Sai lệch trong theo dõi khuôn mặt và cảm xúc
Chúng ta dường như tin vào quan điểm phổ biến rằng máy móc ít thiên vị hơn con người; tuy nhiên, nếu bạn hiểu cách máy móc được huấn luyện để đọc và tập trung vào các khía cạnh khác nhau của dữ liệu, bạn sẽ biết: Điều đó không đơn giản như vậy.
Máy móc không thể tránh khỏi sự thiên vị nếu chúng được đào tạo bởi con người.
Dưới đây là trình bày về các loại sai lệch có thể xảy ra trong quá trình theo dõi khuôn mặt và gắn nhãn biểu cảm. Nhiều trong số các sai lệch này có thể được giảm thiểu; do đó, tôi cũng đã đề xuất các phương pháp cải tiến. Nếu bạn đang làm việc về theo dõi khuôn mặt và cảm xúc dưới bất kỳ hình thức nào, bạn có trách nhiệm phải nhận thức được những thành kiến này.
Xem các slide bên dưới HOẶC video được liên kết tại đây: Video YouTube
Văn bản: Nhận diện khuôn mặt và theo dõi biểu cảm các công ty thử Sử dụng phương pháp của Paul Ekman Hệ thống mã hóa hành động khuôn mặt (Phân tích tế bào bằng kỹ thuật FACS)
– nhưng nhiều người không dành thời gian để sử dụng nó đúng cách.
Văn bản: Khi không sử dụng FACS đúng cách, điều gì sẽ xảy ra?
- Phân loại biểu thức không chính xác
- Phân loại biểu hiện không nhất quán
- Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- vô chính phủ
Ngay cả khi bạn sử dụng FACS một cách chính xác, vẫn sẽ luôn tồn tại sự thiên vị và không nhất quán – nhưng bằng cách áp dụng các biện pháp cẩn thận, những vấn đề này có thể được giảm thiểu đáng kể.
Văn bản: Phân loại biểu thức không chính xác
- Các cử chỉ khuôn mặt rất tinh tế và khó phân biệt nếu không có nghiên cứu kỹ lưỡng.
- Hầu hết các tài liệu tham khảo về FACS (trừ (the original FACS Manual) cung cấp các hình ảnh FACS không chính xác – ngay cả từ các nguồn được coi là đáng tin cậy.
- Mặc dù có những sai sót này, các nguồn này vẫn thường được các kỹ sư và nhà nghiên cứu về theo dõi khuôn mặt sử dụng làm tài liệu tham khảo.
- Vì các công ty công nghệ không đầu tư đủ vào các vị trí công việc dựa trên dữ liệu, họ có thể không có nhân sự hoặc nguồn lực phù hợp để phân biệt các hành động khuôn mặt quan trọng.
Văn bản: Phân loại biểu thức không chính xác
- Các hình dạng cơ bản như "Chất làm săn chắc môi"thường xuyên bị nhầm lẫn với các hành động như "Máy ép môivà/hoặc "môi nhăn."
- Chất làm săn chắc môi là quan trọng trong: Biểu đạt cảm xúc & Sản xuất ngôn ngữ
Văn bản: Phân loại biểu thức không chính xác
- Dưới đây là hình ảnh minh họa chính xác về sản phẩm làm săn chắc môi.
- Đây chỉ là một trong số rất nhiều hình dạng bay lượn mà chúng ta không để ý mỗi khi chúng xuất hiện:
– dạy sai – phân loại sai – sử dụng sai mục đích
Văn bảnKhi không sử dụng FACS đúng cách, điều gì sẽ xảy ra?
- Phân loại biểu thức không chính xác
- Phân loại biểu hiện không nhất quán
- Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- vô chính phủ
Ngay cả khi bạn sử dụng FACS một cách chính xác, vẫn sẽ luôn tồn tại sự thiên vị và không nhất quán – nhưng bằng cách áp dụng các biện pháp cẩn thận, những vấn đề này có thể được giảm thiểu đáng kể.
Văn bản: Phân loại biểu thức không chính xác
Các vấn đề tương tự liên quan đến việc phân loại sai. cũng góp phần gây ra sự không nhất quán trong phân loại.
