需要哪些发展？人工智能的“读心”功能目前主要是通过情感计算实现。早在1997年，MIT媒体实验室就提出了情感计算的概念，情感计算旨在通过赋予计算机识别、理解和表达人的情感的能力，使得计算机具有更高的智能。在情感计算的研究中，情绪识别是最基础、最重要的内容之一。而情绪识别主要通过面部表情、语音、文字、生理信号等模态的数据，来识别出人类的各种情绪。“目前情感计算已有一些研究成果和进展，但是技术还不够成熟。通过表情分析心理活动是情绪识别不可缺少的方式，但表情识别比人脸识别更加难，因为心理活动的表现因人而异，很难统一建模全球所有人的喜怒哀乐与人脸数据之间的量化关系。首先给人脸图像标注情感类别和强度就是很难的事情，‘一千个观众眼中有一千个哈姆雷特’；此外，情绪判定存在主观性甚至掺杂地域文化风俗习惯等因素。”因此从识别身份到识别表情，人脸识别技术需要更先进的计算模型建立人脸图像、视频与心理活动之间的关系。但目前机器人有智商无情商，达到高度和谐的人机共存仍然任重道远。如果通过面相自动判断性格的技术到达成熟阶段，这种技术将会在企业招聘、职业规划、人机交互、广告营销等领域得到应用。
