Adam Gross, ผู้ร่วมก่อตั้งและซีอีโอของ HarmonEyes – ชุดสัมภาษณ์

Adam Gross, ผู้ร่วมก่อตั้งและซีอีโอของ HarmonEyes, เป็นผู้ประกอบการต่อเนื่องที่มีประสบการณ์เกือบสามทศวรรษในการสร้างและขยายธุรกิจเทคโนโลยีที่ขับเคลื่อนโดยด้านสุขภาพ, บริการทางการเงิน, และการวิเคราะห์ข้อมูล. เขาได้ร่วมก่อตั้ง RightEye ในปี 2013, พัฒนาแพลตฟอร์มเทคโนโลยีการติดตามการเคลื่อนไหวของดวงตาที่ใช้ในด้านสุขภาพ, กีฬาอาชีพ, และการประยุกต์ใช้ในทหาร, ก่อนที่จะร่วมก่อตั้ง HarmonEyes กับ Dr. Melissa Hunfalvay ในปี 2024 เพื่อขยายความเชี่ยวชาญนั้นสู่ปัญญาประดิษฐ์ที่วิเคราะห์สภาวะมนุษย์. ในช่วงแรกของอาชีพ, Gross ได้ร่วมก่อตั้งบริษัทควบคุมต้นทุนด้านสุขภาพ KeyClaims, ซึ่งถูกซื้อโดย Stratose/Zelis Healthcare ในปี 2012, และแพลตฟอร์มการวิเคราะห์การเงิน Trending123.com, ที่ถูกซื้อโดย InvestorPlace Media ในปี 2007. เขายังได้ก่อตั้งบริษัทเทคโนโลยีการเงิน KeepMore และร่วมก่อตั้ง Eastern ATM, ซึ่งดำเนินเครือข่ายตู้เอทีเอ็มส่วนตัวทั่วชายฝั่งตะวันออกของสหรัฐอเมริกาก่อนจะถูกซื้อในปี 1998.

HarmonEyes กำลังพัฒนา Theia, โมเดลพื้นฐาน AI ที่ออกแบบมาเพื่อสรุปแง่มุมของสภาวะการรับรู้, อารมณ์, และสภาพร่างกายของบุคคลจากการเคลื่อนไหวของดวงตาแบบเรียลไทม์. เทคโนโลยีนี้สามารถวัดสัญญาณต่าง ๆ ได้แก่ ภาระการรับรู้, ความสนใจ, ความพร้อมทางจิต, ความเหนื่อยล้า, ความเครียด, การเบี่ยงเบน, อาการเมารถ, และการยืนยันตัวผู้ใช้, พร้อมกับการประยุกต์ใช้ที่อาจครอบคลุมผู้ช่วย AI, ระบบยานยนต์, ความเป็นจริงขยาย, การป้องกันประเทศ, สุขภาพ, การศึกษา, ความปลอดภัยอุตสาหกรรม, เกม, และการวิจัยตลาด. Theia ถูกออกแบบให้ทำงานที่ขอบเครือข่ายบนอุปกรณ์ที่มีกล้องทั่วไปโดยไม่ต้องการฮาร์ดแวร์การติดตามดวงตาเฉพาะ, โดย HarmonEyes ระบุว่าวิดีโอและข้อมูลส่วนบุคคลจะไม่ถูกเก็บไว้. บริษัทอ้างอิงเทคโนโลยีของตนกลับไปยัง RightEye และกล่าวว่าโมเดลของพวกเขาใช้ข้อมูลการเคลื่อนไหวของดวงตากว่า 585 พันล้านจุดจาก 16.3 ล้านบันทึก, ให้ชุดข้อมูลที่เป็นกรรมสิทธิ์ขนาดใหญ่สำหรับการฝึกและปรับปรุงเทคโนโลยีปัญญาประดิษฐ์ที่วิเคราะห์สภาวะมนุษย์.

คุณได้ร่วมก่อตั้ง RightEye ในปี 2013 และใช้เวลากว่าเดือนไปในการพัฒนาเทคโนโลยีการติดตามดวงตาสำหรับด้านสุขภาพ, กีฬา, และการประยุกต์ใช้ในทหาร ก่อนที่จะเปิดตัว HarmonEyes ในปี 2024. สิ่งใดทำให้คุณเชื่อว่าเทคโนโลยีและชุดข้อมูลพื้นฐานนี้สามารถสนับสนุนโมเดลพื้นฐานที่กว้างขวางสำหรับการวิเคราะห์สภาวะมนุษย์, และทำไม HarmonEyes ถึงเป็นแพลตฟอร์มที่เหมาะสมสำหรับวิสัยทัศน์นั้น?

