Bias dalam Penjejakan Emosi

oleh

Bias dalam Penjejakan Wajah dan Emosi

Kita nampaknya turut menyokong oversimplifikasi popular bahawa mesin kurang berat sebelah berbanding manusia; namun, jika anda biasa dengan cara mesin dilatih untuk membaca dan menumpukan perhatian pada aspek data yang berbeza, anda akan tahu: Ia tidak semudah itu.

Mesin tidak bebas daripada bias jika ia dilatih oleh manusia.

Berikut adalah penyampaian mengenai pelbagai jenis bias yang boleh berlaku dalam penjejakan wajah dan pelabelan ekspresi. Banyak daripada bias ini boleh dikurangkan; oleh itu, saya juga telah menyertakan cadangan untuk kaedah yang lebih baik. Jika anda sedang mengusahakan penjejakan wajah dan emosi apa jua jenis, adalah tanggungjawab anda untuk sedar akan bias-bias ini.

Lihat slaid di bawah atau video yang dipautkan di sini: Video YouTube

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi
Bias berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: Banyak syarikat penjejakan wajah dan emosi cuba menggunakan Sistem Kod Tindakan Wajah (FACS) oleh Paul Ekman

Teks: Banyak penjejakan muka dan emosi syarikat-syarikat cuba untuk menggunakan Paul Ekman Sistem Kodifikasi Tindakan Wajah (FACS) 
– tetapi ramai yang tidak meluangkan masa untuk menggunakannya dengan betul.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi

Teks: Apa yang berlaku apabila anda tidak menggunakan FACS dengan betul?

  • klasifikasi ungkapan yang salah
  • klasifikasi ekspresi yang tidak konsisten
  • penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)
  • anarki

Walaupun anda menggunakan FACS dengan betul, sentiasa akan ada bias dan ketidakkonsistenan – tetapi dengan mengambil langkah-langkah yang berhati-hati, isu-isu ini boleh dikurangkan dengan ketara.

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi ekspresi yang tidak tepat

Teks: klasifikasi ungkapan yang salah

  • Tindakan wajah adalah halus dan sukar dibezakan tanpa kajian intensif.
  • Kebanyakan rujukan FACS (tidak termasuk manual FACS asal) menyediakan visual FACS yang salah – malah daripada sumber yang dianggap boleh dipercayai.
  • Walaupun terdapat ketidaktepatan ini, sumber sedemikian sering digunakan sebagai rujukan oleh jurutera dan penyelidik penjejakan wajah. 
  • Kerana syarikat teknologi tidak melabur cukup dalam peranan berasaskan data, mereka mungkin tidak mempunyai kakitangan atau sumber yang sesuai untuk membezakan aksi muka penting.
Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi ekspresi yang tidak tepat
Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi ekspresi yang salah

Teks: klasifikasi ungkapan yang salah

  • Bentuk asas seperti “pengencang bibir” sering dikelirukan dengan tindakan seperti “penekan bibir” dan/atau “bibir mengecut.”
  • Pengencang bibir penting dalam: penyataan emosi & produksi pertuturan
Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi ekspresi yang salah

Teks: klasifikasi ungkapan yang salah

  • Di atas adalah perwakilan sebenar pengencang bibir.
  • Ini hanyalah salah satu daripada banyak bentuk yang terbang di bawah radar setiap kali mereka:
    – tersilap ajar – diklasifikasikan secara salah – disalahgunakan
Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi Ekspresi yang Tidak Konsisten

Teks: Apa yang berlaku apabila anda tidak menggunakan FACS dengan betul?

    • klasifikasi ungkapan yang salah
    • klasifikasi ekspresi yang tidak konsisten
    • penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)
    • anarki
      •  

Walaupun anda menggunakan FACS dengan betul, sentiasa akan ada bias dan ketidakkonsistenan – tetapi dengan mengambil langkah-langkah yang berhati-hati, isu-isu ini boleh dikurangkan dengan ketara.

Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi Ekspresi yang Tidak Konsisten

Teks: klasifikasi ungkapan yang salah

Isu yang sama berkaitan klasifikasi yang salah juga menyumbang kepada klasifikasi yang tidak konsisten.

Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Klasifikasi Ekspresi yang Tidak Konsisten

Teks: klasifikasi ekspresi yang tidak konsisten

Jika syarikat teknologi tidak melabur sepenuhnya dalam kualiti data, peraturan pengelasan data mereka tidak dapat distandardkan.

Disebabkan:

  • kurangnya pelaburan dalam pengambilan dan/atau latihan pekerja untuk peranan berasaskan data
  • ketiadaan sumber FACS berkualiti 
  • kesukaran semula jadi dalam membezakan aksi wajah

→ Penglabel mengklasifikasikan ungkapan secara tidak konsisten.
→ Pelacak mengembangkan keanehan pelik, menggabungkan ungkapan yang salah antara satu sama lain sambil mengelirukan orang lain.

Teks: klasifikasi ekspresi yang tidak konsisten

CATATAN: Diagram ini dibuat untuk menerangkan masalah dalam pengaktifan bentuk bagi avatar, tetapi konsep asas yang sama terpakai kepada penjejakan wajah dan emosi.

Teks: Apa yang berlaku apabila anda tidak menggunakan FACS dengan betul?

    • klasifikasi ungkapan yang salah
    • klasifikasi ekspresi yang tidak konsisten
    • penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)
    • anarki
      •  

Walaupun anda menggunakan FACS dengan betul, sentiasa akan ada bias dan ketidakkonsistenan – tetapi dengan mengambil langkah-langkah yang berhati-hati, isu-isu ini boleh dikurangkan dengan ketara.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: pelabelan yang berat sebelah

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Apabila label ekspresi tidak ditakrifkan dengan jelas dan kurang difahami, kesilapan kecil boleh menimbulkan bias besar.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: pelabelan yang berat sebelah

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Sebelum membincangkan bias yang boleh wujud dalam teknologi penjejakan wajah, pertimbangkan bias yang sudah wujud dalam teknologi pengecaman ciri: pengecaman wajah.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Jika kita tidak dapat pun melakukan pengesanan ciri dengan betul, bayangkan betapa rumitnya bias dalam penjejakan ekspresi. Penjejakan ekspresi memerlukan pemahaman melangkaui ciri wajah. Ia memerlukan pemahaman tentang pergerakan wajah yang halus.

Sikap berat sebelah berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: Kajian-kajian telah konsisten mendapati bahawa orang secara ketara lebih teruk dalam mentafsir wajah daripada pelbagai budaya.
Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya) Kajian telah secara konsisten mendapati bahawa orang secara ketara kurang mahir mentafsir wajah daripada pelbagai budaya.
    Blais, Caroline & Jack, Rachael & Scheepers, Christoph & Fiset, Daniel & Caldara, Roberto. Budaya membentuk cara kita melihat wajah. (2008). PLoS ONE. 3. e3022. 10.1371/journal.pone.0003022.
Bias berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi:

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

  • Orang memetik maklumat dengan cara yang berbeza apabila melihat wajah dan mencari petunjuk yang berbeza apabila mentafsir emosi. 
  • Budaya sangat mempengaruhi apa yang kita anggap sebagai maklumat dan petunjuk yang bernilai.

Kajian mendapati:

  • Asia Timur peserta Biasanya memberi tumpuan pada bahagian tengah muka, sekitar hidung, dengan menekankan mata dan arah pandangan. 
  • Kaukasia Barat Para peserta cenderung mencari ekspresi emosi pada kawasan kening dan mulut.
  • Perbezaan perhatian ini menimbulkan kebergantungan apabila peserta melihat wajah dengan ekspresi yang bertentangan.
    contohnya apabila ada mata sedih dengan mulut yang gembira:
    – Peserta Jepun lebih menekankan emosi yang ditunjukkan melalui mata
    – Peserta Amerika lebih mementingkan kawasan mulut.

