406 机器人

斯坦福大学“人工智能相面师”相面看性取向，正确率高达91％

导语：人工智能可以让人类更准确地认识自己。但陷阱是，我们太过迷恋数据。

今天，斯坦福大学发布了一项研究结果，为人类长久的、关于性取向问题的争论，提供了有意义的洞见。这项研究分析了超过35000个面部图像后，搭建了一套可以高精度判断一个人性取向的算法。

研究人员首先从交友网站的公开信息中收集了14776人的35326张照片，想在照片中提取面部特征。从脸型、嘴型、鼻型、眉形到面部的毛发，这些特征全部被提取并量化。

之后，研究人员用深度神经网络（DNN）从中提取与性取向有关的特征。在此，他们引入VGG-Face DNN模型，想通过面部表情、背景、光线、图像属性（亮度或对比度等）等因素来表示图像中的人脸。

随后，研究人员用预测模型、逻辑回归等奇异值分解（SVD）等方法将图像分类，判断哪些图像中的人为同性恋。

在没有穿搭风格、人物动作等因素影响的情况下，就单一面部信息而言，分类器识别男女性取向的准确率分别达到了81%和71%。

研究人员还设计对照组让人类判断照片中人的性取向。实验证明，人类对男女性取向识别准确率分别为61%和54%。对比看来，算法的准确率明显优于人类的直觉判断。

如果通过5张以上照片让系统识别人类性取向，则男女性取向准确率分别提高到91%和83%。

研究人员意外地发现，性取向与面部特征存在些许关联，一般情况下，男同有“女性化”特征，女同有“男性化”特征。比如，男同的下颚、鼻子和前额比直男大，与异性恋女性相比，女同的下颚更大，额头更小。

有趣的是，研究人员认为，AI判断女同性恋的准确率比判断男同性恋低，恰恰支持了女性性取向流动性更大的认知。在机器看来，这可能是因为女性同性恋和异性恋之间的物理差异，不如男性同性恋和异性恋之间那么大。

研究结果就是这样，但是解读的方式更有意思。一方面，我们可以认为，这个结果强烈支持了性取向源自于出生前就存在的某些特定激素；也就是说，有些人生来就是同性恋。另一方面，这些数据可能被用来支撑某些偏见，比如认为男性化长相明显的人就应该表现得像个男人。

所以说，数据的危险就在于此。看似客观的算法让我们相信可以以貌取人，而不是去尊重个体在更多其他方面的差异。AI能够帮助人类更准确了解自身的同时，我会担心，未来对同性恋这类话题的社会讨论会变得更加以技术为本、而不是以人为本。

最后更新：2017-10-08 02:17:22