標籤：

你是什麼個性，AI看看你的眼球就知道了

08-12
你是什麼個性，AI看看你的眼球就知道了

來自專欄景略集智9 人贊了文章

古羅馬著名辯論家西塞羅曾說過一句很著名的話——「眼睛是心靈的窗戶。」這句數千年來交口相傳的名言表明我們內心所感所想和眼睛有莫大關係。透過一個人的眼睛，能看清他的性格嗎？也許你覺得這是件不可能的事情，但最近的一項研究表明，藉助機器學習演算法，我們能判斷出一個人有怎樣的個性。

在心理學上，有一個著名的人格分類法「TheBigFive」，即大五類人格特徵，將人的人格和個性劃分為5大類：開放性、嚴謹性、外向性、宜人性與神經質人格特質。近日，澳大利亞南澳大學與德國斯圖加特大學聯合研究了一項課題，通過蘋果旗下計算機視覺公司SMI的基於錄像的頭戴式眼球追蹤技術獲取人們的眼球活動數據後，用機器學習演算法探究眼球移動和人格特徵之間的關係，最後搭建的AI模型能根據眼球活動情況準確預測出上述5類人格的後4種。

實驗流程

收集數據

項目研究人員從澳大利亞福林德斯大學找到了50名學生作為測試對象，其中包括42名男性和8名女性，平均年齡為21.9歲。研究人員讓參與測試的學生配戴上SMI公司提供的眼球追蹤器，在測試中，追蹤器會記錄視線數據，測試對象身上背著的智能手機會錄下現場高解析度視頻。

然後研究人員發給這些學生每人5澳元，讓他們在校園裡大概轉悠10分鐘，然後去學校商店買一樣自己喜歡的東西（比如飲料、糖果），然後回到實驗室將設備交給研究人員，接著填寫三份關於人格和好奇心的自測問卷以評估他們的個性。

研究人員使用的這三份問卷分別為：1）NEO-FFI-3大五人格測試，評估前文提到的這五大人格；2）感知型好奇測試，評估人類面對特殊感官刺激與視覺感官檢查時的興趣；3）CEI-II好奇心&探索精神測試，評估好奇心程度。

數據處理

研究人員首先清洗了設備收集到的測試對象的眼球活動數據，因檢測不到瞳孔或者視線方向超越150%範圍而得到的數據都會被排除在外，最終有43名測試對象的數據合格。

然後他們使用了滑動窗口法處理數據，這種方法既能讓數據不受錄製中單個時間段的影響，也不會忽略平均化效應對眼球活動特徵的影響。對於每個得到的時間窗口，會提取一個由207個特徵組成的向量，這些特徵包括原始眼球活動數據的統計信息，基於一項心理學研究中眼球活動和好奇心之間關係的熱度圖，眼球追蹤研究中關於凝視、掃視和眨眼的統計信息，以及凝視和掃視停留時間長短的信息。

搭建模型

研究人員為每個人格特徵劃分為3個人格得分範圍（低，中等和高），然後他們為每個人格特徵單獨創建了一個隨機森林分類器，由100個決策樹組成，用前面得到的特徵訓練模型後讓模型預測人格在這三個分數範圍中的得分。每個決策樹嵌入了一個樹形決策流程圖，每個樹的最大深度設為5，每次決策最多可考慮15個特徵。

在訓練模型期間，研究人員使用了嵌套交叉校驗法（nested cross validation）優化了時間窗口大小和特徵選擇等參數。在每個分類器中，嵌套交叉驗證會循環遍歷訓練集、驗證集和測試集，從而高效避免模型出現過擬合。

模型驗證

在研究中，研究人員使用了三種分數範圍中的F1分數來評估分類器。由於隨機森林模型本身在訓練過程中存在不確定性，所以他們使用不同初始隨機狀態，重複進行了一百次嵌套交叉驗證。

研究人員還將創建的分類器根據幾個隨機基準進行了比較，以確定模型成功分類的概率。每個基準都計算了100次，因此最後得到了每個基準的100個F1分數，並將其與分類器的結果比較。

試驗結果

上圖展示了研究人員搭建的分類器以及所有基準在每個人格特徵下的平均F1分數。我們可以看到，分類器在神經質（40.3%）、外向性（48.6%）、一致性（45.9%）、宜人性（45.9%）、責任心（43.1%）和感知型好奇心（37.1%）這些方面的F1得分均優於基準水平。只有在開放性（30.8%）和好奇心&探索精神（27.2%）這兩方面的得分低於基準水平。

為了探究關於眼球活動特點和人物個性之間如何關聯的更多詳細信息，研究人員進一步計算了隨機森林分類器中所有特徵的相對重要性。一個隨機森林分類器包含幾個決策樹，隨機森林中的每個特徵的重要性被定義為其在所有決策樹組件中的平均重要程度。在每個決策樹內，特徵的重要程度則通過基於該特徵所做的所有決定來定義：所做的決定數量越多，平均分類誤差就越小；在決策樹中經過這些決策的傳遞的數據越多，決策基於該特徵重要程度就越高。

上圖的上半部分表示樂每個人格下最重要的前10個特徵，根據它們在所有人格中的重要性中位數得出；下半部分展示了之前研究數據中，與性格或者好奇心相關的更多特徵。

項目研究人員在論文中表示，這是業界首次使用機器學習方法通過追蹤眼球活動來判斷人格特徵。

研究意義

如論文作者所言，這項研究最大的貢獻在於它首次證明通過記錄和追蹤個人的眼球活動數據，可以分析和預測他的神經質、內向與外向、環境是應用、責任心、好奇心水平等這些個性信息。另一方面，對眼神和個人性格之間關係的研究也能促進人機互動技術的發展。

南澳大學教授Tobias Loetscher表示：「人們越來越需要更完善更人性化的服務，然而當前的機器人和電腦並不善於社交，因此很難理解人類的非語言信息，比如眼神和肢體語言。而有了這項研究，技術人員就能開發出更自然、更能理解人類社交信號的機器人和電腦。」

研究人員已經將本項目的代碼開源，地址戳這裡：

github.molgen.mpg.de/sa

參考資料：

cnet.com/news/artificia

unisa.edu.au/Media-Cent

frontiersin.org/article


推薦閱讀：

※【願景學成】24小時科技熱點新聞的匯總（2018/05/18）
※參賽必看｜想拿百萬獎金嗎？賽前錦囊火熱來襲！
※AI優質報告 | 2018第二彈 | 03.18-03.24 | Poggio訪談、技術爆炸、FB事件評論……
※在小樹林里自由飛翔，在辦公室里爬梯，波士頓動力又出來炫技了 | 科技有意思

TAG:機器學習 | AI技術 |