Văn bản: Phân loại biểu hiện không nhất quán
Nếu các công ty công nghệ không đầu tư một cách toàn diện vào chất lượng dữ liệu, Các quy tắc phân loại dữ liệu của họ không thể được tiêu chuẩn hóa.
Do:
- Sự thiếu hụt đầu tư vào việc tuyển dụng và/hoặc đào tạo nhân viên cho các vị trí công việc dựa trên dữ liệu.
- Sự thiếu hụt các tài nguyên FACS chất lượng cao
- Một khó khăn nội tại trong việc phân biệt các hành động khuôn mặt.
→ Các công cụ gắn nhãn phân loại các biểu thức một cách không nhất quán.
→ Các trình theo dõi phát triển những thói quen kỳ lạ, liên kết các biểu thức không chính xác với nhau và gây nhầm lẫn cho người khác.
Văn bản: Phân loại biểu hiện không nhất quán
LƯU Ý: Biểu đồ này được tạo ra để giải thích các vấn đề liên quan đến kích hoạt hình dạng cho avatar, nhưng các khái niệm cơ bản tương tự cũng áp dụng cho việc theo dõi khuôn mặt và cảm xúc.
Văn bảnKhi không sử dụng FACS đúng cách, điều gì sẽ xảy ra?
- Phân loại biểu thức không chính xác
- Phân loại biểu hiện không nhất quán
- Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- vô chính phủ
Ngay cả khi bạn sử dụng FACS một cách chính xác, vẫn sẽ luôn tồn tại sự thiên vị và không nhất quán – nhưng bằng cách áp dụng các biện pháp cẩn thận, những vấn đề này có thể được giảm thiểu đáng kể.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Khi các nhãn biểu hiện không được định nghĩa rõ ràng và không được hiểu đúng, những sai sót nhỏ có thể gây ra những sai lệch lớn.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Trước khi đi vào các thành kiến có thể tồn tại trong công nghệ theo dõi khuôn mặt, hãy xem xét các thành kiến đã tồn tại trong công nghệ nhận dạng đặc điểm: nhận dạng khuôn mặt.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Nếu chúng ta còn không thể xác định chính xác các tính năng, hãy tưởng tượng sự phức tạp của sự thiên vị trong việc theo dõi biểu cảm. Việc theo dõi biểu cảm đòi hỏi sự hiểu biết vượt ra ngoài các đặc điểm khuôn mặt. Nó đòi hỏi sự hiểu biết về những chuyển động khuôn mặt tinh tế.
-
Blais, Caroline & Jack, Rachael & Scheepers, Christoph & Fiset, Daniel & Caldara, Roberto. Văn hóa ảnh hưởng đến cách chúng ta nhìn nhận khuôn mặt. (2008). PloS one. 3. e3022. 10.1371/journal.pone.0003022.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- Con người thu thập thông tin theo cách khác nhau khi nhìn vào khuôn mặt và tìm kiếm các manh mối khác nhau khi giải thích cảm xúc.
- Văn hóa có ảnh hưởng sâu sắc đến những gì chúng ta coi là thông tin và manh mối có giá trị.
Các nghiên cứu đã chỉ ra:
- Đông Á tham gia viên Thường tập trung vào phần giữa khuôn mặt, xung quanh mũi, và nhấn mạnh vào đôi mắt cùng hướng nhìn.
- Người Caucasus phương Tây Người tham gia có xu hướng tìm kiếm biểu hiện cảm xúc ở vùng lông mày và vùng miệng.
- Sự khác biệt trong sự chú ý này tạo ra sự thiên vị khi người tham gia quan sát các khuôn mặt có biểu cảm mâu thuẫn.
Ví dụ: Khi có đôi mắt buồn nhưng miệng cười:
– Người tham gia Nhật Bản coi trọng hơn cảm xúc được thể hiện qua ánh mắt.
– Người tham gia Mỹ quan tâm hơn đến vùng miệng.
