一些群体的代表性严重不足。信用：arXiv（2023 年）。DOI： 10.48550/arxiv.2309.10780

多样性和包容性是负责任地发展人工智能 （AI） 技术（包括情感计算）的关键方面。情感计算专注于识别、解释和响应人类情感，可以彻底改变各个领域，如医疗保健、教育和人机交互。然而，通过技术手段捕捉主观状态具有挑战性，并且可能会发生错误，例如测谎仪无法正常工作或性别分类器系统错误地将用户性别化。

如果用于不可告人的决策过程，这种推论可能会给人们带来灾难性的后果，其影响可能因申请的背景而异，即将无辜的人标记为边境管制中的潜在罪犯或对精神卫生保健中的弱势群体产生不利影响。

按照这一思路，莱顿大学创意智能实验室的Tessa Verhoef和eLaw-Law and Digital Technologies中心的Eduard Fosch-Villaronga在arXiv预印本服务器上发表了一篇文章，强调在当前可用和最广泛使用的数据集上训练的系统可能不适用于每个人，并且可能存在种族偏见。 对有（精神）健康问题的用户的偏见，以及年龄偏见，因为它们来自有限的样本，不能完全代表社会多样性。

Verhoef和Fosch-Villaronga在23月10日至13日在麻省理工学院（MIT）媒体实验室举行的情感计算+智能交互（ACII ' <>）会议上发表了题为“迈向适合所有人的情感计算”的论文。情感计算促进协会（AAAC）的年度会议是研究情感和多模态人机交互和系统的首要国际论坛。

在他们的论文中，他们认为情感计算数据集中缺少多样性、公平性和包容性元素直接影响不同群体中情感识别算法的准确性和公平性。

研究人员进行了一项文献综述，揭示了情感计算系统在不同群体中的工作方式如何不同，例如，心理健康状况影响面部表情和言语或与年龄相关的面部外观和健康状况变化。为此，他们分析了现有的情感计算数据集，并强调了当前情感计算数据集在种族、性别/性别、年龄和（心理）健康表征方面缺乏多样性的令人不安的缺乏。

通过强调需要更具包容性的抽样策略和数据集中人口因素的标准化文档，研究人员提供了建议，并呼吁在情感计算研究中更加关注包容性和考虑社会后果，以促进这一新兴领域的道德和准确结果。

原文标题：Toward affective computing that works for everyone

原文链接：

作者：Leiden University

编译：LCR