你是清純美女還是妖艷賤貨？都將一眼識破，逃不過我的眼睛

一篇論文引發的爭議

近日，上海交大教授武筱林在國外論文資料庫中上傳了一篇論文，講述其帶領團隊用人工智慧演算法鑒別「清純」美女和「妖艷」美女，並且準確率達到了80%以上。這本是一篇正常的學術論文，但國內外各方對此的反應不淡定了，就像武筱林團隊對美女做出「褒」和「貶」的標籤一樣，輿論各方對此也是各抒己見。

那麼，這場爭議到底是蓄意炒作還是學術爭論？究竟是什麼原因讓這個學術問題上升到輿論問題？武筱林團隊做的這項研究是否權威，是否能有說服力？研究過程中用到的技術演算法是什麼？機器判斷「清純」與否的標準是什麼，會不會加入研究團隊的主觀意識呢？技術最終落地到產品，如果這項技術能夠應用到實際中，其應用場景又有哪些呢？下面智能菌帶你一探究竟。

情人眼裡出西施？機器視覺還能幫你出"東施"

對於選美，自古就有「情人眼裡出西施」的諺語，而在12月23日，上海交大教授武筱林將研究論文Automated Inference on Sociopsychological Impressions of Attractive Female Faces（《自動推斷有吸引力的女性面孔造成的社會心理學印象》[1]附論文下載）上傳到國外論文資料庫中，文章詳細介紹了其帶領的研究團隊，通過用機器視覺識別美女圖片，是屬於「清純」還是「妖艷」類型，並聲稱其準確率達到了80.23%。通過機器對女性外貌進行鑒別，並且打上的標籤還是具有明顯褒貶色彩的字眼，大眾輿論對其研究的巨大爭議由此而來。

武筱林介紹稱，目前人臉識別技術已經能夠成功鑒別人類的性別、種族、年齡等生物性特徵，那麼對於識別人類的情感、性格等社會性特徵，人臉識別技術能否進行推測鑒別呢？對於這篇論文引發的爭議，武筱林或許有所準備，因為就在前不久他還發表了一份論文，講述的是通過機器識別成年男子「罪犯」與「非罪犯」的類型，識別準確率高達86%。「罪犯」與「非罪犯」的標籤相較於褒貶而言，更多的是對一個人社會屬性的審判，此處智能菌更關心的是那高達14%的出錯率。消息一經推出便引起了巨大的爭議，而其中質疑和否定的居多。

既然有了前車之鑒，武筱林團隊為何還要進行類似觸及社會倫理的敏感研究？況且第二次的研究並非機器定罪中是與否的鑒別，而是針對個人主觀因素佔主要依據的審美。對此，武筱林在第二篇論文中表達了對上一篇論文引發爭論的回應：「我們不能因為社會禁忌和政治觀念，就在不加以檢驗的情況下否定這種可能性」。這樣的解釋能否說服質疑者？還要看其研究所採用的方法和技術手段。

好不好看人說了不算？機器審美標準從何而來

據論文介紹，武筱林的研究團隊先是從搜索引擎中按照關鍵詞獲取照片，再人工進行排查，最後獲取3954張美女照片，其中標記為清純、柔美、甜美、單純等褒義標籤的照片為2000張，而標記為嬌艷、俗氣、風騷、輕浮等貶義標籤的照片為1954張，分別以S1和S0代替分組。對於如何確定照片屬於褒義標籤還是貶義標籤，除了按照搜索引擎的獲取外，研究人員讓22名男性研究生受訪者對照片進行人工判斷。

這是獲取的樣本，同時也是訓練機器、做測試用的數據。研究團隊採用深度卷積神經網路（CNN）對樣本數據進行研究，其中80%的數據用於訓練機器，即讓機器明白哪些是褒義標籤的照片，哪些是貶義標籤的照片，10%的數據用於驗證，剩餘10%的數據用於測試。最後實驗的結果是經過數據訓練的機器對於兩類標籤的鑒別準確率達到了80.23%。

此外，為了消除照片中女性化妝對於機器的誤導，研究團隊講所有圖片調成灰階圖，機器鑒別的正確率依然達到了74.59%。由此研究團隊認為可能是化妝照片面部的對比度和飽和度對機器鑒別產生影響，由此猜測照片的對比度和飽和度是機器做出判斷的重要依據之一。

技術本身並沒有對或錯，人們對於技術的應用才是至關重要。如果耗費人力物力研究出來的AI程序只是下下圍棋、看看面相，博得一段時間輿論關注，對技術本身的發展並沒有太多的推動作用。相反，如果關注的是技術本身及應用場景，能夠讓它走出高大上的實驗室走出來，進入尋常百姓家，這才是人們關心和關注的。

請使用手機"掃一掃"x