تصور کنید دوربین لپ‌تاپ شما بدون نیاز به هیچ سخت‌افزار خاصی، بفهمد چه زمانی دچار استرس شده‌اید، خسته هستید یا دقیقاً در چه بازه سنی قرار دارید. شرکت HarmonEyes با عرضه مدل Theia، یک مدل پایه هوش مصنوعی (AI Foundation Model) را معرفی کرده است که ویدئوهای معمولی دوربین را به داده‌های لحظه‌ای از وضعیت فیزیولوژیک انسان تبدیل می‌کند.
این تحول در زمانی رخ می‌دهد که صنعت فناوری از پروفایل‌سازی رفتاریِ تهاجمی به سمت سیگنال‌های فیزیولوژیک حرکت می‌کند. در حالی که روش‌های سنتی تأیید سن به شناسنامه‌های دولتی، مدارک شناسایی یا تاریخچه مرورگر متکی هستند، HarmonEyes از فیزیک حرکت چشم استفاده می‌کند. این رویکرد شکافی حیاتی در امنیت دیجیتال را پر می‌کند: تأیید سن کاربر بدون جمع‌آوری اطلاعات شناسایی شخصی (PII).
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی حریم خصوصی در مدل‌های بینایی اشاره کردیم، انتقال پردازش از سرور به دستگاه کاربر، کلید پذیرش عمومی این فناوری‌هاست. مدل Theia دقیقاً همین مسیر را طی می‌کند.
زیربنای کارآفرینانه
به نقل از مصاحبه‌ای با آدام گراس (Adam Gross)، مدیرعامل شرکت در unite.ai، این فناوری حاصل یک دهه پژوهش در شرکت پیشین او، RightEye است که در سال ۲۰۱۳ تأسیس شد. RightEye بر ردیابی چشم برای کاربردهای بهداشتی، ورزش‌های حرفه‌ای و عملکرد نظامی تمرکز داشت.
گراس یک کارآفرین سریالی با نزدیک به ۳۰ سال تجربه در کسب‌وکارهای فناوری‌محور است. سوابق او شامل تأسیس و مدیریت شرکت‌های زیر است:
- KeyClaims: شرکتی در زمینه کنترل هزینه‌های بهداشتی که در سال ۲۰۱۲ توسط Stratose/Zelis Healthcare خریداری شد.
- Trending123.com: یک پلتفرم تحلیل‌های مالی که در سال ۲۰۰۷ توسط InvestorPlace Media خریداری شد.
- KeepMore: شرکتی در حوزه فناوری‌های مالی (FinTech).
- Eastern ATM: یک شبکه خصوصی دستگاه‌های خودپرداز در سراسر ساحل شرقی ایالات متحده که در سال ۱۹۹۸ فروخته شد.
موتور محرک Theia
گراس اشاره می‌کند که سه تغییر استراتژیک باعث راه‌اندازی HarmonEyes در سال ۲۰۲۴ شد. اول، شرکت توانست بزرگ‌ترین پایگاه داده تأییدشده و برچسب‌گذاری‌شده‌ی ردیابی چشم را به دست آورد. دوم، گسترش هوش مصنوعی تکنیک‌های لازم برای آموزش مدل‌های لحظه‌ای (Real-time) را فراهم کرد. سوم، دوربین‌های سطح مصرف‌کننده به اندازه کافی سریع، ارزان و قدرتمند شدند تا بتوانند این سیگنال‌ها را بدون نیاز به سخت‌افزار تخصصی استخراج کنند.
این مدل بر روی یک مجموعه داده اختصاصی شامل بیش از ۵۸۵ میلیارد نقطه داده از ۱۶.۳ میلیون رکورد آموزش دیده است. این مجموعه داده شامل بیش از ۱۳۰ دسته‌بندی متمایز است که موارد زیر را پوشش می‌دهد:
- ویژگی‌های جمعیت‌شناختی مانند سن و جنسیت
- معیارهای عملکرد و میزان توجه
- وضعیت‌های عاطفی و شرایط سلامت بینایی
سازوکار فنی و پردازش لبه
سازوکار فنی Theia برای سرعت و حریم خصوصی طراحی شده و از یک خط لوله (Pipeline) مشخص می‌گذرد:
- محاسبه بردار نگاه (Gaze Vector Calculation): دوربین ابتدا بردارهای نگاه را محاسبه می‌کند تا دقیقاً تعیین کند کاربر به کجا نگاه می‌کند.
- استخراج ویژگی (Feature Extraction): این بردارها توسط یک SDK پردازش می‌شوند تا به ویژگی‌های ردیابی چشم، به‌ویژه سرعت حرکت (Velocity) و نقاط تثبیت (Fixations - جایی که چشم‌ها متمرکز می‌شوند) تبدیل شوند.
