AI研究人员现在可以通过眼动来识别人

当我们阅读文本时，我们的眼睛徘徊，而不仅仅是在比喻意义上 - 在一系列称为跳视的快速运动之间，眼睛平均只保持200-300毫秒。根据波茨坦大学，Weizenbaum网络社会研究所和莱布尼茨农业工程研究所的新研究，这些运动充满了潜台词 - 它们受到涉及视觉，注意力，语言和运动控制的认知过程的驱动。生物经济，他们足以准确地识别一个人。

在预印本服务器Arxiv.org上发表的一篇论文(“ 用于识别读者和评估眼动的文本理解的判别模型 ”)描述了一种学习将眼动行为(包括扫描路径或注视模式)与个体联系起来的系统。

“在阅读过程中基于眼球运动的识别可能在许多应用领域提供了几个优势，”研究人员写道。“用户可以不受干扰地识别，同时可以访问他们会阅读的文档，从而节省时间和注意力。”

首先，该团队确定了可以用眼动追踪系统观察到的扫描路径，它们与文本短语中的“词汇特征”(如词频，数字长度，音节和词性)相关联。由此产生的生成模型不仅考虑每个扫视的幅度和持续时间，而且还考虑了五种扫视类型的细微差别，从而推断出给定扫描路径的可能性：

为了测试系统的准确性，研究人员接下来招募志愿者阅读以随机顺序呈现的11个文本，每个文本都适合单个屏幕。他们的眼球运动用SR Research Eyelink 1000眼动仪记录。

那么AI如何表现呢?在62个读者的测试集中，具有词汇特征的Fisher内核(该团队测试了至少一个没有它们的模型)实现了高达91.53%%的识别准确度。这并不像指纹99.8%%那么高，但该团队声称它是最先进的。

“我们得出的结论是，在某些情况下，这个模型明显优于[ Abdelwahab，Kliegl和Landwehr ] 的半参数模型，据我们所知，这是基于眼球运动的最佳公布生物识别模型，”研究人员写道。 。

这不是我们第一次看到AI使用眼球运动来获得洞察力。在 研究 由南澳大利亚，斯图加特，弗林德斯大学的大学的大学和马普学会信息学在德国进行，研究人员描述了一种机器学习模型，可以预测特质：善于交际，好奇心和责任感，从一个人的眼球运动单独。