1. Blais, C., Jack, R. E., Scheepers, C., Fiset, D., và Caldara, R. (2008). Văn hóa ảnh hưởng đến cách chúng ta nhìn nhận khuôn mặt. PLoS ONE 3:e3022. doi: 10.1371/journal.pone.0003022
2. Elfenbein, H. A., & Ambady, N. (2003). Các đặc điểm phổ quát và sự khác biệt văn hóa trong việc nhận diện cảm xúc. Hướng nghiên cứu mới trong Khoa học Tâm lý, 12(5), 159-164.
3. Matsumoto, D., Kasri, F., & Kooken, K. (1999). Sự khác biệt văn hóa giữa người Mỹ và người Nhật trong việc đánh giá cường độ biểu đạt và trải nghiệm chủ quan. Cognition & Emotion, 13(2), 201-218.
4. Matsumoto, D., & Ekman, P. (1989). Sự khác biệt văn hóa Mỹ-Nhật trong đánh giá cường độ của biểu cảm khuôn mặt về cảm xúc. Tạp chí Động lực và Cảm xúc, 13(2), 143-157.
5. Marsh, A. A., Elfenbein, H. A., & Ambady, N. (2003). Các "giọng điệu" phi ngôn ngữ: Sự khác biệt văn hóa trong biểu cảm khuôn mặt của cảm xúc. Tạp chí Khoa học Tâm lý, 14(4), 373-376.
6. Yuki, M., Maddux, W. W., & Masuda, T. (2007). Cửa sổ tâm hồn có giống nhau ở Đông và Tây? Sự khác biệt văn hóa trong việc sử dụng mắt và miệng làm tín hiệu để nhận biết cảm xúc ở Nhật Bản và Hoa Kỳ. Tạp chí Tâm lý Xã hội Th sperimental, 43(2), 303-311.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Bây giờ hãy xem xét những yếu tố cần thiết để ghi nhãn biểu thức . . .
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- Nếu Dụng cụ ấn góc môi Nếu không được hiểu đúng, người gắn nhãn có khả năng cao sẽ phân loại sai. bất kỳ Hình dạng với các góc môi chảy xệ như Dụng cụ ấn góc môiNhững hình dạng được phân loại sai này thường do tác động của Thiết bị nâng cằm – nhưng chúng cũng có thể bao gồm những điều tồi tệ hơn.: Khuôn mặt trung tính (khuôn mặt không có biểu cảm).
- Một kết quả có thể xảy ra từ sự hiểu lầm này là: Phát hiện quá mức của Dụng cụ ấn góc môi Ở những người có khóe miệng chảy xệ. Thường thì, người cao tuổi có khóe miệng chảy xệ do tác động lâu dài của trọng lực.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- Do các thực hành dán nhãn không đúng cách, nhóm dân số cao tuổi có thể bị phát hiện quá mức về Dụng cụ ấn góc môi.
- Cơ bắp ở góc môi là một thành phần quan trọng của cảm xúc buồn bã. Lỗi này có thể dẫn đến việc phát hiện quá mức cảm xúc buồn ở nhóm tuổi cao hơn không?
- Còn các nhóm khác có đặc điểm khuôn mặt là khóe miệng xệ thì sao? Liệu chúng có bị hiểu nhầm là "buồn" không?
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- Việc một thiết bị theo dõi phát hiện sai có thể không phải là vấn đề lớn. Dụng cụ ấn góc môi hoặc nỗi buồnnhưng: Khi công nghệ theo dõi khuôn mặt được áp dụng cho các mục đích lớn hơn như đánh giá sức khỏe tâm thần hoặc đánh giá ứng viên tiềm năng, điều gì sẽ xảy ra?
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- Trí tuệ nhân tạo (AI) hiện đang phân tích biểu cảm khuôn mặt của ứng viên trong các cuộc phỏng vấn việc làm qua video – Unilever, IBM, Dunkin Donuts và nhiều công ty khác đã áp dụng công nghệ này.
