公共安全，就像是我們這個社會的“免疫力”，可能平時很少注意到它，一旦發生事故，說明危險已至，輕則“感冒”，重則“要命”。

近期發生的一些公共安全事件反映出，安檢作為公共安全的防御屏障，是不夠的。

比如7月19日，溫州醫科大學附屬第一醫院心血管內科的李晟醫生，在門診診療過程中，突然遭到一名持刀男子的襲擊，經搶救無效不幸去世。更早時候，上海地鐵軌交9號線合川路站內的持刀傷人案，則是在過了安檢之后的出站驗票處發生的。山西臨汾鐵路侯馬西站候車室的水果刀傷人案，同樣在站內捅傷兩人。

事發之后，有人說，想要杜絕危險物品，安檢要做到機場的嚴格程度，做不到就是形式主義。也有人說，地鐵、醫院、高鐵站的安檢進一步加強，通行效率會很低，基本要癱瘓了，還要投入大量安保資源，屬于勞民傷財。

種種事件說明，安檢可以檢測有形的有害物品，卻很難檢測無形的有害情緒。這些有害情緒，比如極端仇恨、矛盾沖突、報復社會心理等，就像不定時炸彈，一旦爆發就會造成無辜傷亡。

因此，公共安全，不能止于檢物。

AI情緒檢測，就是一道提升公共安全“免疫力”的無形屏障。

根據科技媒體WIRED報道，目前英國火車站的攝像頭，正在使用亞馬遜的情緒檢測系統，監控火車站內情況。一旦發現情緒異常人員，就會通知工作人員進一步查看。

情緒檢測能在對個人隱私數據保護堪稱嚴苛的歐洲國家落地，或許足以說明一些東西。

本文來聊聊，能讓一貫保守的英國接受，AI情緒檢測究竟做對了什么？必要性又在哪里？

據報道，采用了情緒識別算法的智能攝像頭，會被用來檢測火車乘客的情緒，通過面部掃描來預測潛在情緒，從而發現盜竊、闖入者等異常行為。

這件事最難的地方，并不是技術，而是如何在人臉識別限制法規最嚴苛的歐洲國家，接受對公眾開展面部檢測？

歐洲對面部識別技術在公共場所的應用，經歷了一個變化顯著的過程：

全面禁止。自2017深度學習技術爆火以來，CV領域的人臉識別成為主流應用之一，而歐洲對此嚴格監管，在2019年12月出臺的《人工智能白皮書（草案）》中，表示在公共場所使用人臉識別技術將被禁止3至5年。

反復搖擺。號稱史上最嚴苛的AI和數據法規頒布之后，就有大量分析師和科技人士表示，這些限制極大地阻礙了歐洲人工智能技術的進步和應用的落地，導致AI產業發展阻滯。但歐洲對此的態度一直比較搖擺，2021年2月的《歐盟數據戰略》等文件態度緩和，說會嚴格限制，但不會全面禁止，到了當年10月又通過決議，禁止警方在公共場所使用面部識別技術。

暫時緩和。最終在今年2024年3月13日，歐洲通過了具有里程碑意義的《人工智能法案》，對面部識別技術的態度有所緩和，禁止了“基于敏感生物特征（如面部識別）進行無目的的大規模監控的應用”，也對該技術的合理使用放了一馬。

為什么會對AI情緒檢測“特殊對待”呢？

這就要提到公共安全的“不可能三角”：成本、收益、體驗。

公共安全“事前預防大于事后補救”。高風險事件一旦發生，“亡羊補牢”的代價往往是人的生命，所以應當采取更嚴格的事前監管。一般來說，就是安檢。

但安檢存在一個“不可能三角”，需要在投入成本、安全收益、公眾體驗之間進行復雜的權衡。

如果安檢流程不夠敏感，出現“漏檢”，會給有害“病毒”可乘之機。而危險群體會對安檢系統產生“耐藥性”，就像病毒對藥物的抵抗能力增強一樣，找到安檢流程的漏洞進行規避。

但我們也很清楚，在任何場所無差別地采用機場級別的安檢水平，進行搜身式的違禁品查驗，不僅會影響通行效率和民眾出行體驗，而且需要更為龐大的安檢人員，帶來高昂的成本支出，邊際收益是很低的。

特別是歐洲的地鐵、火車高鐵站、景區，此前普遍沒有安檢，等于向危險品、恐怖威脅“大開方便之門”。而從頭推行常態化安檢，要從頭開始部署安檢人員、設備等成本，并教育公眾改變長久以來的出行習慣，幾乎是不可能被廣泛接受的。

這種背景下，AI情緒檢測的應用，有望為傳統安檢的“不可能三角”，找到一種新的解法。

AI情緒檢測并不是一項新技術，為什么此時卻成了歐洲公共安全的救命稻草？

這要從幾個變化說起：

變化一是算法的進步，極大地增加了安全收益。

英國高鐵站所采用的情緒檢測系統，是亞馬遜已經在電商、醫療、公共安全、營銷等領域探索多年的Rekognition系統，可以識別包括快樂、悲傷、憤怒、驚訝、厭惡、平靜、困惑在內的多種情緒，2023年迭代之后，還可以識別“恐懼”。

