公共安全，就像是我们这个社会的“免疫力”，可能平时很少注意到它，一旦发生事故，说明危险已至，轻则“感冒”，重则“要命”。
近期发生的一些公共安全事件反映出，安检作为公共安全的防御屏障，是不够的。
比如7月19日，温州医科大学附属第一医院心血管内科的李晟医生，在门诊诊疗过程中，突然遭到一名持刀男子的袭击，经抢救无效不幸去世。更早时候，上海地铁轨交9号线合川路站内的持刀伤人案，则是在过了安检之后的出站验票处发生的。山西临汾铁路侯马西站候车室的水果刀伤人案，同样在站内捅伤两人。
事发之后，有人说，想要杜绝危险物品，安检要做到机场的严格程度，做不到就是形式主义。也有人说，地铁、医院、高铁站的安检进一步加强，通行效率会很低，基本要瘫痪了，还要投入大量安保资源，属于劳民伤财。
种种事件说明，安检可以检测有形的有害物品，却很难检测无形的有害情绪。这些有害情绪，比如极端仇恨、矛盾冲突、报复社会心理等，就像不定时炸弹，一旦爆发就会造成无辜伤亡。
因此，公共安全，不能止于检物。
AI情绪检测，就是一道提升公共安全“免疫力”的无形屏障。
根据科技媒体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，监控火车站内情况。一旦发现情绪异常人员，就会通知工作人员进一步查看。
情绪检测能在对个人隐私数据保护堪称严苛的欧洲国家落地，或许足以说明一些东西。
本文来聊聊，能让一贯保守的英国接受，AI情绪检测究竟做对了什么？必要性又在哪里？
据报道，采用了情绪识别算法的智能摄像头，会被用来检测火车乘客的情绪，通过面部扫描来预测潜在情绪，从而发现盗窃、闯入者等异常行为。
这件事最难的地方，并不是技术，而是如何在人脸识别限制法规最严苛的欧洲国家，接受对公众开展面部检测？
欧洲对面部识别技术在公共场所的应用，经历了一个变化显著的过程：
全面禁止。自2017深度学习技术爆火以来，CV领域的人脸识别成为主流应用之一，而欧洲对此严格监管，在2019年12月出台的《人工智能白皮书（草案）》中，表示在公共场所使用人脸识别技术将被禁止3至5年。
反复摇摆。号称史上最严苛的AI和数据法规颁布之后，就有大量分析师和科技人士表示，这些限制极大地阻碍了欧洲人工智能技术的进步和应用的落地，导致AI产业发展阻滞。但欧洲对此的态度一直比较摇摆，2021年2月的《欧盟数据战略》等文件态度缓和，说会严格限制，但不会全面禁止，到了当年10月又通过决议，禁止警方在公共场所使用面部识别技术。
暂时缓和。最终在今年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》，对面部识别技术的态度有所缓和，禁止了“基于敏感生物特征（如面部识别）进行无目的的大规模监控的应用”，也对该技术的合理使用放了一马。
为什么会对AI情绪检测“特殊对待”呢？
这就要提到公共安全的“不可能三角”：成本、收益、体验。
公共安全“事前预防大于事后补救”。高风险事件一旦发生，“亡羊补牢”的代价往往是人的生命，所以应当采取更严格的事前监管。一般来说，就是安检。
但安检存在一个“不可能三角”，需要在投入成本、安全收益、公众体验之间进行复杂的权衡。
如果安检流程不够敏感，出现“漏检”，会给有害“病毒”可乘之机。而危险群体会对安检系统产生“耐药性”，就像病毒对药物的抵抗能力增强一样，找到安检流程的漏洞进行规避。
但我们也很清楚，在任何场所无差别地采用机场级别的安检水平，进行搜身式的违禁品查验，不仅会影响通行效率和民众出行体验，而且需要更为庞大的安检人员，带来高昂的成本支出，边际收益是很低的。
特别是欧洲的地铁、火车高铁站、景区，此前普遍没有安检，等于向危险品、恐怖威胁“大开方便之门”。而从头推行常态化安检，要从头开始部署安检人员、设备等成本，并教育公众改变长久以来的出行习惯，几乎是不可能被广泛接受的。
这种背景下，AI情绪检测的应用，有望为传统安检的“不可能三角”，找到一种新的解法。
AI情绪检测并不是一项新技术，为什么此时却成了欧洲公共安全的救命稻草？
这要从几个变化说起：
变化一是算法的进步，极大地增加了安全收益。
英国高铁站所采用的情绪检测系统，是亚马逊已经在电商、医疗、公共安全、营销等领域探索多年的Rekognition系统，可以识别包括快乐、悲伤、愤怒、惊讶、厌恶、平静、困惑在内的多种情绪，2023年迭代之后，还可以识别“恐惧”。