 

1. Blais, C., Jack, R. E., Scheepers, C., Fiset, D., dan Caldara, R. (2008). Budaya membentuk cara kita melihat wajah. PLoS ONE 3:e3022. doi: 10.1371/journal.pone.0003022
2. Elfenbein, H. A., & Ambady, N. (2003). Universalisme dan perbezaan budaya dalam mengenali emosi. Arah Arus Kini dalam Sains Psikologi, 12(5), 159-164.
3. Matsumoto, D., Kasri, F., & Kooken, K. (1999). Perbezaan budaya Amerika-Jepun dalam penilaian intensiti ekspresi dan pengalaman subjektif. Cognition & Emotion, 13(2), 201-218.
4. Matsumoto, D., & Ekman, P. (1989). Perbezaan budaya Amerika-Jepun dalam penilaian intensiti ekspresi emosi pada wajah. Motivation and Emotion, 13(2), 143-157.
5. Marsh, A. A., Elfenbein, H. A., & Ambady, N. (2003). Bezakan “loghat” bukan verbal dalam ekspresi emosi pada wajah: perbezaan budaya. Psychological Science, 14(4), 373-376.
6. Yuki, M., Maddux, W. W., & Masuda, T. (2007). Adakah tingkap ke jiwa sama di Timur dan Barat? Perbezaan budaya dalam penggunaan mata dan mulut sebagai petunjuk untuk mengenali emosi di Jepun dan Amerika Syarikat. Jurnal Psikologi Sosial Eksperimen, 43(2), 303-311.

Bias berdasarkan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: pelabelan ekspresi

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Sekarang pertimbangkan apa yang terlibat dalam pelabelan ekspresi . . .

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: depresor sudut bibir dan sisihan terhadap warga tua

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

  • Jika penekan sudut bibir Jika tidak difahami dengan betul, mereka yang melabel lebih cenderung mengklasifikasikan dengan salah. mana-mana bentuk dengan sudut bibir yang terkulai sebagai penekan sudut bibir. Bentuk-bentuk yang dikelaskan secara salah ini sering disebabkan oleh kesan peninggkat dagu – tetapi mereka juga boleh memasukkan sesuatu yang lebih teruk: wajah neutral (wajah tanpa ekspresi).
  • Satu kemungkinan hasil daripada salah tanggapan ini ialah: pengesanan berlebihan penekan sudut bibir pada orang yang mempunyai sudut bibir yang layu. Sering kali, orang tua mempunyai sudut mulut yang layu akibat kesan graviti jangka panjang. 
Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: depresor sudut bibir dan sisihan terhadap warga tua

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

  • Daripada amalan pelabelan yang tidak betul, demografi yang lebih tua mungkin tertakluk kepada pengesanan berlebihan penekan sudut bibir.
  • Penekan sudut bibir adalah komponen utama kesedihan. Bolehkah ralat ini menyebabkan pengesanan kesedihan yang berlebihan dalam kalangan warga emas?
  • Bagaimana pula dengan kumpulan lain yang ciri wajah mereka dicirikan oleh sudut bibir yang terkulai? Adakah mereka akan disalah tafsir sebagai “sedih”?
Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: depresor sudut bibir dan sisihan terhadap warga tua

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

  • Mungkin tidak kelihatan seperti perkara besar bagi penjejak untuk mengesan secara salah penekan sudut bibir atau kesedihan, tetapi: Apa yang berlaku apabila penjejakan wajah digunakan untuk perkara yang lebih besar seperti penilaian kesihatan mental atau menilai calon pekerja berpotensi?
Bias berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi:

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

  • AI kini menganalisis ekspresi wajah calon semasa temu duga kerja video – Unilever, IBM, Dunkin Donuts dan banyak lagi sudah menggunakan teknologi ini
  • Teknologi pengecaman emosi tidak berfungsi, tetapi selain mengupah profesional, ada yang menggunakannya juga: laporan
  • ‘AI ’pengesanan emosi' adalah industri bernilai $20 bilion. Penyelidikan baru mengatakan ia tidak dapat melakukan apa yang ia dakwakan.
Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: sisihan berasaskan ciri

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Kami membincangkan bagaimana pelabelan yang tidak betul boleh mencetuskan prasangka terhadap populasi warga tua . . . Tetapi bagaimana pula dengan prasangka lain terhadap orang yang mempunyai ciri-ciri wajah tertentu?

