特稿 | 斯坦福学者利用AI鉴别＂同性恋脸＂ 引发隐私之忧

同性恋男性的下巴更窄、鼻子更长、额头更大，同性恋女性则相反

实习记者 杜偲偲 记者 苑苏文

孔子“以貌取人，失之子羽”，意思是凭肉眼观容貌判断一个人的才能似乎难免失误，当计算机技术介入其中，面部特征与个人特质间的相关性便被试图建立起来。但当算法能轻易通过面部特征推断隐私时，技术发展带来的未来新世界便可能失去控制。

比如，美国斯坦福大学的研究者们训练出了人工智能分类器，可以通过脸部照片推测照片中人的性取向，判断准确率最高可达91%。此成果一经发布，便引发争论。人们担心，此项技术如果普及，会让许多不打算公布性取向的人士无所遁形。

“很多的技术的发展确实会带来相应的伦理、社会、道德问题，这是科学发展的自然规律，科学家在研究的过程中需要更多的关心这方面的问题。”研究者之一王轶伦向财新记者表示，在文章发表前，他们也和许多组织、机构、学者就此做过沟通。

算法归纳出“同性恋脸”

9月7日，美国斯坦福大学助理教授迈克尔•科辛斯基(Michal Kosinski)和其学生王轶伦在心理学权威期刊《人格与社会心理学杂志》上发表了论文《深度神经网络基于人脸图像判断性取向比人类更准确》，他们利用VGG-Face深度神经网络模型提取从脸型、嘴型、鼻型、眉形到面部的毛发等面部特征并将其量化，以此训练分类器区分出不同性取向。其样本数据来自于美国交友网站上的公开资料，包括36630名男性的130741张照片和38593名女性的170360张照片。

研究者认为，人脸中包含的有关性取向的信息远多于人脑所能感知到的。凭单张图像，分类器能够以81%的准确率区别同性恋和异性恋男性，以71%的准确率区别女性，而相对应的人类判断为：男性准确率61%，女性54%，表现要低于算法。如果把每人5张面部图像输入分类器，算法准确率提升至91%和83%。

研究发现，同性恋长相性别特征相对更加不典型，男性的面容女性化程度与其同性恋概率呈正相关，女性则与之相反。具体而言，同性恋男性的下巴更窄、鼻子更长、额头更大，同性恋女性则相反。

不过，这不代表所有的同性恋男性长相都女性化，也不代表所有同性恋女性长相都不女性化。关于研究的局限性，作者提到，其数据样本限于白人、没有排除双性恋，也无法排除长相“更同性恋”的人更容易“出柜”的情况。

合理性、准确性均遭质疑

自论文发表后，更多人对于该研究能以高准确率靠面容推测性取向十分担忧，认为该技术一旦推广将严重侵犯个人隐私，甚至会给一部分人带来人身危险。据国际男女同性恋联合会统计，目前全世界仍然有71个国家将同性恋视为犯罪。

论文作者王轶伦却称，选择公布这一成果，是“希望通过此研究帮助政策制定者和少数群体去理解算法可能带来的对隐私的伤害，进而采取一些预防性的隐私保护措施。”

王轶伦称，他的研究合作者很早就开始关注能否通过大数据的方法，分析人们的电子足迹去推测个人的性格特征，进而帮助人们理解互联网时代的隐私问题。“面部特征暗示了很重要的隐私信息。”

论文还认为，计算机这一识别结果与被广为接受的性取向的产前激素理论（PHT）相符合。根据产前激素理论，产前激素影响成人性取向，男性胚胎过少地暴露在雄性激素中，或女性胚胎过多地暴露在雄性激素中，都可能造成性取向的变化。该理论认为产前激素也与两性面部分化相关，同性恋人群倾向于具备性别上不典型的面部形态，即同性恋男性面部应该更女性化，同性恋女性面部应该更男性化。

但是，究竟是什么决定了性取向的不同？目前尚未有定论，这一研究受到性学专家的质疑。

性社会学家李银河向财新记者介绍，学术界对于性向的形成主要有“生理决定论”和“社会建构论”两派观点，此研究的价值可能在于作为依据支撑“生理决定论”，而按照“社会建构论”的观点，同性恋不是一种身份，而是一种“去做”的行为。

李银河以古希腊时期举例，她介绍，在当时同性性行为是一种普遍的实践，每一位少年都有一位成年的师傅教与他文化和格斗，同时也是他的性伴，而少年长大之后也会结婚生子。从“社会建构论”出发，她认为并没有同性恋这样一个固定的人群，人的性向也是不断流动变化的，对于同性恋是难以识别的。

