TN Hinweis: Wenn Gesichtserkennungs-Tools für alle verfügbar sind, wird ihre Verwendung allgegenwärtig und gibt nach und nach die Kontrolle über ahnungslose Benutzer frei.
Möglicherweise sind Sie bereits mit Gesichtserkennungssoftware vertraut, auch wenn Sie noch nie Zeit in einem Labor für künstliche Intelligenz verbracht haben. Der Algorithmus, den Facebook beispielsweise zum Markieren von Fotos verwendet, ist eine Version der Gesichtserkennungssoftware, mit der Gesichter mit einer Genauigkeit von 97.25 Prozent identifiziert werden können.
Das Problem bei den meisten heutigen Gesichtserkennungssoftware ist jedoch, dass es sehr rechenintensiv und schwierig zu verwenden ist, um mehr als nur einfache Fotos abzugleichen. Wenn Sie das Erkennen von Gesichtern beschleunigen, Gesichtsmerkmale nachverfolgen und die Verwendung so einfach gestalten könnten, dass sie von jedem als Smartphone-App verwendet werden können, eröffnen sich möglicherweise eine Reihe wichtiger neuer Möglichkeiten.
Das ist das Ziel von KI-Forschern am Human Sensing Laboratory der Carnegie Mellon University. Ab Februar 2016 werden sie ihre fortschrittliche Software zur Gesichtsbildanalyse anderen Forschern zur Verfügung stellen. Die als IntraFace bekannte Software ist schnell und effizient genug, um als Smartphone-App installiert werden zu können.
Vorerst haben die Forscher kostenlose Demo-Apps für Smartphones zur Verfügung gestellt, die zeigen, wie IntraFace Gesichtsmerkmale erkennen und Emotionen erkennen kann. Diese können von der Website für das Human Sensing Laboratory, vom App Store von Apple oder von Google Play heruntergeladen werden.
Der leitende Forscher des Projekts, Fernando De la Torre, Associate Research Professor in der Robotik-Abteilung der Carnegie Mellon University, sagt, dass er bereits ein enormes Interesse im AI-Bereich für IntraFace zu spüren bekommt. „Jetzt ist es Zeit, neue Anwendungen für diese Technologie zu entwickeln. Wir haben einige von uns, aber wir glauben, dass es viele Leute gibt, die vielleicht noch bessere Ideen haben, wenn sie diese in die Hände bekommen. “
Medizinische Forscher von Duke verwenden beispielsweise IntraFace als Teil eines fortschrittlichen Tools zum Screening auf Autismus. Ärzte und Kliniker sind möglicherweise in der Lage, eine Reihe von Pathologien, einschließlich Depressionen oder Angstzuständen, zu überwachen oder zu erkennen, indem sie lediglich den Gesichtsausdruck von Patienten untersuchen.
Eine alltägliche Verwendung für die Gesichtserkennungsanalyse könnten Fahrzeuge sein, die einen abgelenkten Fahrer hinter dem Lenkrad erkennen können. In dem Demovideo zu IntraFace ist das Beispiel eines Vaters am Steuer eines Fahrzeugs zu sehen, der sich umdreht, um ein schreiendes Kleinkind für den Bruchteil einer Sekunde in einem Autositz zu trösten, bevor er gewarnt wird, dass er von der Straße abgekommen ist.
Und Verkaufs- und Marketingteams werden begeistert sein, sobald diese Technologie im Handel erhältlich ist. Stellen Sie sich vor, Sie könnten beurteilen, was die Menschen über Ihre Produkte denken, indem Sie nur ihre Gesichter lesen. Die Carnegie Mellon-Forscher bezeichnen dies als "Publikumsreaktionsmessung" und sehen potenzielle Anwendungen, die von öffentlichen Rednern verwendet werden, um zu messen, wie gut sie die Menge überzeugen. Sie können sich aber auch biometrische Tracker auf Werbetafeln vorstellen, die überprüfen, wie die Menge auf eine Werbung reagiert.
Sie können sich auch vorstellen, dass IntraFace von Dating-Apps verwendet wird, sobald die Technologie im Handel erhältlich ist. Sie sind sich nicht sicher, ob Sie sich dem Ziel Ihrer verliebten Absichten nähern sollen? Verwenden Sie die IntraFace-App, um die Gesichtszüge dieses gutaussehenden Mannes oder schönen Mädchens zu lesen und grünes Licht zu geben, um fortzufahren.
IntraFace ist das Ergebnis eines Jahrzehnts der Arbeit von De la Torre und seinen Kollegen, darunter Jeffrey Cohn, Professor für Psychologie und Psychiatrie an der University of Pittsburgh und außerordentlicher Professor am Robotics Institute der CMU. Die Forscher verwendeten Techniken des maschinellen Lernens, um die Software zu trainieren, um Gesichtsmerkmale zu erkennen und zu verfolgen. Die Forscher entwickelten daraufhin einen Algorithmus, mit dem dieses verallgemeinerte Gesichtsverständnis für eine Person personalisiert und die Analyse des Ausdrucks ermöglicht werden kann.
