Máy nhận diện cảm xúc qua khuôn mặt: làm được gì và sai ở đâu

Máy nhận diện cảm xúc qua khuôn mặt làm khá tốt một việc: phát hiện cử động cơ mặt như nhếch môi, cau mày. Nó làm kém ở việc quan trọng hơn: suy ra người đó thật sự đang cảm thấy gì, vì cùng một nét mặt mang nhiều nghĩa tuỳ người, tuỳ văn hoá, tuỳ hoàn cảnh. Vì vậy Microsoft đã ngừng cung cấp tính năng đoán cảm xúc trong dịch vụ nhận diện khuôn mặt từ năm 2022, và Đạo luật AI của Liên minh châu Âu cấm dùng nhận diện cảm xúc ở nơi làm việc và trường học, trừ lý do y tế hoặc an toàn.

Máy "đọc cảm xúc" hoạt động thế nào

Ý tưởng máy tính hiểu cảm xúc có từ lâu, và được đặt tên thành một ngành khi Rosalind Picard (Viện Công nghệ Massachusetts, MIT) xuất bản cuốn Affective Computing năm 1997. Hệ thống nhận diện cảm xúc qua khuôn mặt phổ biến hiện nay thường làm ba bước:

1. Tìm khuôn mặt trong ảnh hoặc video.
2. Đo cử động cơ mặt: khoé miệng kéo lên, lông mày nhíu, mắt mở to… Nhiều hệ dựa trên hệ thống mã hoá cử động cơ mặt (FACS) mà Paul Ekman và Wallace Friesen công bố năm 1978.
3. Gán nhãn cảm xúc: thường là một danh sách cố định như vui, buồn, giận, sợ, ngạc nhiên, ghê tởm, trung tính — kèm một con số "độ tự tin".

Bước 1 và 2 là bài toán thị giác máy tính, và máy đã khá giỏi. Bước 3 mới là chỗ gây tranh cãi, vì nó dựa trên một giả định: mỗi cảm xúc có một gương mặt riêng, ai cũng giống nhau.

Chỗ sai thứ nhất: nét mặt không bằng cảm xúc

Năm 2019, năm nhà khoa học — Lisa Feldman Barrett, Ralph Adolphs, Stacy Marsella, Aleix Martinez và Seth Pollak — công bố một tổng quan dài trên Psychological Science in the Public Interest sau khi xem xét hơn một nghìn nghiên cứu. Kết luận của họ: người ta có xu hướng cau mày khi giận, cười khi vui nhiều hơn khi không, nhưng mối liên hệ này yếu, thay đổi nhiều theo người, theo tình huống, theo văn hoá. Người giận rất hay không cau mày; người cau mày rất hay không giận. Vì vậy, các tác giả viết, việc suy ra cảm xúc từ nét mặt một cách tự tin — như nhiều sản phẩm công nghệ đang làm — chưa có cơ sở khoa học vững chắc.

Nói cách khác, máy có thể nói chính xác "người này đang nhíu mày", nhưng khi nó nói "người này đang giận 87%", con số đó dễ gây hiểu lầm. Nhíu mày có thể vì tập trung, vì nắng, vì đau đầu, vì cố đọc chữ nhỏ.

Đây không có nghĩa là thuyết cảm xúc cơ bản của Ekman đã bị bác bỏ — tranh luận khoa học về cảm xúc vẫn còn mở. Nhưng ngay cả những người ủng hộ thuyết cảm xúc cơ bản cũng không cho rằng một tấm ảnh mặt đủ để kết luận cảm xúc của một người cụ thể trong một tình huống cụ thể.

Chỗ sai thứ hai: dữ liệu diễn và thiên lệch

Học từ gương mặt "diễn"

Nhiều bộ dữ liệu dùng để huấn luyện máy là ảnh diễn viên hoặc người mẫu được yêu cầu "làm mặt giận", "làm mặt sợ" — những biểu cảm rõ, cường điệu. Đời thật thì cảm xúc thường nhẹ, lẫn lộn, và bị kiểm soát. Máy học giỏi trên ảnh diễn có thể đoán kém hẳn trên người thật.