- Công nghệ nhận diện cảm xúc không hiệu quả, nhưng các doanh nghiệp vẫn tiếp tục sử dụng nó bằng cách thuê chuyên gia: báo cáo
- Trí tuệ nhân tạo (AI) phát hiện cảm xúc là một ngành công nghiệp trị giá $20 tỷ đô la. Nghiên cứu mới cho thấy nó không thể làm được những gì nó tuyên bố.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Chúng ta đã thảo luận về cách ghi nhãn không đúng có thể kích thích sự phân biệt đối xử đối với người cao tuổi . . . Nhưng còn những định kiến khác đối với những người có đặc điểm khuôn mặt nhất định thì sao?
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
". . . các chương trình nhận diện khuôn mặt thể hiện hai loại thiên vị rõ rệt.
Đầu tiên, Các khuôn mặt đen luôn được đánh giá là trông giận dữ hơn so với các khuôn mặt trắng trong mọi biểu cảm cười. Face++ đã thể hiện loại thiên vị này. Thứ hai, Các khuôn mặt đen luôn được đánh giá là có vẻ giận dữ hơn. Nếu có bất kỳ sự mơ hồ nào về biểu cảm khuôn mặt của họ. Face API đã hiển thị sự chênh lệch này. Ngay cả khi khuôn mặt người da đen chỉ cười một phần, phân tích của tôi cho thấy rằng... Các hệ thống này thể hiện nhiều cảm xúc tiêu cực hơn so với các hệ thống có cùng biểu cảm nhưng là người da trắng. Điểm cảm xúc trung bình giữa các nhóm chủng tộc gần nhau hơn nhiều, nhưng vẫn có sự khác biệt đáng kể giữa khuôn mặt người da đen và da trắng.
Hiểu rõ sự thiên vị ẩn giấu trong các hệ thống trí tuệ nhân tạo đọc cảm xúc
-Lauren Rhue
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Làm thế nào Có thể điều này xảy ra không?
Hãy cùng nhau xem lại TẠI SAO VIỆC ĐẦU TƯ NHIỀU HƠN VÀO DỮ LIỆU L
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Xem xét hình dạng FACS "Cơ nâng môi trên" Cơ nâng môi trên là một thành phần quan trọng của các cảm xúc như ghê tởm, giận dữ, và sự khinh bỉ.
Các đặc điểm của cơ nâng môi trên bao gồm:
- môi trên nhếch lên
- Vùng nếp nhăn quanh mũi và miệng phía trên được làm tròn.
(đường cười – xem hình)
LƯU ÝNgoài các thiên vị tiềm ẩn trong việc gắn nhãn hành động khuôn mặt, còn có nhiều tranh cãi đáng kể về Lý thuyết Cảm xúc Cơ bản (ví dụ: các mẫu cảm xúc cơ bản như khinh bỉ, giận dữ, v.v.) nói chung. Xem "'"Tất cả đều nằm trong ánh mắt" và những lời dối trá khác.“
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Một số người có nếp nhăn quanh mũi và miệng sâu hơn.
Đây chỉ là kết quả tự nhiên của cấu trúc khuôn mặt của họ.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Một người dán nhãn không thành thạo Hệ thống Mã hóa Hành động Khuôn mặt (FACS) có thể dễ dàng dán nhãn sai cho những người có đường nhăn mũi-miệng không dựa trên biểu cảm là có Cơ nâng môi trên.
Những nhãn sai này tạo ra một mô hình nhận diện khuôn mặt được huấn luyện để nhận diện các khuôn mặt có cấu trúc nhất định là biểu hiện của Cơ nâng môi trên – ngay cả khi họ trung lập hoặc đang mỉm cười.
Việc thu thập một "bộ dữ liệu đa dạng" là không quan trọng nếu các nhãn dữ liệu của bạn không chính xác.
Đào tạo này giải thích cho kết quả nghiên cứu của Lauren Rhue từ Hiểu rõ sự thiên vị ẩn giấu trong các hệ thống trí tuệ nhân tạo đọc cảm xúc.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Sự hiện diện của việc gắn nhãn cảm xúc có thiên vị sẽ vẫn tồn tại ngay cả khi bạn chuyển sang một phương pháp không dựa trên FACS và cố gắng để người gắn nhãn phân loại cảm xúc một cách tổng thể.