- استنتاج هوش مصنوعی (AI Inference): این ویژگی‌ها وارد الگوریتم‌های یادگیری ماشین می‌شوند تا وضعیت یا بازه سنی کاربر تعیین شود.
نکته کلیدی این است که کل این فرآیند بر پایه رایانش لبه (Edge Computing) استوار است. این پردازش می‌تواند مستقیماً روی دستگاه کاربر — شامل لپ‌تاپ‌ها، گوشی‌ها، تبلت‌ها و حتی خودروها — یا بسته به استراتژی استقرار، در فضای ابری انجام شود. بر اساس مستندات شرکت، تمام داده‌های ردیابی چشم هر ثانیه پس از ارائه خروجی حذف می‌شوند. به دلیل محدودیت‌های محاسباتی و ذخیره‌سازی در محیط‌های لبه، اغلب هیچ توانایی فیزیکی برای ذخیره این داده‌ها روی دستگاه وجود ندارد. این تمرکز بر پردازش محلی، پاسخی به چالش‌های پیچیده استقرار مدل‌های هوش مصنوعی در مقیاس سازمانی است که استارتاپ‌هایی مانند June برای حل «بدهی استقرار» آن‌ها سرمایه‌گذاری می‌کنند.
دقت در تخمین سن
در پژوهشی منتشر شده روی ۴۵,۶۹۶ نفر، HarmonEyes صحت طبقه‌بندی ۹۴.۶۷٪ را برای ۱۲ گروه سنی مختلف گزارش کرد. این بدان معناست که برای هر فردی که به مجموعه داده اضافه می‌شود، سیستم در ۹۴.۶۷٪ مواقع گروه سنی او را درست تشخیص می‌دهد.
این سیستم در تشخیص‌های دوتایی (Binary Thresholds)، مانند تعیین اینکه کاربر بالای ۱۶ سال است یا زیر ۱۶ سال، بسیار کارآمدتر از شناسایی سال دقیق تولد است. با این حال، گراس تأیید می‌کند که مطالعه اولیه افرادی با شرایط عصبی یا اختلالات بینایی را شامل نمی‌شد، بنابراین برای افرادی که حرکات چشم غیرعادی دارند، اعتبارسنجی‌های بیشتری مورد نیاز است.
برای جلوگیری از تقلب، SDK شامل قابلیت‌های داخلی تشخیص زنده بودن (Liveness Detection) و محافظت در برابر جعل (Spoof Protection) است. این ویژگی مانع از آن می‌شود که کاربران با استفاده از موارد زیر سیستم را دور بزنند:
- عکس‌ها یا ویدئوهای ضبط‌شده
- چهره‌های مصنوعی (Synthetic Faces)
- تغییرات عمدی در جهت نگاه
سیستم حتی می‌تواند تشخیص دهد که آیا شخص دیگری — مثلاً یک برادر یا خواهر بزرگ‌تر — سعی دارد تأیید سن را برای حساب کاربری دیگری انجام دهد، زیرا الگوهای حرکتی چشم را با شخصی که در ابتدا حساب را ساخته است، تطبیق می‌دهد.
طیف گسترده کاربردها
فراتر از تأیید سن، Theia برای اندازه‌گیری طیف وسیعی از وضعیت‌های انسانی در لحظه طراحی شده است. این قابلیت‌ها در حوزه‌های دفاعی، آموزشی، گیمینگ و تحقیقات بازار کاربرد دارند:
- بار شناختی (Cognitive Load): اندازه‌گیری تلاش ذهنی در ایمنی صنعتی یا محیط‌های آموزشی.
- وضعیت فیزیکی: تشخیص حالت تهوع در واقعیت گسترده (XR) یا خستگی در سیستم‌های خودرویی.
- وضعیت عاطفی: ردیابی استرس، حواس‌پرتی و آمادگی ذهنی برای دستیارهای هوش مصنوعی و مراقبت‌های بهداشتی.
- امنیت: پیاده‌سازی احراز هویت کاربر بر اساس الگوهای منحصربه‌فرد حرکتی چشم.
در این میان، توانایی تحلیل لحظه‌ای داده‌ها برای کاربردهای حساس، نیازمند ساختارهای نظارتی دقیقی است؛ چرا که حاکمیت بل‌لحظه پیش‌شرط اصلی برای مقیاس‌پذیری عامل‌های هوشمند در محیط‌های واقعی است.
مقابله با سوگیری و قابلیت اطمینان
گراس پذیرفته است که دقت سیستم بر اساس متغیرهای محیطی و فیزیکی متفاوت است؛ مواردی مانند نور محیط، کیفیت دوربین، استفاده از عینک یا لنزهای تماسی، نژاد کاربر و فاصله کاربر تا دستگاه. برای کاهش این اثرات، شرکت در حال گسترش مدل‌های خود با مجموعه‌داده‌های متنوع‌تر است و مقالات فنی (White Papers) شفافی درباره محدودیت‌های شناخته‌شده منتشر می‌کند.
