面部表情是人类多模式交流的重要组成部分，一些面部表情可以单独传递信息，如孩子表达喜悦的微笑、路人表示愤怒的瞪眼。当前，AFEA研究人员主要探究了某一种面部表情是否可以表达多种情绪和认知，以及在哪些情况下这种表达具有普遍性。

 

　　穆林斯等人提出，民营机构自主开发的AFEA并没有面部动作编码系统培训专家开发的AFEA精准，目前只能分辨愤怒、恐惧、厌恶、悲伤、快乐和惊讶这六种基本情绪，因此容易陷入“简单性偏见”。例如，AFEA无法区分表示“满足”和“愉悦”的微笑之间的区别，穆林斯等人将对同一种表情的区分偏差定义为“单峰偏见”。AFEA还有可能陷入“环境偏见”，例如错把一名患有幽闭恐惧症的乘客的面部表情当成使用虚假身份证件的旅客表情。穆林斯等人认为，研究人员要时刻牢记人是基因、家庭、文化和社会经验的总和。面对相同的外界刺激，不同实验组的对象可能给出截然不同的反应。由此可见，将特定的情绪生硬地划分给特定的面部表情就会导致AFEA判断出现偏差。

 

　　在穆林斯等人看来，当AFEA克服了以上列举的偏见，并提升了表情分析能力的精准度后，将会面临四种新的挑战，而第一种就是“消极偏见”。在AFEA可识别的六种基本情绪中，有四种通常被研究人员判定为消极的（恐惧、悲伤、厌恶、愤怒），只有一种是积极的（快乐），剩下一种是中性的（惊讶）。考虑到人类倾向于关注负面事物，穆林斯等人认为AFEA可能会鼓励社会采取胁迫和控制等手段解决问题，从而忽视协调与合作的重要性。除此之外，研究人员需要明确划分不同等级的面部行为捕捉程度和个人想法记录范围，防止该技术侵犯个人隐私权。

 

　　穆林斯等人表示，分析能力成熟的AFEA还会出现“系统性偏见”，即算法无意间引入对社会边缘化群体的偏见，例如美国亚马逊公司的招聘算法被证明歧视女性。此外，不同文化之间和单一文化内部在价值观上存在很大差异。如果AFEA无法把握复杂的社会语境，就会带着“主体性偏见”判断事物的积极性或负面影响，进而忽视社会弱势群体的权益、增加社会矛盾。

 

　　诚然，AFEA蕴含着推动社会发展的无限潜力。穆林斯等人建议，研究人员还需根据具体情况策划技术开发预期，以小心谨慎的态度落实大范围的技术应用，从自我批判的视角筛查AFEA潜在的负面影响。

 

　　（刘雨微/编译）