Văn bản: Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
Nếu chưa rõ tại sao việc gắn nhãn cảm xúc toàn diện có khả năng thất bại ngang bằng (nếu không muốn nói là cao hơn) – DƯỚI ĐÂY LÀ MỘT SỐ THÔNG T:
- Con người thu thập thông tin theo cách khác nhau khi nhìn vào khuôn mặt và tìm kiếm các manh mối khác nhau khi giải thích cảm xúc.
- Văn hóa có ảnh hưởng sâu sắc đến những gì chúng ta coi là thông tin và manh mối có giá trị.
Các nghiên cứu đã chỉ ra:
- Đông Á Người tham gia thường tập trung vào phần giữa khuôn mặt, xung quanh mũi, và đặt nhiều sự chú ý vào đôi mắt và hướng nhìn.
- Người Caucasus phương Tây Người tham gia có xu hướng tìm kiếm biểu hiện cảm xúc ở vùng lông mày và vùng miệng.
- Sự khác biệt trong sự chú ý này tạo ra sự thiên vị khi người tham gia quan sát các khuôn mặt có biểu cảm mâu thuẫn.
Ví dụ: Khi có đôi mắt buồn nhưng miệng cười:
– Người tham gia Nhật Bản coi trọng hơn cảm xúc được thể hiện qua ánh mắt.
– Người tham gia Mỹ quan tâm hơn đến vùng miệng.
Văn bảnKhi không sử dụng FACS đúng cách, điều gì sẽ xảy ra?
- Phân loại biểu thức không chính xác
- Phân loại biểu hiện không nhất quán
- Gán nhãn thiên vị (dựa trên chủng tộc, văn hóa, tuổi tác, v.v.)
- vô chính phủ
Ngay cả khi bạn sử dụng FACS một cách chính xác, vẫn sẽ luôn tồn tại sự thiên vị và không nhất quán – nhưng bằng cách áp dụng các biện pháp cẩn thận, những vấn đề này có thể được giảm thiểu đáng kể.
Văn bản: vô chính phủ
Nếu . . .
- Văn hóa ảnh hưởng đến cách chúng ta hiểu các biểu đạt và cảm xúc.
- Điều kiện môi trường ảnh hưởng đến các dấu hiệu mà chúng ta quan sát để đánh giá khuôn mặt.
- Kiến thức về các hành động của khuôn mặt ảnh hưởng đến cách chúng ta phân loại các biểu cảm.
. . . Các công ty công nghệ có thể làm gì để giảm thiểu các lỗi do con người gây ra và ngăn chặn chúng rò rỉ? Vào các thuật toán?
Văn bản: Các công ty công nghệ có thể làm gì để giảm thiểu sự thiên vị trong công nghệ theo dõi khuôn mặt?
- Các công ty công nghệ phải nhận thức được rằng Công nghệ theo dõi khuôn mặt đã vượt ra ngoài phạm vi của kỹ thuật.
- Các công ty công nghệ phải Chấp nhận tính dễ bị ảnh hưởng bởi thiên vị của công nghệ và đào tạo nhân viên về những điểm yếu này.
- Các công ty công nghệ phải Đầu tư nhiều hơn vào chất lượng dữ liệu.
Văn bản: Nhận thức được những tiến bộ của công nghệ theo dõi khuôn mặt, hiểu rõ các lỗ hổng của nó và đầu tư nhiều hơn vào chất lượng dữ liệu có nghĩa là . . .
- Thực ra Phân bổ nhân sự Hướng tới các vai trò tập trung vào chất lượng dữ liệu – ngay cả khi điều đó đòi hỏi phải giảm bớt nhân sự kỹ thuật.
- Dành thời gian, công sức, và tài nguyên đến Tìm chuyên gia dữ liệu. Nếu điều này không thể thực hiện được, công ty vẫn có trách nhiệm dành thời gian, công sức và nguồn lực để ĐÀO TẠO các chuyên gia dữ liệu. Phân loại biểu cảm khuôn mặt phức tạp hơn nhiều so với việc phân loại các đối tượng cơ bản như đèn giao thông và cần được xem xét một cách tương ứng.
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
Nhận thức được những tiến bộ của công nghệ theo dõi khuôn mặt, hiểu rõ các lỗ hổng của nó và đầu tư nhiều hơn vào chất lượng dữ liệu có nghĩa là . . .
