导言

最近在AI界有一件颇有争议流传出来，那便是2017年弗斯坦大学一位教授Kosinski建立了一个看脸预测性取向的AI模型，据说其男性判断正确率为81%，女性为74%。最近则有位名为约翰的少年，亲自复现了算法，用新的数据来进行实验，结果男性的准确率为68%，女性的准确率为77%。

这种操作相信大家都不敢相信，为何AI能够判别一个人的性取向？而它又是依据什么而评判的呢？下面给你一一解答疑惑。

约翰采取控制变量法，复现了一个深度神经网络模型和一个基于面部形态学(FM)的模型，从约会网上抓取50多万张图片，并且从中选择2万多张，做成性别、取向平衡分布的数据集。然后利用VGG-Face神经网络，从图像中提取鼻子、胡须、眉毛、嘴角、发际线等面部特征，然后将照片转换成4096个元素的特征向量。

通过这些研究，显现了机器算法判定依据。男性而言，鼻子，眼睛，眉毛，脸颊，头发和下巴，这些地方的不同能够让AI识别出他的性取向；而对女性，则是鼻子，嘴角，眉毛、头发和领口。总体而言，同性恋男人的鼻子比直男的鼻子更窄、更长，他的脸也更瘦长一点；而和直女相比，同性恋女人的颌骨较大，额头较小。

在Kosinski教授的研究中，认为神经网络只是发现面部特征和性取向的相关性。他以为AI识别仅是根据面部表面特征来进行判定，所以并没有深入的解释这背后的原因，毕竟它只是一台识别机器。但是他们认为结果证明了当时流行的“胎儿激素暴露理论”。

“胎儿激素暴露理论”认为当胎儿在妈妈的子宫里时，子宫里某些激素的过高或过低，会导致孩子出生后的情绪和行为的不同。曾经有科学家发现，胎儿过多地暴露在紧张激素下，成年后更可能有情绪问题，激素还能影响孩子们的性取向，和童年时不同的行为特征。

而在约翰的复现中，却发现在5x5的马赛克下依旧有63%和72%的正确率。这表明了两个问题，其一是在马赛克下基本抹除了基本的面部特征，但依旧有着较高的识别率，这与Kosinski教授的推测相悖。其二则揭示了AI能够根据肤色，发色等来进行分类。

总而言之，这个模型是由Kosinski教授建立在海量的数据之下，凭借着基于人工神经网络的人工智能的深度学习进行归纳。约翰则是通过复现Kosinski教授的模型并且引进新模型使得测试结果更加精准。

任何技术都是一把双刃剑。或许一个方面可能触犯了人类隐私等问题，但在另一方面却也可以建立面部识别模型来判断恐怖分子。据说以色列一家创业公司Faception已经开始出售这样一种AI软件，通过面相来识别恐怖分子，他们声称将这项技术用在11个恐怖分子身上，准确识别出了其中9人

文章转载西农机电学院