Thiên lệch theo nhóm người

Năm 2018, nhà nghiên cứu Lauren Rhue (khi đó ở Đại học Wake Forest) phân tích ảnh chân dung các cầu thủ bóng rổ chuyên nghiệp Mỹ bằng hai dịch vụ nhận diện cảm xúc thương mại. Bà thấy các dịch vụ này có xu hướng gán nhiều cảm xúc tiêu cực hơn cho cầu thủ da đen so với cầu thủ da trắng có nụ cười tương đương. Dù chỉ là một nghiên cứu với một mẫu cụ thể, nó cho thấy rủi ro thật: máy học từ dữ liệu lệch sẽ cho kết quả lệch, và người bị đọc sai thường là nhóm vốn đã chịu định kiến.

Khác biệt văn hoá

Nụ cười, cái nhíu mày mang nghĩa khác nhau giữa các nền văn hoá. Người Việt cười khi ngượng, khi lỡ lời, khi muốn giữ hoà khí. Một hệ thống chủ yếu được huấn luyện trên ảnh người phương Tây có thể đọc nhầm những nụ cười ấy, hoặc đọc gương mặt điềm tĩnh của một người lớn tuổi là "buồn".

Các công ty và nhà làm luật đã phản ứng ra sao

Bảng trên chỉ ghi những mốc đã công bố rộng rãi. Luật và chính sách công nghệ thay đổi nhanh; ai cần thông tin pháp lý cụ thể nên đọc văn bản gốc mới nhất.

Vậy máy làm được gì có ích

Không phải mọi ứng dụng đều đáng ngờ. Những việc máy làm tương đối ổn hoặc có ích khi dùng đúng chỗ:

• Đo cử động cơ mặt cho nghiên cứu: thay vì người ngồi mã hoá từng khung hình mất hàng giờ, máy đếm cử động nhanh hơn — miễn là nhà nghiên cứu không coi đó là cảm xúc.
• Hỗ trợ y tế có giám sát: nghiên cứu dùng máy theo dõi nét mặt đau ở bệnh nhân không nói được, ở trẻ sơ sinh trong khoa hồi sức — luôn đi kèm đánh giá của nhân viên y tế.
• An toàn giao thông: phát hiện tài xế buồn ngủ qua mắt nhắm, gật đầu — đây là đo trạng thái cơ thể hơn là cảm xúc.
• Công cụ hỗ trợ cá nhân: một số ứng dụng thử giúp người khó đọc cảm xúc luyện tập; hiệu quả còn đang được nghiên cứu.

Những chỗ nên dè chừng trong đời sống

• Camera "đo mức tập trung, cảm xúc" của học sinh trong lớp. Trẻ cau mày khi suy nghĩ, ngáp khi đói, nhìn ra cửa sổ khi đang nghĩ bài. Chấm điểm con dựa trên nét mặt vừa thiếu cơ sở vừa gây áp lực.
• Phỏng vấn xin việc qua video có "AI chấm cảm xúc". Người lo lắng, người hướng nội, người có văn hoá biểu lộ khác dễ bị đánh giá oan.
• Ứng dụng "phát hiện nói dối", "đo độ chung thuỷ" qua camera điện thoại. Không có cơ sở khoa học.
• Quảng cáo đo phản ứng khách hàng mà không xin phép: ngoài chuyện độ chính xác còn là chuyện quyền riêng tư với dữ liệu khuôn mặt — loại dữ liệu nhạy cảm.

Với cha mẹ: nếu trường học hoặc trung tâm của con dùng camera "đo cảm xúc", hãy hỏi họ thu thập dữ liệu gì, dùng để làm gì, ai được xem và lưu bao lâu. Đó là câu hỏi chính đáng.

Góc nhìn hôm nay

Bài học từ máy nhận diện cảm xúc cũng là bài học cho chính con người: nét mặt là manh mối, không phải lời giải. Máy thiếu thứ mà người thân có — biết người đó bình thường thế nào, vừa trải qua chuyện gì, và có thể hỏi. Ai muốn đọc thêm có thể tìm tổng quan "Emotional Expressions Reconsidered" (2019, truy cập miễn phí), cuốn Affective Computing của Rosalind Picard, và cuốn Atlas of AI (Kate Crawford, 2021) có một chương phê phán việc máy "đọc" cảm xúc.

Việc làm được ngay: lần tới thấy một ứng dụng hứa "đọc cảm xúc qua khuôn mặt", tự hỏi ba câu — nó đo cử động hay đoán cảm xúc, nó học từ dữ liệu của ai, và ai được xem kết quả.