0
《論語·顏淵》中提到，“夫達也者，質直而好義，察言而觀色，慮以下人”。
自古以來，智者都可通過旁人的微妙表情去揣摩其心思、看穿其想法，從而審時度勢，更好地與人交流溝通。
科技指數進階的今天，這種能力已經不再是人類的專利，機器也被賦予這種能力，而且比人類“識別”得更加高效及準確。
平安科技就是該技術的賦能者與革新者。
微表情識別相較于人臉識別、虹膜識別等生物識別技術較為新穎。它主要通過深度學習、大數據分析等技術將AI能力賦予機器，從而去捕捉人們在微秒瞬間發生的細微面部變化。
據悉，在與北京大學等高等學府密切合作的背景下，如今平安科技的微表情風控模型已逐步完善，目前相關應用已經有效預警了上萬例可能存在風險的欺詐或誘騙案例，為客戶成功防范了數千萬元的資金風險。
“以信貸行業為例，目前業界貸款的不良率高達10%以上，金融風險主要存在‘騙貸’行為。”在記者詢問為何要開發這個系統時，平安科技微表情工作室主任張國輝不假思索地說。
通過查閱公開資料，雷鋒網獲悉，在表面光明的金融圈，龐大的黑色產業‘騙貸’正在瘋狂滋生。在此情形下，多數中小型金融機構左右為難。如果批放大額貸款，可能會存在騙貸可能；如果不放貸，在競爭白熱化的線上借貸中又優勢全無。
“微表情識別技術的上線很大程度可以解決這些問題。”張國輝告訴雷鋒網，人臉的表情由幾百條細微的小肌肉控制，比如眼角肌肉的生物反應等。即便是騙貸者，他的表情也很難做到完全自主控制，非常細微的表情變化也許人類看不出，但機器完全可以。
基于此，當涉及大額的貸款申請時，金融機構在批放貸款之前都會讓面審員與用戶進行一個十到十五分鐘的問答。起初會核對用戶的基本信息，在用戶回答的過程中，平安科技會為用戶進行一個微表情的側寫，記錄一個用戶回答問題的習慣。
隨著面審員問題的深入，用戶在回答之后地問題時，如果出現了違反他之前的回答習慣（例如眼睛從直視屏幕轉為眼睛往上瞟或往腳下看），系統則會為其標記一個異常，當整個面審環節結束后，系統會根據之前記錄的異常次數、等級進行一個綜合評估反饋給面審員。
如果前后差距過大，就意味著從基礎問題到追問環節，此人的情緒、心理變化較大，如此就可提醒面審員此人有一定風險，要做更多地調查，以更好地降低風險。
從這來看，該技術的全面應用能夠給人們提供一些非常關鍵的信息，從而降低人們“犯錯”的概率。其實，在此之前，已經有一些國內外廠商發布相關產品，但落地應用效果都不盡如人意。
據工作室資深微反應研究員周浩分析，與其他生物識別技術的研發相比，該技術的研發門檻較高，技術難點主要體現在三個方面：
數據收集，這里的數據必須是動態的視頻數據；
肌肉單元很難做標注，每個人對表情的定義都不相同，“微笑”“難過”等標準難以判定；
微表情識別必須在五分之一秒內抓取到情緒變化，也就是要做到一秒鐘處理五幀以上畫面，讓數據做到實時。
從以上三大技術攻鉆痼疾來談，也許平安科技能夠做好這件事。
平安集團深耕金融領域多年，目前已經累積了大量有效數據；另外，平安科技已與北京大學等高等學府合作，開設專門地實驗室，邀請學生模擬正常、異常的表情數據，全面解讀微表情。
雷鋒網了解到，在大量有效數據的訓練下，如今平安科技微表情識別技術可實現30余個AU（最小表情動作單元）及10種情緒的檢測，其中AU的最高識別準確度可達98.1%，平均86.3%；情緒的最高識別準確度可達98.2%，平均92.1%，并且序列幀檢測（將單幀圖像中的時間跨度加入其中，來嘗試分析一段時間內一個人的心理變化情況）也在不斷地建設完善中。
