安检能发现有形的有害物品，却很难发现无形的有害情绪，这些有害情绪，如极度仇恨、矛盾冲突、报复性社会心理等，就像定时炸弹，一旦爆炸就会造成无辜的伤亡。
因此，公共安全不能只局限于检查物体。
AI情绪检测是增强公共安全“免疫力”的一道隐形屏障。
据科技媒体WIRED报道，目前英国火车站的摄像头正在使用亚马逊的情绪检测系统来监控火车站内的情况，一旦发现情绪异常的人，就会通知工作人员进行进一步检查。
情绪检测能够在对个人隐私数据保护严格的欧洲国家实现，或许足以说明一些事情。
本文探讨了AI情绪检测的优点以及它为何需要被英国保守派接受。
据悉，搭载情绪识别算法的智能摄像头将用于检测列车乘客的情绪，通过面部扫描预测潜在情绪，从而发现盗窃、入侵等异常行为。
这件事情最难的并不是技术，而是在人脸识别监管最为严格的欧洲国家，如何让民众接受人脸检测？
欧洲在公共场所使用面部识别技术的情况发生了显著变化：
全面禁止。自2017年深度学习技术爆发以来，CV领域人脸识别已成为主流应用之一，欧洲对此监管严格。在2019年12月发布的《人工智能白皮书（征求意见稿）》中，提出3至5年内禁止在公共场所使用人脸识别技术。
史上最严AI及数据法规颁布后，大量分析师和科技人士表示，这些限制极大地阻碍了人工智能技术在欧洲的推进和应用落地，导致AI产业发展陷入停滞。但欧洲对此的态度却摇摆不定，2021年2月《欧盟数据战略》等文件软化了态度，称会严格限制但不会全面禁止。同年10月，又通过决议，禁止警方在公共场所使用面部识别技术。
暂时松绑。终于，2024年3月13日，欧洲通过了具有里程碑意义的《人工智能法案》，对人脸识别技术的态度有所软化，禁止“基于敏感生物特征识别（如人脸识别）的无目的大规模监控应用”，也为该技术的合理使用开了绿灯。
AI情绪检测为何受到“特殊对待”？
这就给我们带来了公共安全的“不可能三角”：成本、收益和经验。
公共安全是“预防胜于治疗”，一旦发生高危事件，“亡羊补牢”的代价往往是人命，所以要采取更严格的事前监管，一般来说就是安全检查。
然而，安全检查存在一个“不可能三角”，需要在投入成本、安全效益和公众体验之间进行复杂的权衡。
如果安检环节不够灵敏，出现“漏检”，有害“病毒”就有了可乘之机，危险团体就会对安检系统产生“耐药性”，就像病毒对药物产生耐药性一样，寻找安检环节的漏洞进行规避。
但我们也非常清楚，在任何地方盲目地采用机场级的安检标准，对违禁品进行搜身，不仅会影响通行效率和人们的出行体验，而且需要投入更多的安检人员，带来高昂的成本，边际效益很低。
尤其是欧洲的地铁、高铁站、景区等此前普遍没有安检，这相当于给危险品、恐怖威胁“打开了大门”，从零开始实行定期安检几乎不可能被广泛接受，这需要从零开始部署安检人员、设备等成本，还要教育民众改变长期以来形成的出行习惯。
在此背景下，AI情绪检测的应用有望为传统安检的“不可能三角”找到新的解决方案。
AI情绪检测并不是一项新技术，为何此时却成为欧洲公共安全的救命稻草？
这从几个变化开始：
第一个变化是算法的进步，大大增加了安全效益。
英国高铁站使用的情绪检测系统是亚马逊在电商、医疗、公共安全、营销等领域探索多年的系统，能识别快乐、悲伤、愤怒、惊讶、厌恶、平静、困惑等多种情绪，经过2023年的迭代，还能识别“恐惧”。
例如在电商场景中，门店摄像头可以判断消费者的情绪，以优化商品陈列；在个人娱乐场景中，亚马逊的Alexa等智能设备可以及时感知用户情绪，并在用户处于愤怒、悲伤等负面情绪时给予安慰或建议。
可以说，情绪分析与识别的算法目前已经相当成熟，其准确度与检测精度可以满足公共场所平衡效率、安全和体验的复杂要求。
第二个变化是数字化社会的不断进步，让AI情绪识别的成本变得可控。