比如在电商场景中，通过门店摄像头来判断消费者的情绪，以优化产品陈设；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，当用户处于愤怒或悲伤等负面情绪时，提供安慰或建议。
可以说，目前情感分析和情绪识别的算法已经相当成熟，准确度和检测精度可以达到在公共场所兼顾效率、安全和体验的复杂要求。
变化二是数字社会的持续推进，让AI情绪识别的成本可控。
智慧城市在全球多个国家和区域不断完善，用于城市安防的智能摄像头经过多年迭代，目前技术和产品已经相当成熟。其中，“软件定义”的智能摄像头可以在线加载不同的算法，来实现垂直的智能应用，无需更换硬件就能实现AI情绪检测的更新和升级，也不会带来过高的成本压力。
变化三是近年来，人们对公共安全的担忧和对隐私顾虑的下降，因此对情绪检测的接纳度较好。
随着世界政治局势和经济环境的动荡，很多国家的公众对公共安全的担忧有所增长，尤其是在非法移民增多的欧洲，跨国犯罪和矛盾冲突给公共安全带来了不少威胁。
这种背景下，AI情绪识别不仅能提前检测出潜在的紧张氛围和冲突迹象，避免情绪失控导致的公共安全事件，而且不像暴露面部隐私那样，让人感觉到不舒服。
这是因为，情绪检测所采集的数据并不具有“强识别性”。
正如《隐私的权利》中所说的，隐私是“不被打扰的权利（the right to be left alone）”。相比“强识别性”的人脸识别，公众场所的AI情绪检测并不会在危机尚未暴露时打扰到公众、涉足个人隐私信息，也就是说并不能通过情绪，对自然人进行唯一识别和认证，不会因此知道你姓甚名谁。这就极大地减少了公众的被监视感。
从这个角度说，AI情绪检测在成本、收益、体验上都达到了比较好的平衡，应该成为传统安检之外，一道公共安全的无形屏障。
AI情绪检测，防止恶性极端安全事件，对于整个社会来说，绝对利大于弊。那么，咱们什么时候也能搞起来呢？
坦率地说，目前国内大中型城市的智能安防系统已经做得很不错了，想上线情绪检测算法并不难，难就难在，算法的国产化之路，还得走一阵。
其中最大的障碍，是数据集不够多、不够好。
我采访过一位山东某高校的老师，对方利用深度学习技术，进行微表情的识别算法开发。微表情的特点是持续的时间非常短、运动幅度的变化较小、难以掩饰和抑制，所以很适合用来进行潜在危险人员的情绪检测。
微表情需要心理学实验来采集，再通过计算机进行分析处理。需要先给受试者看一些心理学家论证好的刺激源，诱发微表情的产生，用一个高速摄像机对着待测者的脸，让计算机把图像一帧一帧存储起来。收集好数据之后，还要进行标注，打上情绪标签，以及时空域特征，就是该表情发生的开始时刻、结束时刻以及高潮时刻。
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，缺乏一些特别大的公开数据库，最大的数据库也仅有247个样本，而且图像分辨率不高。
既需要心理学实验，又要计算机工程，既然微表情数据集这么难，为什么要从头开始自己构建呢？
我们知道，情绪表达会受到文化、社会生活等背景的影响。而国际上的情绪图片，大多是基于外国人脸采集的数据，在识别中国面孔的情绪状态、意图和行为时，未必会很准确。所以，AI情绪检测在公共安防领域的真正应用，还需要从扎实构建国产高质量数据集做起。
另一个问题就是，有了算法，谁来卖？
更准确的说法是，谁来提供算力和一系列配套服务。情绪识别是一个复杂的过程，需要强大的计算能力来快速分析海量数据，并实时反馈情绪识别结果，对算力有着极高的需求。此外，AI是一个持续演进的技术，情绪检测模型需要不断学习和优化，以提高识别的准确性和泛化能力。以英国高铁站落地的Rekognition系统为例，是亚马逊AWS推出的云服务之一，在云端进行学习、分析和功能性改进。
而在国内，因为涉及公众信息数据，一定是私有化本地部署，最终核心竞争力的还是算法技术和ToB服务能力。所以，国内CV算法公司会比云厂商在该市场更具竞争力，但如何解决算力的成本问题、服务的人效问题，是算法公司长期存在的难题，需要更精巧合理的商业设计。
九层之台，起于垒土。尽管AI情绪检测的国产化之路，还有待从数据、算法、商业等层面一点点夯实，但用技术来提升公共安全“免疫力”，避免恶性安全事故，取得成本、效益、体验的平衡，应该逐步成为整个社会的共识和目标。
人是目的，而技术是手段。
捍卫人们生命权的技术，理应获得发展权，即使是对新技术极尽严苛的欧洲，这或许是AI情绪检测落地带给我们的最大启示。