ด้วยประสบการณ์กว่าทศวรรษในการพัฒนาผลิตภัณฑ์การติดตามดวงตาสำหรับหลากหลายสาขา, มีสามการเปลี่ยนแปลงที่ทำให้วิสัยทัศน์ของเราสำหรับ HarmonEyes นำปัญญาสภาวะมนุษย์ไปสู่เครื่องมือจำนวนพันล้านเครื่อง:

1. ในช่วงทศวรรษที่ผ่านมา เราได้จัดหาฐานข้อมูลการติดตามดวงตาที่ได้รับการตรวจสอบและติดป้ายกำกับที่ใหญ่ที่สุด, ซึ่งรวมกว่า 130 ชุดข้อมูลที่ครอบคลุมข้อมูลประชากร (เช่น อายุ, เพศ), ประสิทธิภาพ, ความสนใจ, อารมณ์, การมองเห็นและสภาพสุขภาพ, เป็นต้น
2. ด้วยการแพร่หลายของ AI, เทคนิคการฝึกโมเดลเรียลไทม์ได้กลายเป็นสิ่งที่เรามีให้ใช้ทันที – และเรามีข้อมูลเพื่อฝึกโมเดลเหล่านั้น
3. สัญญาณการติดตามดวงตาถูกจับโดยกล้อง.  เมื่อเร็ว ๆ นี้, และเป็นครั้งแรกที่กล้องระดับผู้บริโภคดีขึ้น, เร็วขึ้น, ราคาถูกลงและมีประสิทธิภาพเพียงพอที่จะสกัดสัญญาณเหล่านี้.  ผ่านนวัตกรรมของทีมเรา, เราสามารถนำโมเดลการติดตามดวงตาไปใช้บนอุปกรณ์ที่ใช้กล้องใดก็ได้, รวมถึงแล็ปท็อป, โทรศัพท์, แท็บเล็ต, ยานพาหนะ, เป็นต้น

Ofcom ได้แยกแยะการสรุปอายุเชิงพฤติกรรม, ซึ่งต้องสังเกตว่าผู้ใช้ใช้งานแพลตฟอร์มอย่างไร, จากการตรวจสอบอายุที่สามารถทำได้ก่อนให้เข้าถึง. การประเมินอายุจากการเคลื่อนไหวของดวงตามีความแตกต่างทางเทคนิคและจริยธรรมอย่างไรเมื่อเทียบกับการวิเคราะห์ประวัติการท่องเว็บ, ความชอบเนื้อหา, ภาษา, หรือสัญญาณพฤติกรรมอื่น ๆ?

เทคโนโลยีของเราต้องการเพียงตัวอย่างการเคลื่อนไหวของดวงตาเล็กน้อยจากผู้ใช้เพื่อกำหนดช่วงอายุของบุคคลหรือยืนยันว่าผู้ใช้มีอายุน้อยกว่า/มากกว่าอายุที่กำหนด. เราสามารถเก็บข้อมูลการเคลื่อนไหวของดวงตาแบบพาสซีฟ, ต่อเนื่อง, และไม่รุกรานโดยไม่เก็บหรือรวบรวมข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้.  นอกจากนี้ ข้อมูลการติดตามดวงตาทั้งหมดจะถูกทำลายเมื่อผลลัพธ์ถูกส่งออก. เรายังมีความสามารถในการตรวจจับการมีชีวิตและการป้องกันการปลอมแปลง, ทำให้มั่นใจว่าผู้ใช้ไม่สามารถหลอกระบบได้.

ในเชิงจริยธรรม, นั่นหมายความว่าเราจะไม่ทำการสร้างโปรไฟล์พฤติกรรม, นิสัย, การตัดสินใจ, หรือความชอบของบุคคล—ต่างจากการสรุปเชิงพฤติกรรมที่โดยนิยามจะสร้างภาพของบุคคลจากการกระทำของเขาตลอดเวลา. เรานำเสนอการรับรองอายุโดยไม่เก็บรวบรวมหรือรักษาข้อมูลส่วนบุคคลเช่นนั้น, ดังนั้นผู้ใช้และผู้ปกครองจึงมั่นใจได้ว่าพวกเขาได้รับการปกป้องแทนที่จะถูกติดตามหรือสร้างโปรไฟล์.

