语言处理将彻底改变企业的业务

• 数据收集，这里的数据必须是动态的视频数据;
• 肌肉单元很难做标注，每个人对表情的定义都不相同，“微笑”“难过”等标准难以判定;
• 微表情识别必须在五分之一秒内抓取到情绪变化，也就是要做到一秒钟处理五帧以上画面，让数据做到实时。

雷锋网(公众号：雷锋网)了解到，目前这一技术最多地是用在金融领域。

以信贷行业为例，如今骗贷行为频发。当涉及大额的贷款申请时，金融机构在批放贷款之前都会让面审员与用户进行一个十到十五分钟的问答。

起初会核对用户的基本信息，在用户回答的过程中，会为用户进行一个微表情的侧写，记录一个用户回答问题的习惯。

随着面审员问题的深入，用户在回答之后地问题时，如果出现了违反他之前的回答习惯(例如眼睛从直视屏幕转为眼睛往上瞟或往脚下看)，系统则会为其标记一个异常。

当整个面审环节结束后，系统会根据之前记录的异常次数、等级进行一个综合评估反馈给面审员。

如果前后差距过大，就意味着从基础问题到追问环节，此人的情绪、心理变化较大，如此就可提醒面审员此人有一定风险，要做更多地调查，以更好地降低风险。

从这来看，这项技术应用的前提还得配合面审员问题的逐步深入而出现的细微面部表情变化。

回到主题，学生们在上课过程中，没有任何言语上的思考及负担，也就意味着所有的面部表情都是自然状态下而产生的，断不可从单一的面部表情的变化去判断他的心理活动或者是否分心(缺乏标准)。

宇视智能算法开发部专家杨治昆直言，“对于这套系统的可操作性，我持怀疑态度”。

在他看来，这套系统在实际应用过程中，会存在以下几个问题：

• 任何AI技术的落地都要保证误识率可控。一般来说，正常教室的长度在十二米左右，不近的距离通过机器去判断每个同学们的面部细微变化，难度巨大;
• 任何产品的落地，都需要考虑光照等各种复杂环境的影响，这套系统也需要考虑上午、下午、夜间等教室内的环境变化。机器如何能够确保实时复杂场景下的准确识别?
• 视频监控下的学生是动态的，应用场景是非配合式的，这种情况下识别难度会进一步提升。机器如何能够做到不同角度的准确识别?

杨治昆表示，这些年AI技术发展迅速，教育市场也的确成为未来AI安防落地的重点拓展方向之一，如今各大安防厂商都在紧盯这块市场。

但从产业界角度来看，相关技术不能盲目落地。人工智能应用要保证识别率、误识率、鲁棒性，唯有满足这三点，技术的落地才会具有意义。

目前来看，比较容易落地的场景包括门禁、人脸考勤等等，而该系统提出的微表情分析，就目前AI发展水平来看，还存在很长一段距离。

在他看来，“一个产品的落地，除了要考虑客户的需求也要考虑到受众人群的体验”。


 

BPaaS=业务流程即服务，IaaS=基础架构即服务，PaaS=平台即服务，SaaS=软件即服务

注意：由于四舍五入的原因，总计可能并不一定是总和

资料来源：Gartner(2020年7月)

公有云服务是2020年IT支出前景的亮点之一。随着经济重启和经济活动恢复，很多地区的云支出预计将迅速增长，北美等地区预计将在2022年初恢复到更高支出水平。

Nag表示：“在COVID-19大流行期间，公有云为CIO们提供了两个显著优势：成本效益和支出递延。CIO可以使用云技术，而无需扩大本地数据中心规模或者购买传统许可软件，大幅减少前期现金投资。”

“自COVID-19爆发以来，有关公有云实用性的任何争议都消失了，2020年下半年，远程办公功能的扩展将优先考虑协作软件、移动设备管理、远程学习教育解决方案、安全性、以及支持扩容的基础设施。”

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!