TN Opmerking: wanneer hulpmiddelen voor gezichtsherkenning overal en voor iedereen beschikbaar zijn, wordt het gebruik ervan alomtegenwoordig en krijgt het geleidelijk een net van controle over nietsvermoedende gebruikers.
De kans is groot dat u al bekend bent met gezichtsherkenningssoftware, zelfs als u nog nooit in een laboratorium voor kunstmatige intelligentie hebt doorgebracht. Het algoritme dat Facebook gebruikt om foto's te taggen, is bijvoorbeeld een versie van gezichtsherkenningssoftware die gezichten kan identificeren met een nauwkeurigheid van 97.25 procent.
Het probleem met de meeste hedendaagse gezichtsherkenningssoftware is echter dat het rekenkundig zeer intensief en moeilijk te gebruiken is voor meer dan alleen het matchen van eenvoudige foto's. Als u het proces van het herkennen van gezichten kunt versnellen, de mogelijkheid kunt toevoegen om gelaatstrekken te volgen en het zo gemakkelijk te gebruiken maakt dat het door iedereen als een smartphone-app kan worden gebruikt - dan kan dit een aantal belangrijke nieuwe kansen bieden.
Dat is het doel van AI-onderzoekers van het Human Sensing Laboratory van Carnegie Mellon University. Vanaf februari 2016 zullen zij hun geavanceerde software voor het analyseren van gezichtsafbeeldingen beschikbaar stellen aan collega-onderzoekers. De software, bekend als IntraFace, is snel en efficiënt genoeg om te kunnen worden geïnstalleerd als een smartphone-app.
Voorlopig hebben de onderzoekers, om een ​​voorbeeld te geven van wat te verwachten, gratis demonstratie smartphone-apps beschikbaar gesteld, die laten zien hoe IntraFace gelaatstrekken kan identificeren en emoties kan detecteren. Deze kunnen worden gedownload van de website voor het Human Sensing Laboratory, van Apple's App Store of van Google Play.
De hoofdonderzoeker van het project, Fernando De la Torre, universitair hoofddocent aan de robotica-afdeling van Carnegie Mellon University, zegt dat hij al enorme belangstelling begint te zien binnen het AI-veld voor IntraFace. “Nu is het tijd om nieuwe applicaties voor deze technologie te ontwikkelen. We hebben er een paar van onszelf, maar we geloven dat er veel mensen zijn die misschien nog betere ideeën hebben als ze er eenmaal in de hand zijn. '
Medische onderzoekers van Duke gebruiken bijvoorbeeld IntraFace als onderdeel van een geavanceerd hulpmiddel om te screenen op autisme. Artsen en artsen kunnen mogelijk een aantal pathologieën, waaronder depressie of angst, volgen of detecteren, gewoon door gezichtsuitdrukkingen van patiënten te bekijken.
Een dagelijks gebruik voor analyse van gezichtsherkenning kunnen voertuigen zijn die een afgeleid bestuurder achter het stuur kunnen herkennen. In de demovideo voor IntraFace is er het voorbeeld van een vader achter het stuur van een voertuig die zich omdraait om een ​​schreeuwende peuter een fractie van een seconde in een autostoeltje te troosten voordat hij wordt gewaarschuwd dat hij van de weg is gereden.
En verkoop- en marketingteams zullen hier dol op zijn zodra deze technologie commercieel beschikbaar wordt - stel je voor dat je kunt evalueren wat mensen over je producten denken, gewoon door hun gezicht te lezen. De onderzoekers van Carnegie Mellon noemen dit "meting van het publieksreactie" en zien potentiële toepassingen die door openbare sprekers worden gebruikt om te meten hoe goed ze de menigte winnen. Maar je kunt je ook biometrische trackers op billboards voorstellen, die kijken hoe het publiek op een advertentie reageert.
Wat dat betreft kun je je ook voorstellen dat IntraFace wordt gebruikt door dating-apps zodra de technologie commercieel beschikbaar wordt. Weet u niet zeker of u het doel van uw amoureuze bedoelingen moet benaderen? Gebruik de IntraFace-app om de gelaatstrekken van die knappe jongen of dat mooie meisje te lezen en het groene licht te krijgen om verder te gaan.
IntraFace is het resultaat van tien jaar werk van De la Torre en zijn collega's, waaronder Jeffrey Cohn, een professor in de psychologie en psychiatrie aan de Universiteit van Pittsburgh en een adjunct-professor in het Robotics Institute van CMU. De onderzoekers gebruikten technieken voor machinaal leren om de software te trainen om gelaatstrekken te herkennen en te volgen. De onderzoekers creëerden vervolgens een algoritme dat dit algemene begrip van het gezicht kan overnemen en het voor een individu kan personaliseren, wat expressie-analyse mogelijk maakt.
wpDiscuz