การวิจัยที่เผยแพร่ของ HarmonEyes ได้วิเคราะห์การเคลื่อนไหวของดวงตาจากผู้เข้าร่วม 45,696 คนและรายงานความแม่นยำการจำแนก 94.67% ครอบคลุม 12 กลุ่มอายุ. ตัวเลขความแม่นยำนี้วัดอะไรบ้าง, และต้องการการตรวจสอบเพิ่มเติมมากเท่าใดก่อนที่โมเดลจะสามารถกำหนดได้อย่างเชื่อถือว่าบุคคลอยู่เหนือหรือใต้เกณฑ์อายุที่กำหนดเช่นอายุ 16 ปี?

ความแม่นยำวัดจากข้อมูลของบุคคลใด ๆ ที่เพิ่มเข้าไปในชุดข้อมูลและ 94.67% ของเวลาการเคลื่อนไหวของดวงตาของคนนั้นจะจำแนกกลุ่มอายุที่ถูกต้อง (จาก 12 กลุ่ม). ความสามารถในการวัดว่าอายุอยู่เหนือหรือใต้ 16 ปีนั้นง่ายกว่าการระบุช่วงอายุที่เฉพาะเจาะจง. อย่างไรก็ตาม, ข้อมูลที่ใช้ในการศึกษาได้ยกเว้นผู้ที่มีความผิดปกติของการมองเห็นหรือสภาวะประสาท, ดังนั้นการตรวจสอบเพิ่มเติมจึงต้องรวมผู้ที่มีการเคลื่อนไหวของดวงตาที่ไม่ทำงานตามปกติ.

คุณสามารถอธิบายขั้นตอนทางเทคนิคเมื่อผู้พัฒนาติดต่อความสามารถการประเมินอายุของ Theia, ตั้งแต่การจับการเคลื่อนไหวของดวงตาผ่านกล้องทั่วไปจนถึงการส่งผลลัพธ์ช่วงอายุ, และชี้แจงว่าขั้นตอนใดทำงานทั้งหมดบนอุปกรณ์ของผู้ใช้?

กล้องจะคำนวณเวกเตอร์การจ้องแรกเริ่ม, ซึ่งช่วยกำหนดว่าผู้ใช้กำลังมองไปที่ไหน. เวกเตอร์การจ้องเหล่านี้จะถูกประมวลผลผ่าน SDK ของเราและแปลงเป็นคุณลักษณะการติดตามดวงตา, เช่น ความเร็ว (ความเร็วของการเคลื่อนที่ของดวงตา) และการตรึง (ตำแหน่งที่ดวงตามุ่งเน้น).

เมื่อคุณลักษณะเหล่านี้ถูกสร้างขึ้น, จะถูกส่งเข้าสู่ระบบอัลกอริทึม ML และ AI ของเราเพื่อกำหนดช่วงอายุของผู้ใช้.

การประมวลผลทั้งหมดนี้ทำงานที่ขอบเครือข่ายและสามารถดำเนินการโดยตรงบนอุปกรณ์ของผู้ใช้หรือ, ขึ้นอยู่กับกลยุทธ์การปรับใช้, บนคลาวด์.. ไม่มีข้อมูลการติดตามดวงตาแบบดิบถูกเก็บรักษา; จะถูกทำลายทันทีหลังจากสร้างผลลัพธ์แต่ละครั้ง.

ระบบการประเมินอายุอาจทำงานแตกต่างกันขึ้นอยู่กับแสง, คุณภาพของกล้อง, แว่นตา, คอนแทคเลนส์, สภาพดวงตา, ความพิการ, เชื้อชาติ, และระยะห่างของผู้ใช้จากอุปกรณ์. คุณทดสอบ Theia ผ่านตัวแปรเหล่านี้อย่างไร, และผู้พัฒนาจะได้รับหลักฐานใดเกี่ยวกับความแม่นยำสำหรับประชากรและสภาพแวดล้อมที่แตกต่างกัน?

เป็นความจริงที่ความแม่นยำของการประเมินอายุแตกต่างกันตามสภาพแวดล้อม .  เพื่อให้โมเดลการรับรองอายุเข้าถึงประชากรทั่วไป, HarmonEyes ทำการทดสอบ, ตรวจสอบ, และรายงานผลอย่างโปร่งใสเพื่อให้ Theia ถูกใช้อย่างรับผิดชอบ. สิ่งนี้รวมถึงการขยายและทำให้โมเดลของเราทั่วไปขึ้นโดยใช้ชุดข้อมูลที่ใหญ่ขึ้นและหลากหลายมากขึ้น.