“以貌取人”渐成现实

一个人的脸上所能解读出的信息量或许真的“出人意料”。

据《经济学人》报道，一些公司正通过分析脸部特征来自动诊断罕见遗传疾病，比如颅骨发育不良伴肢端溶骨症（Hajdu-Cheney综合症）。测量情绪的系统也许能让自闭症患者更好地理解对他们来说难以捉摸的社交信号，同样可测量情绪的美国Affectiva公司，能够通过人脸对情绪进行分析，帮助广告主理解他们的消费者。

不过现实中，面部识别运用更广泛用于安保系统。以色列面部识别公司Faception称，其软件能够识别出2015年巴黎袭击案中的9名恐怖分子(共11人)，而《华盛顿邮报》报道称，至少有一个美国政府国土安全机构采购了Faception的面部识别技术，费用达到75万美元。

对于识别潜在犯罪者，中国国内也有类似研究，2016年11月，上海交通大学武筱林教授和他的博士生张熙曾发表了题为《基于面部图像的自动犯罪概率推断》的论文，展示容貌与犯罪之前的关联。

中国学者运用计算机视觉和机器学习技术检测了1856张中国成年男子面部照片，其中近一半为已定罪的罪犯。通过机器学习，分类器区分罪犯与非罪犯的准确率最高可达89.51%，此外，他们发现在内眼角间距、上唇曲率、鼻唇角角度这三个测度上，罪犯和非罪犯存在较为显著的差距，罪犯的内眼角间距要比普通人平均短5.6%、上唇曲率大23.4%、鼻唇角角度小19.6%。

在北京，政府在公租房小区推行了人脸识别门禁系统。不过与前者通过使用机器学习来训练算法，以检测某些类型的人群和特质不同，现实中的常见应用主要是将面部数据与现有数据库匹配，用于安全和身份验证，阿里巴巴刷脸支付也是运用同样的原理。

北京中海投资管理有限公司负责北京市海淀区人脸识别系统开发，其项目经理孙玉鸿介绍，该项目也是基于深度神经网络技术，通过在单元门口放置摄像头采集进出住户信息，与预先录入的住户面部数据进行关联分析，并定期将结果上报房管局，以此对转租和转借行为起到预警和取证作用。

49 27579 49 13551 0 0 4753 0 0:00:05 0:00:02 0:00:03 4753专家呼吁建立纠错与修正机制

应当如何掌控平衡技术发展带来的变革？中国社会科学院哲学所研究员段伟文认为，目前关于此类技术应该探讨的是：这个技术会被谁需要、可以用在什么方面、可能对谁造成伤害，然后在此基础上揭示其中的价值和伦理问题，进而建立起动态的纠错与修正机制。

段伟文认为，在长期技术积累和巨量资本投入的推动下，目前人工智能技术和产业的发展趋势呈现出难以阻挡之势，并将变革人类的物质与精神生活方式，其发展也是国家管理、社会治理的需要。作为面部识别基础的人工智能技术是一种靠数据驱动的感知智能，这种感知智能可以通过聚类、相关性分析等方法辨识人的面部特征、建立起面部特征与人的身份、人格、情感、倾向的相关性。但在此过程中，一方面，存在着算法的不透明、不可解释和难于追责等问题；另一方面，对于数据的采集、处理、标志和应用中的价值和伦理问题尚未得到充分的剖析和讨论。对于这些方面的问题，我们也需要有清醒的认识，并对此进行深入的探讨和广泛的讨论。

而就面部识别触及隐私而言，段伟文介绍，由于欧洲国家经历过宗教战争和法西斯人体试验对个体的严重侵害，因而非常重视个人尊严和隐私，为此在可能影响到人技术的研发和应用中，企业首先需要证明其没有侵害使用者的隐私权和其他权利。美国的科技治理往往更多地顾及企业的利益，法律规定相对宽松，企业若未被人投诉侵权就可以进行相关研究与创新。但同时，由于受其清教徒传统影响，美国有很多由企业组成的自治群体制定了较高的行业伦理标准，在很大程度上弥补了法律上的不足，也使得他们在伦理和法规更严苛的区域的贸易中免于伦理和法律冲突。

“虽然在亚洲和中国文化传统中，对于隐私的重视程度并不高，但由于技术应用日趋无国界，技术虽然在不同地区应用，但存在遵从原则，不论是作为创新者还是利害相关者，均需要按照较严格的标准来进行技术，如果要想在人工智能领域寻求可持续的创新，其社会应用首先要有利于提升公众的福祉，其价值取向与伦理诉求必须是公众可以接受的，对于隐私的重视度和伦理标准不可能一只维持在很低的水平。”他指出。

“目前大多数的面部识别研究是在推动相关识别技术的进步。”王轶伦说，一些中国的公司，如北京旷视科技有限公司旗下的新型视觉服务平台Face++、北京商汤科技（Sensetime），以及某些学者专家，在这项技术方面能够引领世界。“而用人脸对个人特征的预测，目前主要是在对相关性的分析，这些研究针对不同的特征进行分析能够产生不同的意义。”■