斯坦福大學「人工智慧相面師」相面看性取向，正確率高達91％

導語：人工智慧可以讓人類更準確地認識自己。但陷阱是，我們太過迷戀數據。

今天，斯坦福大學發布了一項研究結果，為人類長久的、關於性取向問題的爭論，提供了有意義的洞見。這項研究分析了超過35000個面部圖像後，搭建了一套可以高精度判斷一個人性取向的演算法。

研究人員首先從交友網站的公開信息中收集了14776人的35326張照片，想在照片中提取面部特徵。從臉型、嘴型、鼻型、眉形到面部的毛髮，這些特徵全部被提取並量化。

之後，研究人員用深度神經網路（DNN）從中提取與性取向有關的特徵。在此，他們引入VGG-Face DNN模型，想通過面部表情、背景、光線、圖像屬性（亮度或對比度等）等因素來表示圖像中的人臉。

隨後，研究人員用預測模型、邏輯回歸等奇異值分解（SVD）等方法將圖像分類，判斷哪些圖像中的人為同性戀。

在沒有穿搭風格、人物動作等因素影響的情況下，就單一面部信息而言，分類器識別男女性取向的準確率分別達到了81%和71%。

研究人員還設計對照組讓人類判斷照片中人的性取向。實驗證明，人類對男女性取向識別準確率分別為61%和54%。對比看來，演算法的準確率明顯優於人類的直覺判斷。

如果通過5張以上照片讓系統識別人類性取向，則男女性取向準確率分別提高到91%和83%。

研究人員意外地發現，性取向與面部特徵存在些許關聯，一般情況下，男同有「女性化」特徵，女同有「男性化」特徵。比如，男同的下顎、鼻子和前額比直男大，與異性戀女性相比，女同的下顎更大，額頭更小。

有趣的是，研究人員認為，AI判斷女同性戀的準確率比判斷男同性戀低，恰恰支持了女性性取向流動性更大的認知。在機器看來，這可能是因為女性同性戀和異性戀之間的物理差異，不如男性同性戀和異性戀之間那麼大。

研究結果就是這樣，但是解讀的方式更有意思。一方面，我們可以認為，這個結果強烈支持了性取向源自於出生前就存在的某些特定激素；也就是說，有些人生來就是同性戀。另一方面，這些數據可能被用來支撐某些偏見，比如認為男性化長相明顯的人就應該表現得像個男人。

所以說，數據的危險就在於此。看似客觀的演算法讓我們相信可以以貌取人，而不是去尊重個體在更多其他方面的差異。AI能夠幫助人類更準確了解自身的同時，我會擔心，未來對同性戀這類話題的社會討論會變得更加以技術為本、而不是以人為本。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！