值得一提的是，目前撒嬌、無奈、煩躁3種情緒檢測為平安科技獨有；另外其還獨創頭部姿態（俯仰角、偏航角、橫滾角）、眼球跟蹤（向左看、向右看、眨眼頻率）等檢測。
“通過微表情去識別一個人的心理變化已經不是紙上談兵，如今平安科技已經將該技術應用于多個實際場景中。”張國輝介紹說。
比如用于平安普惠O貸信貸審核，系統識別出貸款申請人員的情緒、AU，以輔助信審員判斷審查過程中用戶的情緒變化，并對這些數據進行深度學習，產出能就騙貸進行風險識別的模型；
比如用于稽核審查的智能稽核平臺，系統可以輔助觀察被訪談人在稽核審查過程的情緒變化，并利用積累的數據研究風險預警模型，就稽核中被訪談人的異常表現進行提示；
再比如還將應用于平安產險、壽險、養老險、健康險等理賠審核，產出能就騙保進行風險識別的模型。
張國輝透露，目前該技術作為非常重要的輔助工具，已經在集團內部使用了大概半年時間，業務員們反饋實際使用效果頗佳；但也需同時注意，任何一項技術都不能做到百分百準確，任何一項技術都是人類力不能及的有效延伸，微表情識別技術更多提供的是極具價值的‘參考信息’。
如果說該技術能夠識別出人們的表情變化，但這一識別結果真的具備完全說服力嗎？
雷鋒網了解到，與普通人們發出的較為夸張或者平常的表情不同，微表情持續時間很短、動作幅度很小；另外，微表情是一種自發式的表情，在人試圖掩蓋內在情緒時產生, 既無法偽造也無法抑制。
如果通過肉眼去識別必須通過專業培訓且準確率較低，但如果通過高層和低層視覺特征，自動識別微表情能力明顯高于人類。
“微表情識別是目前最可靠的識別謊言的手段之一。”張國輝稱，“未來該技術除了應用于金融領域，還將進一步向安防等領域滲透”。
比如應用于刑事審訊，很多犯人心理素質奇佳，普通審訊員難以發現破綻，而這就很有可能造成很多漏判、誤判。而這些微弱的表情變化，機器可以看得出來，從而給審訊員以輔助信息，如果差別較大，可能會針對此深究下去，做進一步地調查。
而就此塊市場，某業內人士曾透露說，安防‘公檢法’領域對于微表情識別技術應用需求巨大，未來前景可期。
平安并不是一個“安分”的企業。
得益于多年來在多個領域的深耕細作，平安科技目前已經在應用場景、大數據、機器學習算法和專業人才隊伍四個方面已經積累起了核心優勢，所涉及的場景涵蓋銀行、證券、保險、醫療健康、安防、教育等100多個細分領域，以有效推進AI應用的全面蓬勃發展。
譬如將AI技術應用于全國研究生考試中，有效識別“槍手”的同時也能減輕教師壓力；
譬如將AI技術應用于深圳寶安國際機場，以全面保障旅客安全；
再譬如將AI技術賦能海外，應用于南非首家數字銀行，全方位保障金融安全。
如此等等，都是平安科技過去幾年將AI技術賦能各行各業的有力見證。而此次，平安科技在此前尋人、識面的基礎上還要攻克微表情技術，從而探究“人心”，而對這一技術的探索也將彰顯平安科技在AI領域角力的奮斗決心及全面部署的恢宏戰略。
九年前的美國，當美劇《lie to me》里的主人公卡爾.萊特曼通過心理學和微表情戳穿一個個謊言，破案能力神乎其技，讓觀眾啞口稱奇。
九年后的今天，電視劇中的高能已在現實中上演，在平安科技微表情識別的“注視”下，每個人都有可能成為卡爾.萊特曼。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