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: sisihan berasaskan ciri

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

“. . . program pengecaman wajah mempamerkan dua jenis bias yang berbeza.

Pertama, Muka hitam sentiasa dinilai lebih marah daripada muka putih untuk setiap senyuman. Face++ menunjukkan jenis bias ini. Kedua, muka hitam sentiasa dinilai lebih marah jika terdapat sebarang kekaburan mengenai ekspresi wajah mereka. Face API memaparkan jenis perbezaan ini. Walaupun wajah orang kulit hitam tersenyum separuh, analisis saya menunjukkan bahawa Sistem menganggap emosi negatif yang lebih tinggi pada individu berkulit gelap berbanding rakan sejawat berkulit putih mereka dengan ekspresi yang serupa. Purata skor emosi jauh lebih hampir merentasi kaum, tetapi masih terdapat perbezaan ketara bagi wajah kulit hitam dan putih.”

Memahami Bias Tersembunyi dalam AI Pembaca Emosi
-Lauren Rhue

Sikap berat sebelah berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: Bagaimana ini boleh berlaku? Mari kita tinjau semula mengapa penting untuk melabur lebih banyak dalam data.

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Bagaimana Adakah ini mungkin berlaku? 

Mari kita semak semula mengapa penting untuk melabur lebih banyak dalam data.

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: pengangkat bibir atas

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Pertimbangkan bentuk FACS “Pengangkat Bibir Atas.” Pengangkat Bibir Atas adalah komponen utama bagi emosi seperti rasa jijik, marah, dan kekejaman.

Ciri-ciri pengangkat bibir atas termasuk:

  • bibir atas terangkat
  • bahagian atas alur nasolabial yang membulat
    (garis ketawa – lihat foto)

CATATANDi samping kemungkinan bias dalam pelabelan tindakan muka, terdapat juga kontroversi besar mengenai Teori Emosi Asas (contohnya prototaip emosi asas seperti penghinaan, kemarahan, dan sebagainya) secara umum. Lihat “‘Semuanya Terletak Pada Mata dan Kebohongan Lain.“

Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: alur nasolabial

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Sesetengah orang mempunyai lekukan yang lebih ketara pada lipatan nasolabial mereka.

Ini hanyalah hasil struktur wajah mereka yang wujud secara semula jadi.

Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: alur nasolabial

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Seorang penanda yang tidak mahir dalam Sistem Kod Tindakan Muka boleh dengan mudah menandakan orang yang mempunyai lengkungan alur nasolabial bukan berasaskan ekspresi sebagai mempunyai Pengangkat Bibir Atas.

Label yang salah ini menghasilkan penjejak yang dilatih untuk mengenal pasti wajah dengan struktur tertentu sebagai menyatakan Pengangkat Bibir Atas – walaupun ketika mereka bersikap neutral atau tersenyum.

Memperoleh “set data pelbagai” tidak relevan jika label anda tidak tepat.

Latihan sedemikian menerangkan penemuan Lauren Rhue daripada Memahami Bias Tersembunyi dalam AI Pembaca Emosi.