智慧城市在全球多个国家和地区不断完善，经过多年的迭代，用于城市安防的智能摄像机技术和产品目前已经相当成熟，其中“软件定义”的智能摄像机可以在线加载不同算法，实现垂直智能应用，AI情绪检测无需更换硬件即可更新升级，不会带来过大的成本压力。
第三个变化是近年来人们对公共安全、隐私等担忧有所降低，对情绪检测的接受度更高。
随着世界政治局势和经济环境的动荡，许多国家民众对公共安全的担忧日益加重，尤其在非法移民数量增加的欧洲，跨国犯罪和冲突给公共安全带来诸多威胁。
在此背景下，AI情绪识别不仅可以提前发现潜在的紧张、冲突迹象，避免因情绪失控引发的公共安全事件，而且不会像暴露面部隐私那样让人感到不舒服。
这是因为情绪检测收集的数据并不是“强可识别的”。
正如《隐私权》所言，隐私是“不受干扰的权利”。相比于“强识别性”的人脸识别，AI情绪检测在公共场所使用，在危机暴露前，不会扰乱公众视线，也不会涉及个人隐私信息。换言之，它无法通过情绪来唯一识别和验证一个自然人的身份，也不会知道你的名字。这大大降低了公众被监控的感觉。
从这个角度来看，AI情绪检测在成本、效益、体验上取得了比较好的平衡，应该成为传统安检之外一道公共安全的隐形屏障。
AI情绪检测可以预防恶意、极端的安全事件，对整个社会来说，必定是利大于弊。那么，什么时候可以开始使用它呢？
坦白讲，国内大中城市的智能安防已经做的很好了，情绪检测算法上线并不难，难的是算法的国产化还需要一段时间。
最大的障碍是数据集不够大或者不够好。
我拜访了山东某大学的一位老师，他利用深度学习技术开发了一种微表情识别算法。微表情的特点是持续时间极短、动作幅度变化小、难以掩饰和抑制，所以非常适合用于对潜在危险人物的情绪检测。
微表情需要通过心理实验采集，再通过计算机进行分析处理。需要给受试者展示一些已经被心理学家证实可以诱发微表情的刺激，用高速摄像机对准受试者面部，计算机逐帧存储图像。数据采集完成后需要对其进行注释，标注情绪标签、时空特征，也就是表情的开始时间、结束时间、高潮时间等。
该老师提到，在其团队建立MMEW数据库之前，针对微表情的研究缺少特别大型的公开数据库，最大的数据库也只有247个样本，而且图像分辨率不高。
这需要心理实验和计算机工程，既然微表情数据集如此困难，我们为什么要从头开始构建呢？
我们知道，情绪表达受到文化、社会生活等背景的影响。世界上大多数的情绪图像都是基于外国人脸部采集的数据，在识别中国人脸部的情绪状态、意图和行为时可能并不是很准确。因此，AI情绪检测在公安领域的真正应用，仍需从扎实建设国内优质数据集开始。
还有一个问题是，现在我们有了算法，谁来卖它？
更准确的说法是谁来提供算力和一系列的支撑服务。情绪识别是一个复杂的过程，需要强大的算力来快速分析海量数据，并实时反馈情绪识别结果，这对算力的要求极高。另外，AI是一个不断发展的技术，情绪检测模型需要不断学习和优化，提高识别准确率和泛化能力。以英国高铁站的系统为例，它是亚马逊AWS推出的云服务之一，在云端进行学习、分析和功能改进。
在国内，由于涉及到公开信息数据，必须私有化部署在本地，最终的核心竞争力还是算法技术和ToB服务能力。因此国内CV算法公司在这个市场上会比云厂商更有竞争力，但如何解决算力成本和服务效率的问题，是算法公司长期面临的问题，需要更加精细合理的业务设计。
九层之塔，始于足下。虽然AI情绪检测的国产化还需要从数据、算法、业务等方面一点一点夯实，但用技术增强公共安全“免疫力”，避免重大安全事故，实现成本、效益、体验的平衡，应该逐渐成为全社会的共识和目标。
人是目的，技术是手段。
即使是在对新技术要求极其严格的欧洲，捍卫人类生存权的技术也应该被赋予发展的权利。这或许是AI情绪检测落地带给我们的最大启示。