- Kỹ thuật, nghiên cứu và sản phẩm không nên chỉ đơn thuần cung cấp dữ liệu theo yêu cầu – mà phải LẮNG NGHE. Đáp ứng nhu cầu của các đội ngũ dữ liệu. Các đội ngũ dữ liệu là những người am hiểu nhất về công việc kỹ thuật phức tạp phía sau để đảm bảo các thuật toán hoạt động hiệu quả. Đây chính là nơi nhiều công ty thất bại.
- Yêu cầu nhân viên có vai trò liên quan đến dữ liệu phải thường xuyên làm việc cùng các đội ngũ kỹ thuật, nghiên cứu và sản phẩm.
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
Nhận thức được những tiến bộ của công nghệ theo dõi khuôn mặt, hiểu rõ các lỗ hổng của nó và đầu tư nhiều hơn vào chất lượng dữ liệu có nghĩa là . . .
- Giáo dục nhân viên về thực trạng thiên vị trong lĩnh vực công nghệ.
- Thực hiện các biện pháp phòng ngừa phù hợp để Tiêu chuẩn hóa và xác định quy định về nhãn mác.
- Luôn luôn Xem xét thời điểm và địa điểm mà sự thiên vị có thể xuất hiện.
– Ai là người dán nhãn?
– Họ đang dán nhãn gì?
– Những yếu tố nào có thể ảnh hưởng đến việc dán nhãn của chúng?
* tâm trạng * văn hóa * kinh nghiệm
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
Nhận thức được những tiến bộ của công nghệ theo dõi khuôn mặt, hiểu rõ các lỗ hổng của nó và đầu tư nhiều hơn vào chất lượng dữ liệu có nghĩa là . . .
GHI CHÚ: Dừng gắn nhãn cho các biểu thức từ hình ảnh tĩnh.
- Độ chính xác của phân loại tế bào bằng FACS và gắn nhãn cảm xúc phụ thuộc lớn vào việc quan sát được chuyển động.
- Nếu chuyển động được nhấn mạnh hơn, các đặc điểm khuôn mặt tĩnh như khóe miệng chảy xệ và nếp nhăn mũi má cong sẽ ít có khả năng kích hoạt quá trình phát hiện. Dụng cụ ấn góc môi và Cơ nâng môi trên (tương ứng).
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
Ghi chú kết thúc . . .
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
Càng tin tưởng và phụ thuộc vào công nghệ, Càng nhiều hệ quả mà những thành kiến này gây ra.
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
"… Phần mềm nhận diện khuôn mặt diễn giải cảm xúc khác nhau tùy thuộc vào chủng tộc của người được nhận diện. … Phát hiện này có ý nghĩa đối với cá nhân, tổ chức và xã hội, và nó góp phần vào kho tàng nghiên cứu ngày càng lớn về sự thiên vị và/hoặc tác động bất lợi trong trí tuệ nhân tạo (AI)."
Rhue, Lauren, Ảnh hưởng của chủng tộc đối với nhận thức tự động về cảm xúc (Ngày 9 tháng 11 năm 2018). Có sẵn trên SSRN: https://ssrn.com/abstract=3281765 hoặc http://dx.doi.org/10.2139/ssrn.3281765
Văn bản: Giảm thiểu sai lệch trong theo dõi khuôn mặt
Chịu trách nhiệm.
Hãy nỗ lực để giảm thiểu sự thiên vị.
Đầu tư nhiều hơn vào dữ liệu.
Văn bản:
Để ứng phó với tình trạng phổ biến của các tài liệu tham khảo FACS chất lượng thấp và không chính xác, Tôi đã tạo ra một bảng tóm tắt miễn phí về FACS. để làm tài liệu hướng dẫn cho nghệ sĩ, nhà nghiên cứu và kỹ sư. Tài liệu này có sẵn trên trang tài nguyên FACS của tôi, Đối mặt với FACSTôi cũng sẵn sàng tư vấn.
1 bình luận về “Bias In Emotion Tracking”
Bình luận đã đóng.