• เรามอบคำแนะนำเกี่ยวกับอัตราความแม่นยำและหาก, ตัวอย่างเช่น, อัตราการสุ่มข้อมูลที่ต่ำส่งผลต่อความล่าช้าของผลลัพธ์การรับรองอายุ.
• การพิจารณาและการเฝ้าติดตามแบบเรียลไทม์สำหรับหลายด้านของคุณภาพข้อมูล.

Theia จะป้องกันการพยายามหลบเลี่ยงเช่นวิดีโอที่บันทึกล่วงหน้า, ภาพถ่าย, ใบหน้าสังเคราะห์, พี่ชาย/พี่สาวที่อายุมากกว่ามาทำการตรวจสอบ, หรือผู้ใช้ที่ตั้งใจเปลี่ยนการจ้องของตน, และการตรวจจับการมีชีวิตจะถูกสร้างโดยตรงในชุดพัฒนาโปรแกรมหรือไม่?

โมเดลการรับรองอายุของ HarmonEyes ทั้งหมดจะรวมการตรวจจับการมีชีวิตและการตรวจสอบการปลอมแปลง.  การเคลื่อนไหวของดวงตาเป็นเอกลักษณ์ของแต่ละบุคคลและ HarmonEyes สามารถตรวจสอบได้ว่าการเคลื่อนไหวของดวงตาสำหรับบัญชีตรงกับบุคคลที่ตั้งค่าบัญชีหรือไม่, หรือเป็นบุคคลอื่น, เช่น พี่ชาย/พี่สาวที่อายุมากกว่า.

ไม่มีโมเดลการประเมินอายุใดที่แม่นยำอย่างสมบูรณ์, โดยเฉพาะสำหรับผู้ใช้ที่อยู่ใกล้เกณฑ์กฎหมาย. นักพัฒนาควรจัดการกับผลลัพธ์ที่ไม่แน่นอนอย่างไร, และคุณมองว่า Theia จะถูกใช้เป็นการตรวจสอบหลัก, สัญญาณความเสี่ยง, หรือส่วนหนึ่งของกระบวนการหลายชั้นที่ส่งผู้ใช้บางคนไปสู่วิธีการยืนยันอื่น?

ไม่มีโมเดลการประเมินอายุใดที่สมบูรณ์แบบ. เราให้ระดับความเชื่อมั่นพร้อมกับผลลัพธ์ทุกครั้ง.. ระดับความแม่นยำและความเชื่อมั่นนี้อาจเพียงพอที่จะยืนยันการรับรองอายุ.  อย่างไรก็ตาม, หากระดับความเชื่อมั่นสำหรับการวัดเฉพาะใดต่ำกว่าระดับที่กำหนด, สามารถใช้เป็นวิธีกระตุ้นการตรวจสอบเพิ่มเติม.  โมเดลการรับรองอายุของเราสามารถใช้เป็นหนึ่งในหลายวิธีเพื่อยืนยันอายุของบุคคล, โดยต้องผ่านหลายวิธี. สุดท้าย, ความยอมรับความเสี่ยงและหากกรณีการใช้งานต้องการอายุเฉพาะ, แทนช่วงอายุ, หรือแม้กระทั่งเกณฑ์อายุ (เช่น 16 ปีหรือต่ำกว่า) จะกำหนดว่าโซลูชันเป็นการตรวจสอบหลักหรือกระบวนการหลายชั้น.

HarmonEyes กล่าวว่า Theia ประมวลผลข้อมูลที่ขอบเครือข่ายและทำลายข้อมูลการติดตามดวงตาหลังจากส่งผลลัพธ์. นักพัฒนา, ผู้ตรวจสอบ, หรือผู้กำกับดูแลสามารถตรวจสอบสถาปัตยกรรมนี้ได้อย่างอิสระอย่างไร, และบริษัทจะปรับปรุงโมเดลของตนโดยไม่เก็บข้อมูลการติดตามดวงตาแบบดิบจากแอปพลิเคชันที่ใช้งานได้อย่างไร?

