arXiv预印本服务器上发布的一项新研究显示,当设计师使用不准确的人体描述时,在某些应用程序中使用人工智能对那些不适合这种体型的人来说可能不那么安全。
密歇根大学信息学院和复杂系统研究中心的助理教授、研究合著者Abigail Jacobs表示,这些有缺陷的假设定义了人体的标准,并通过运动捕捉进入了人工智能。
这项研究表明,人工智能如何在运动捕捉系统的设计、开发和实现中发挥重要作用,这些系统可以推断人、动物和物体在太空中的运动。
这些系统使用传感器或摄像头收集数据,然后在计算机上建模,创建“数字骨架”,用于制作视频游戏动画、诊断健康状况或模拟工作场所人体工程学。
Jacobs说:“这些系统用于设计安全的制造车间、增强现实和自动驾驶汽车等应用。”“它们依赖于程式化和有缺陷的假设,例如,关于谁的人体是‘标准’或‘代表性’的假设。”
在同一项研究中,Jacobs及其同事还深入研究了20世纪30年代的历史实践,揭示了一个令人担忧的趋势:过度依赖健康的成年男性来代表“典型”的身体和动作。
随着时间的推移,这些假设被融入现代软件中,对运动捕捉系统如何表示身体造成潜在的危害。这类似于彩色摄影只捕捉浅色皮肤的,导致现代相机捕捉深色皮肤的人的能力较差。
Jacobs说:“想想历史上基于标准男性身体的碰撞测试假人的做法,这会导致妇女和儿童的受伤率更高。”“考虑到运动捕捉系统的应用范围,身体状态与‘标准’不同的人可能会受到伤害。”
Jacobs说,该研究建立了一个分析框架,可以应用于其他技术,同时关注如何将假设构建到硬件和人工智能中,如何在人工智能系统中表示身体,以及如何让隐藏的假设(通常是旧的、毫无根据的假设)塑造当今的技术。