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Pelabelan emosi holistik

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Kehadiran pelabelan emosi yang berat sebelah akan berterusan walaupun anda beralih daripada pendekatan berasaskan FACS dan cuba agar para pelabel mengklasifikasikan emosi secara holistik.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi

Teks: penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)

Sekiranya tidak jelas mengapa pelabelan emosi holistik sama berkemungkinan gagal (jika tidak, lebih lagi) – Berikut adalah pengingat:

  • Orang memetik maklumat dengan cara yang berbeza apabila melihat wajah dan mencari petunjuk yang berbeza apabila mentafsir emosi. 
  • Budaya sangat mempengaruhi apa yang kita anggap sebagai maklumat dan petunjuk yang bernilai.

Kajian mendapati:

  • Asia Timur Para peserta cenderung menumpukan perhatian pada bahagian tengah muka, sekitar hidung, memberikan lebih keutamaan kepada mata dan arah pandangan. 
  • Kaukasia Barat Para peserta cenderung mencari ekspresi emosi pada kawasan kening dan mulut.
  • Perbezaan perhatian ini menimbulkan kebergantungan apabila peserta melihat wajah dengan ekspresi yang bertentangan.
    contohnya apabila ada mata sedih dengan mulut yang gembira:
    – Peserta Jepun lebih menekankan emosi yang ditunjukkan melalui mata
    – Peserta Amerika lebih mementingkan kawasan mulut.
Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi

Teks: Apa yang berlaku apabila anda tidak menggunakan FACS dengan betul?

    • klasifikasi ungkapan yang salah
    • klasifikasi ekspresi yang tidak konsisten
    • penamaan berpihak (berdasarkan kaum, budaya, berkaitan umur, dan sebagainya)
    • anarki
      •  

Walaupun anda menggunakan FACS dengan betul, sentiasa akan ada bias dan ketidakkonsistenan – tetapi dengan mengambil langkah-langkah yang berhati-hati, isu-isu ini boleh dikurangkan dengan ketara.

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Mengurangkan sisihan

Teks: anarki

Jika . . . 

  • Budaya mempengaruhi cara kita mentafsir ungkapan dan emosi.
  • keadaan persekitaran mempengaruhi petunjuk yang kita lihat untuk menilai wajah
  • Pengetahuan tentang tindakan muka mempengaruhi cara kita menamakan ekspresi.

. . . Apa yang boleh dilakukan oleh syarikat teknologi untuk mengurangkan kesilapan manusia ini dan menghalangnya daripada bocor ke dalam algoritma?

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Mengurangkan sisihan

Teks: Apa yang boleh dilakukan oleh syarikat teknologi untuk mengurangkan bias dalam penjejakan wajah?

  • Syarikat teknologi mesti menyedari bahawa Penjejakan wajah telah berkembang melebihi skop kejuruteraan.
  • Syarikat teknologi mesti Mengakui kerentanan teknologi terhadap bias dan mendidik pekerja tentang kerentanan ini.
  • Syarikat teknologi mesti Melabur lebih banyak dalam kualiti data.
Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Mengurangkan sisihan

Teks: Mengiktiraf kemajuan teknologi penjejakan muka, memahami kerentanannya, dan melabur lebih banyak dalam kualiti data bermakna . . . 

  • Sebenarnya agih kuota kakitangan ke arah peranan yang memfokuskan pada kualiti data – walaupun itu memerlukan mengambil ruang daripada bilangan kakitangan kejuruteraan.
  • Menghabiskan masa, tenaga, dan sumber ke mencari pakar data. Jika ini tidak mungkin, syarikat masih perlu meluangkan masa, tenaga, dan sumber untuk melatih pakar data. Mengklasifikasikan ekspresi wajah jauh lebih rumit daripada mengklasifikasikan objek asas seperti lampu isyarat dan harus dilayan sedemikian.
Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: mengurangkan sisihan dalam penjejakan wajah

Teks: Mengurangkan bias dalam penjejakan muka

Mengiktiraf kemajuan teknologi penjejakan muka, memahami kerentanannya, dan melabur lebih banyak dalam kualiti data bermakna . . . 