برای توسعه‌دهندگان، Theia به عنوان یک کلید دوتایی بی‌نقص (بله/خیر) در نظر گرفته نشده است. در عوض، سیستم برای هر نتیجه یک «سطح اطمینان» (Confidence Level) ارائه می‌دهد. اگر امتیاز اطمینان از حد خاصی پایین‌تر بیاید، سیستم می‌تواند یک روش تأیید ثانویه و سخت‌گیرانه‌تر را فعال کند. این راهکار می‌تواند به عنوان بررسی اولیه یا به عنوان یکی از چندین روش در یک فرآیند لایه‌بندی شده استفاده شود.
چشم‌انداز رگولاتوری
در حالی که بریتانیا (از طریق Ofcom) و اتحادیه اروپا قوانین مربوط به اثبات سن ناشناس را سخت‌گیرانه‌تر می‌کنند، HarmonEyes مدل Theia را به عنوان جایگزینی حریم‌خصوصی‌محور برای نظارت‌های بیومتریک معرفی می‌کند. Ofcom بین «استنتاج رفتاری سن» (مشاهده نحوه استفاده از پلتفرم) و «بررسی‌های سن» که قبل از دسترسی انجام می‌شود، تفاوت قائل است.
این شرکت ادعا می‌کند که با اجتناب از جمع‌آوری عادت‌ها، تصمیمات یا ترجیحات کاربر، از تله‌های اخلاقی پروفایل‌سازی رفتاری فاصله گرفته است. Theia داده‌ها را به صورت غیرفعال و غیرتهاجمی جمع‌آوری می‌کند بدون اینکه اطلاعات شناسایی شخصی (PII) را ذخیره کند.
برای اثبات این ادعاها، HarmonEyes در حال دریافت گواهینامه‌ها و تأییدیه‌های شخص ثالث است. این کار به رگولاتورها و حسابرسان اجازه می‌دهد به طور مستقل تأیید کنند که هیچ داده خام ردیابی چشم در اپلیکیشن‌های مستقر باقی نمی‌ماند. همچنین شرکت Theia را برای تست‌های زنده و از راه دور در دسترس قرار داده تا حسابرسان بتوانند عملکرد واقعی را مستقیماً ارزیابی کنند.
استراتژی ادغام
شرکت تصور می‌کند که Theia در سطوح مختلف پشته فناوری (Tech Stack) قرار گیرد، از جمله:
- ادغام مستقیم در زیرساخت فنی خصوصی یک شرکت (مثلاً یک پلتفرم شبکه اجتماعی)
- در زیرساخت‌های دستگاه، مانند سیستم‌عامل
- در زیرساخت‌های تجاری، مانند شبکه‌های پرداخت
- مستقیماً در سطح اپلیکیشن
به گفته گراس، پذیرش مسئولانه این فناوری نیازمند شفافیت در اعتبارسنجی و تنوع داده‌ها است. هدف این است که تحلیل وضعیت انسان به یک ابزار ارزان و خصوصی برای میلیارد‌ها دستگاه تبدیل شود.
این فناوری دوربین را از یک ابزار ضبط غیرفعال به یک حسگر فیزیولوژیک لحظه‌ای تبدیل می‌کند و بار اثبات هویت را از دوش کاربر (ارائه پاسپورت) به دوش سخت‌افزار (تشخیص سیگنال بیولوژیک) منتقل می‌کند. برای کسب‌وکارها، این به معنای کاهش اصطکاک در خدمات دارای محدودیت سنی است و برای کاربران، مسیری به سوی تأییدی است که نیاز به تحویل پاسپورت به یک اپلیکیشن شخص ثالث ندارد.
منتظر انتشار گزارش‌های حسابرسی شخص ثالث باشید تا مشخص شود آیا ادعای «پردازش صرفاً در لبه» در برابر نظارت‌های رگولاتوری پابرجا می‌ماند یا خیر.
گام بعدی شما
- اگر توسعه‌دهنده هستید، مستندات SDK شرکت HarmonEyes را برای بررسی قابلیت‌های تشخیص لایو (Liveness) دنبال کنید.
- در صورت استفاده از سیستم‌های XR، بررسی کنید که آیا ابزارهای تشخیص تهوع مبتنی بر چشم را در نقشه راه محصول خود دارید یا خیر.
- گزارش‌های حسابرسی شخص ثالث را برای تأیید ادعای «پردازش صرفاً در لبه» دنبال کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های NPU در دستگاه‌های لبه مراجعه کنید.
گفتگو