กระบวนการพัฒนาโมเดลของเราและการปรับปรุงโมเดลต่อไปดำเนินการภายในระบบการติดตามดวงตาที่เป็นกรรมสิทธิ์ของเรา.  เราไม่ใช้ข้อมูลของลูกค้าในการนี้ – เราใช้ข้อมูลที่ได้รับการตรวจสอบแล้ว (และกำลังเพิ่มขึ้น) ที่มีอยู่.

สิ่งนี้ทำให้เราสามารถส่งมอบโซลูชันที่ขอบเครือข่าย (ไม่มีคลาวด์) หากต้องการ.  ภายใต้สภาพแวดล้อมที่ทำงานที่ขอบเครือข่าย, การประมวลผลและการจัดเก็บมักมีข้อจำกัดและไม่มีความสามารถในการเก็บข้อมูลบนอุปกรณ์.  เราส่งผลลัพธ์การรับรองอายุของเราทุกวินาที – และนโยบายของเราคือทำลายข้อมูลการติดตามดวงตาทุกวินาที (หลังจากส่งผลลัพธ์แต่ละครั้ง).

เราตระหนักว่าการอ้างอิงสถาปัตยกรรมนั้นเชื่อถือได้เท่ากับความสามารถในการยืนยันจากภายนอก. เรากำลังดำเนินการขอรับการรับรองและการยืนยันจากบุคคลที่สามที่ออกแบบมาเพื่อให้ผู้พัฒนา, ผู้ตรวจสอบ, และผู้กำกับดูแลสามารถยืนยันว่าข้อมูลการติดตามดวงตาไม่ได้ถูกเก็บรวบรวมหรือคงอยู่ในแอปพลิเคชันที่ใช้งาน.

สหราชอาณาจักรกำลังพัฒนามาตรฐานสำหรับการตรวจสอบที่มีประสิทธิภาพสูง, ในขณะที่สหภาพยุโรคให้ความสำคัญกับระบบการพิสูจน์อายุแบบไม่ระบุตัวตนที่เปิดเผยข้อมูลส่วนบุคคลให้น้อยที่สุด. HarmonEyes จะพิสูจน์ว่าการประเมินอายุทางสรีรวิทยาตรงตามข้อกำหนดที่กำลังเกิดขึ้นเหล่านี้อย่างไร, แทนที่จะเป็นการแนะนำรูปแบบใหม่ของการเฝ้าระวังชีวมิติ?

แต่ละโมเดลที่เราจัดจำหน่ายมาพร้อมกับเอกสารขาวที่บันทึกวิธีการพัฒนา, ความแม่นยำของโมเดล, และข้อจำกัดที่ทราบ, และเราทำให้ Theia พร้อมสำหรับการทดสอบสดแบบระยะไกลเพื่อให้ผู้กำกับดูแลหรือผู้ตรวจสอบสามารถประเมินประสิทธิภาพในโลกจริงโดยตรง.

เมื่อการรับรองอายุย้ายจากแพลตฟอร์มสังคมส่วนบุคคลไปสู่ระบบปฏิบัติการ, ร้านแอป, และโครงสร้างพื้นฐานระดับอุปกรณ์, คุณเชื่อว่า Theia ควรอยู่ในตำแหน่งใดในสแต็กเทคโนโลยีนั้น, และการนำไปใช้อย่างรับผิดชอบควรเป็นอย่างไรในแอปผู้บริโภค, เกม, สื่อสังคม, และบริการที่จำกัดอายุอื่น ๆ?

เรากำลังดำเนินการบูรณาการหลายรูปแบบสำหรับความสามารถการรับรองอายุของเรา.  เรามองว่า Theia จะทำงานภายในสแต็กเทคโนโลยีส่วนตัวของบริษัท เช่น แพลตฟอร์มสื่อสังคม; ภายในโครงสร้างพื้นฐานของอุปกรณ์, เช่น ระบบปฏิบัติการ; ภายในโครงสร้างพื้นฐานการค้า, เช่น เครือข่ายการชำระเงิน; หรือโดยตรงที่ระดับแอป.

สำหรับเรา, การนำไปใช้อย่างรับผิดชอบหมายถึงการให้ความสามารถการรับรองอายุที่แม่นยำพร้อมกับความโปร่งใสของกระบวนการตรวจสอบ, ความหลากหลายของข้อมูลในโมเดล, และการส่งมอบในรูปแบบที่เป็นส่วนตัวและคุ้มค่าในการใช้งาน.

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม HarmonEyes.