应用 | 红黄蓝的虐童惨案,其实可以用机器学习等技术来避免

作者 | 阿萨姆

魔都携程亲子园事件还未平息,帝都的RYB“虐童案”又粉墨登场。随着越来越多的有关婴幼儿教育的丑闻曝光,如何保障孩子,尤其是幼龄儿童的生命健康安全变得越来越重要。

幼龄儿童的表达能力还不健全,对很多事物都没有基本的认识,很容易受到不法分子的威胁和侵害。因此,在难以“自救”的情况下,我们是否可以从技术手段来为孩子保驾护航?

比如,现在很多幼儿园都有监控系统,那么是否可以将更加复杂的机器视觉(如target tracking / person re-identification)应用于其中,来提高孩子的安全?再举个例子,如果仿照国外的教育机构,由家长们来共同为幼儿园和老师评分,是否也能帮助其他家长更好的甄别教育系统中的害群之马?

统计学家George Box说过:“所有模型都是错的,但其中一些是有用的。”套用到这个话题上,提高素质、加强监管、增进科技手段都是有效的解决方案,但都不是唯一的解决方案。我们既不期待技术能解决所有问题,也不该认为技术对解决问题毫无帮助。即使变为一道脑洞题,或许也能促进这个方向的科技创新。抛砖引玉谈谈我的看法:

学龄前儿童的特征就是有较为局限的表达能力,所以往往很难自救。而且这个年龄段的孩子往往不具备分辨真相和谎言的能力,导致“长长的望远镜”这种可怕的威胁变得那么真实。其次有不少朋友说现有的技术手段足够了,这个我不赞同:

  • 视频监控的覆盖程度和清晰程度达到了什么标准,你是否可以轻易的定位到自己的孩子?
  • 如果你需要8小时不间断的盯着视频,那如何完成自己的本职工作?
  • 如果校方拥有视频的所有权和使用权,那么如何保证数据的准确性和完整性?

类似的细分问题还有很多,现有的技术手段还有很大的进步空间,而机器学习/视觉/区块链等可以从几个方面帮助提高孩子的在校安全。

1. 定时生成孩子的活动报告。没有家长可以8小时盯在监控前观察孩子的一举一动,这是现有技术手段的制约。那么如何高效的获取孩子的活动数据就变得尤为重要。在有监控设备覆盖的前提下,多目标跟踪(multi-task tracking)技术可以帮助通过有限的摄像头绘制出每个孩子的活动轨迹。在理想情况下,我们希望能定时在手机上收到孩子的活动报告:

  • 在教室时间:2小时15分钟
  • 午休时间:45分钟
  • 卫生间时间:30分钟

当然,这个是非常理想的假设,因为多目标跟踪对于摄像头的质量、目标物的遮挡、数据关联都有较高的要求。因为涉及到跨摄像头的问题,这还会变为更复杂的行人重识别问题。但是这样的系统并不需要全程追踪,而仅需要随机的每 x 分钟调取园内所有的摄像头,识别出孩子的位置。因此即使没有一个完美的系统,我们也可以将问题用现有的技术手段解决,增强对孩子在校时间的了解。从这个角度来看,技术上是可以实现的。

2. 分析孩子的心情。在机器学习领域,有一类任务就叫做 Emotion Recognition,也可以被翻译做心情识别、情感识别,主要是通过分析人的面部表情来判断其心情。从孩子本身来说,他们的表情说明了一切。即使他们说不出、不敢说,但表情骗不了人。

和上一条提到的技术类似,如果随机通过摄像头获取孩子们的面部特征并对心情进行识别,可以有效的了解孩子是否真的快乐。以时间和群体为单位来看,如果孩子们都不开心,或者一直不开心,那么我想这其中大概是有什么问题值得深究。

3. 建立从业者评价系统和机构推荐系统。很多学前教育的选择是盲目的,缺乏标准的,即使是收费不菲的机构也很难保证其师资力量。我觉得这个可以通过建立一个第三方平台来帮助家长们选择适合自己的机构,这个系统应该可以:

  • 允许用户对教师和教育机构进行匿名评价,后台使用机器学习识别恶意评价/水军
  • 在拥有足够的数据量的情况下根据访客的信息为其推荐适合的教育机构(推荐系统)
  • 可以在平台上使用新技术防止信息被篡改(如区块链)

在这个前提下,如果信息无法被随意修改,那么有了恶评或者恶行的从业者无法洗白,应该被永远逐出这个行业。当然,如何有效的建立一个独立的三方平台来实现这个目标,是对创业者和机构的考验。

这些仅是我的一些思考,并不是每项技术都已经成熟。而且这样的设想也依赖于校方拥有这样的设备。但我想如果有这样的机构愿意使用类似的技术,那一定可以大大提高家长们的信心。换个层面来看,如果有第三方机构愿意开发、研究类似的系统,再向教育机构出售,也是很好的尝试。

作为一个科技行业从业者,我一直都觉得与其相信“举头三尺有神明”,期望每一个从业者都能严格要求自己,还不如更好的运用技术手段,让它成为悬在从业者头上的“达摩克利斯之剑”。

救救孩子。

作者 | 阿萨姆 原文链接: https://www.zhihu.com/question/68612710/answer/265382992

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2017-11-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏怀英的自我修炼

元学习-03

这一篇主要是两个部分,分别是境界的划分和学习的悖论。 境界的划分 首先说一下程序员的分级,这个是根据德雷福斯模型来的,具体见下图。 在这里,我们重新对经验进行下...

37311
来自专栏企鹅号快讯

Imagination月度问答:AI被过度炒作了吗?

欢迎大家来到新系列文章的首篇,我们每个月将会在这里讨论这个行业目前面临的一些重大问题。我们将向行业内专家和我们公司内部的专家提问一些问题。第一个问题很简单:“A...

2096
来自专栏新智元

【Nature封面论文】全球首台可编程量子计算机

【新智元导读】Nature今日封面论文描述了一台可编程小型量子计算机,由 5 个量子比特组成,能够进行三种不同的量子算法,研究人员使用激光调整这些离子,从而实现...

3527
来自专栏钱塘大数据

吴军:数学为人生之题解出漂亮的答案

如果用当下比较流行的说法来概括吴军的身份,他便是会摄影、会写作的计算机科学家中最爱发微博的投资人——几乎很难用一句话涵盖“吴军博士”(吴军的微博昵称)会做什么、...

1245
来自专栏AI科技评论

业界 | 德勤预测:机器学习走向移动端成大势所趋,或将再掀行业新浪潮

日前,德勤全球发布了《2017科技、传媒和电信行业预测》报告,其中涉及到生物识别、5G网络、数字化变革、平板电脑发展趋势研究等多项内容。其中在《边缘“大脑”:机...

40015
来自专栏数据猿

数尊CEO许正:大数据在金融风控领域的思考与探索

数据猿导读 当前传统信贷业务模式可归结为两类:资金驱动模式和场景驱动模式。而这两类模式现在必须要向第三类模式转型,也就是技术驱动模式。 ? 作者 | 许正 我是...

3455
来自专栏机器之心

业界 | 斯坦福大学Brainstorm神经形态芯片:未来计算的新方向

选自Nextplatform 作者:Nicole Hemsoth 机器之心编译 参与:李泽南、李亚洲 随着摩尔定律终点的临近和机器学习对计算需求的提升,人们对于...

3338
来自专栏人工智能头条

如何用机器学习和知识图谱来实现商业智能化? | CCAI 演讲实录

1893
来自专栏大数据文摘

惊艳!Facebook未来十年愿景!

27810
来自专栏企鹅号快讯

量子技术与人工智能:同时进化的双生子

诞生于 1965 年的摩尔定律,对二十世纪后半叶的世界经济增长做出了巨大贡献,并驱动了一系列科技创新和经济增长。摩尔定律预测集成电路上晶体管的数量每两年翻一倍,...

22810

扫码关注云+社区

领取腾讯云代金券