比如在電商場景中，通過門店攝像頭來判斷消費者的情緒，以優化產品陳設；在個人娛樂場景中，亞馬遜的Alexa等智能設備可以及時感知用戶情緒，當用戶處于憤怒或悲傷等負面情緒時，提供安慰或建議。

可以說，目前情感分析和情緒識別的算法已經相當成熟，準確度和檢測精度可以達到在公共場所兼顧效率、安全和體驗的復雜要求。

變化二是數字社會的持續推進，讓AI情緒識別的成本可控。

智慧城市在全球多個國家和區域不斷完善，用于城市安防的智能攝像頭經過多年迭代，目前技術和產品已經相當成熟。其中，“軟件定義”的智能攝像頭可以在線加載不同的算法，來實現垂直的智能應用，無需更換硬件就能實現AI情緒檢測的更新和升級，也不會帶來過高的成本壓力。

變化三是近年來，人們對公共安全的擔憂和對隱私顧慮的下降，因此對情緒檢測的接納度較好。

隨著世界政治局勢和經濟環境的動蕩，很多國家的公眾對公共安全的擔憂有所增長，尤其是在非法移民增多的歐洲，跨國犯罪和矛盾沖突給公共安全帶來了不少威脅。

這種背景下，AI情緒識別不僅能提前檢測出潛在的緊張氛圍和沖突跡象，避免情緒失控導致的公共安全事件，而且不像暴露面部隱私那樣，讓人感覺到不舒服。

這是因為，情緒檢測所采集的數據并不具有“強識別性”。

正如《隱私的權利》中所說的，隱私是“不被打擾的權利（the right to be left alone）”。相比“強識別性”的人臉識別，公眾場所的AI情緒檢測并不會在危機尚未暴露時打擾到公眾、涉足個人隱私信息，也就是說并不能通過情緒，對自然人進行唯一識別和認證，不會因此知道你姓甚名誰。這就極大地減少了公眾的被監視感。

從這個角度說，AI情緒檢測在成本、收益、體驗上都達到了比較好的平衡，應該成為傳統安檢之外，一道公共安全的無形屏障。

AI情緒檢測，防止惡性極端安全事件，對于整個社會來說，絕對利大于弊。那么，咱們什么時候也能搞起來呢？

坦率地說，目前國內大中型城市的智能安防系統已經做得很不錯了，想上線情緒檢測算法并不難，難就難在，算法的國產化之路，還得走一陣。

其中最大的障礙，是數據集不夠多、不夠好。

我采訪過一位山東某高校的老師，對方利用深度學習技術，進行微表情的識別算法開發。微表情的特點是持續的時間非常短、運動幅度的變化較小、難以掩飾和抑制，所以很適合用來進行潛在危險人員的情緒檢測。

微表情需要心理學實驗來采集，再通過計算機進行分析處理。需要先給受試者看一些心理學家論證好的刺激源，誘發微表情的產生，用一個高速攝像機對著待測者的臉，讓計算機把圖像一幀一幀存儲起來。收集好數據之后，還要進行標注，打上情緒標簽，以及時空域特征，就是該表情發生的開始時刻、結束時刻以及高潮時刻。

該老師提到，在其團隊建立MMEW數據庫之前，針對微表情的研究，缺乏一些特別大的公開數據庫，最大的數據庫也僅有247個樣本，而且圖像分辨率不高。

既需要心理學實驗，又要計算機工程，既然微表情數據集這么難，為什么要從頭開始自己構建呢？

我們知道，情緒表達會受到文化、社會生活等背景的影響。而國際上的情緒圖片，大多是基于外國人臉采集的數據，在識別中國面孔的情緒狀態、意圖和行為時，未必會很準確。所以，AI情緒檢測在公共安防領域的真正應用，還需要從扎實構建國產高質量數據集做起。

另一個問題就是，有了算法，誰來賣？

更準確的說法是，誰來提供算力和一系列配套服務。情緒識別是一個復雜的過程，需要強大的計算能力來快速分析海量數據，并實時反饋情緒識別結果，對算力有著極高的需求。此外，AI是一個持續演進的技術，情緒檢測模型需要不斷學習和優化，以提高識別的準確性和泛化能力。以英國高鐵站落地的Rekognition系統為例，是亞馬遜AWS推出的云服務之一，在云端進行學習、分析和功能性改進。

而在國內，因為涉及公眾信息數據，一定是私有化本地部署，最終核心競爭力的還是算法技術和ToB服務能力。所以，國內CV算法公司會比云廠商在該市場更具競爭力，但如何解決算力的成本問題、服務的人效問題，是算法公司長期存在的難題，需要更精巧合理的商業設計。

九層之臺，起于壘土。盡管AI情緒檢測的國產化之路，還有待從數據、算法、商業等層面一點點夯實，但用技術來提升公共安全“免疫力”，避免惡性安全事故，取得成本、效益、體驗的平衡，應該逐步成為整個社會的共識和目標。

人是目的，而技術是手段。

捍衛人們生命權的技術，理應獲得發展權，即使是對新技術極盡嚴苛的歐洲，這或許是AI情緒檢測落地帶給我們的最大啟示。

審核編輯 黃宇