  • Jurutera, penyelidikan, dan produk tidak seharusnya sekadar memberitahu data apa yang mereka perlukan – tetapi mendengar. kepada apa yang diperlukan oleh pasukan data. Pasukan data adalah yang paling arif tentang kerja di sebalik tabir yang diperlukan untuk pengoperasian algoritma. Di sinilah banyak syarikat gagal.
  • Mengkehendaki pekerja dengan peranan berasaskan data untuk berinteraksi secara berkala dengan pasukan kejuruteraan, penyelidikan, dan produk.
Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: latihan yang betul

Teks: Mengurangkan bias dalam penjejakan muka

Mengiktiraf kemajuan teknologi penjejakan muka, memahami kerentanannya, dan melabur lebih banyak dalam kualiti data bermakna . . . 

  • Mendidik pekerja tentang realiti bias dalam teknologi.
  • Mengambil langkah berjaga-jaga yang betul untuk Menyatakan piawaian dan mentakrifkan pelabelan.
  • Sentiasa menimbang bila dan di mana bias boleh muncul.
    – Siapakah yang melabel?
    – Apa yang mereka labelkan?
    – Apakah faktor yang mungkin mempengaruhi pelabelan mereka?
    *     mood * budaya * pengalaman
Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: imej statik

Teks: Mengurangkan bias dalam penjejakan muka

Mengiktiraf kemajuan teknologi penjejakan muka, memahami kerentanannya, dan melabur lebih banyak dalam kualiti data bermakna . . . 

Nota sampingan: BERHENTI MEMBERI LABEL PADA EKSPRESI DARI IMEJ STATIK.

  • FACS yang tepat dan pelabelan emosi banyak bergantung pada melihat pergerakan.
  • Jika pergerakan ditekankan lebih banyak, ciri wajah statik seperti sudut bibir yang terkulai dan alur nasolabial yang melengkung kurang mungkin mengaktifkan pengesanan penekan sudut bibir dan Pengangkat Bibir Atas (masing-masing).
Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Nota Penutup

Teks: Mengurangkan bias dalam penjejakan muka

Nota penutup . . . 

Bias kaum, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Implikasi

Teks: Mengurangkan bias dalam penjejakan muka

Semakin kita mempercayai dan bergantung kepada teknologi, semakin banyak kesan sampingan yang akan ditimbulkan oleh prasangka-prasangka ini.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: Implikasi AI

Teks: Mengurangkan bias dalam penjejakan muka

“… perisian pengecaman wajah mentafsir emosi secara berbeza berdasarkan kaum seseorang. …Penemuan ini mempunyai implikasi terhadap individu, organisasi, dan masyarakat, dan ia menyumbang kepada literatur yang semakin berkembang mengenai bias dan/atau impak yang tidak sama dalam AI.”

Rhue, Lauren, Pengaruh Kaum Terhadap Persepsi Emosi Automatik (9 November 2018). Tersedia di SSRN: https://ssrn.com/abstract=3281765 atau http://dx.doi.org/10.2139/ssrn.3281765

Sisihan perkauman, budaya, dan berkaitan umur dalam penjejakan wajah dan emosi: Tanggungjawab Data

Teks: Mengurangkan bias dalam penjejakan muka

Tanggungjawab.
Bekerja untuk mengurangkan bias.
Melabur lebih banyak dalam data.

Sisihan berkaitan kaum, budaya, dan umur dalam penjejakan wajah dan emosi: Lembaran Cheat FACS

Teks:

Sebagai tindak balas terhadap penyebaran rujukan FACS yang berkualiti rendah dan tidak tepat, Saya telah mencipta “FACS Cheat Sheet” percuma.” untuk dijadikan panduan bagi artis, penyelidik, dan jurutera. Ia boleh didapati di laman sumber FACS saya, Hadapi FACS. Saya juga sedia untuk berkhidmat sebagai perunding.

melindaozel.com/facs-cheat-sheet/

Direka untuk studio dan pasukan

Mari kita bercakap.

Email saya sekarang

facetheFACS@melindaozel.com