可怕！斯坦福AI看脸即知性取向，国外媒体和网友都炸了
安妮 李林 编译整理
量子位 出品 | 公众号 QbitAI
事情开始于一项斯坦福大学的新研究。
研究人员Yilun Wang与Michal Kosinski用监督学习算法创造出一种新模型，可以直接从面相判断一个人的性取向，研究论文也即将发表在美国心理学学术月刊《Journal of Personality and Social Psychology》上。
纳尼？！还能根据面相判断性取向？确定我是在看科学期刊而不是误入路边看面相算命的小摊摊？
带着众多问号，我们翻看了实验研究。
面相识“同”？
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。
△ 研究人员先标记面部特征，同时用倾斜度、转动和偏转角度等参数定位人脸
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。
△ 系统识别的可以预测性取向的面部特征
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。
△ 这是由数千张图片组成的合成脸，展示了系统观察到的面部特征细微差别。右图中的绿色/红色线条分别代表男女异性恋者/同性恋者面部器官的位置形状
最后，研究人员随意挑选图像，让电脑猜测受试者的性取向，结果证明AI系统的表现明显优于人类——
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。
作者简介
这篇论文的作者是Yilun Wang和Michal Kosinski。两个人一起收集了数据并进行分析，论文为Michal Kosinski执笔完成。
量子位经过查询发现，Yilun Wang现在的身份是IDG资本驻旧金山湾区的投资顾问，投资领域专注于AI、机器人、机器学习、计算机视觉等。此前，Yilun曾在Google、百度深度学习研究院、格灵深瞳、微软等公司实习。
Yilun Wang本科毕业于浙江大学，2016年在斯坦福获硕士学位。
而Michal Kosinski博士是斯坦福商学院的助理教授。2014年，Kosinski在剑桥大学获得心理学博士学位。先后供职于微软研究院、剑桥大学，并有过创业经历。
Kosinski还是一位活跃在各种活动和采访中的学者。
今年初的CeBIT’17大会上，Kosinski发表了一场题为《The End of Privacy》（隐私的终结）的演讲。（当然他在别的场合也经常讲这个）
其实Kosinski的这个演讲，跟上面的主题一脉相承。
在《隐私的终结》里，Kosinski指出人们已经在网上留下太多的数字足迹，只需要通过一个强大的算法，把所有这些零散的足迹手机起来，就能描绘出你的真实样貌。
我们本来制作了一个压好字幕的视频，不过两次腾讯都没审核通过。所以，直接放一个YouTube地址吧：
https://youtu.be/DYhAM34Hhzc
各方评论
对于这项研究，部分美国媒体“表示强烈谴责和极大的愤慨”，比如TechCrunch。
他们在标题上指责这项研究“显示了数据时代的黑暗面”，还说这项研究“除了将一个已经很脆弱的人群暴露在新型的系统化虐待之下，还直接打击了我们的平等观念：不能以貌取人、也不能通过一两张照片这么简单的东西来判断性取向这样的隐私。”
英国的《经济学人》情绪稳定，不过《卫报》脑补了一些应用场景，比如怀疑自己形婚了，用这个AI gaydar来测一测自己的另一半，或者青少年用它来测自己、测同学……
《卫报》还”采访了多伦多大学心理学副教授Nick Rule，这位学者曾经研究过gaydar背后的科学，而对于斯坦福的这项研究，他认为非常“令人不安”，担心可能有人出于恶意来“根据人们的外表来分析他们、识别他们”。
reddit上网友的反应就淡定得多，量子位摘录一些网友评论如下：
“所以，他们造了一个Gaydar？”
“Stereotype的存在看来是有原因的”
“好吧……我觉得我还挺擅长通过长相判断谁是同性恋。但如果我说“Joe看起来90%是gay”，是不是不道德？”
“可怕。”
“第一个数据集来自‘一家美国交友网站’。我感觉这说的是OKCupid。”
“我真不明白这有什么可怕的。这个研究可以非常有用，而且不违背道德。”
“我觉得这进一步增强了我们对于性别的认知，我之前不知道面孔中还包含了这么多和性取向有关的信息。”
“很多判断都是基于穿着打扮。如论文中的例子，面部毛发较少常被归为男同（训练数据没包括熊？）戴着棒球帽的常被归为女同。”
“放在交友网站上的照片，可能会包括与性取向有关的隐藏信息。”
“我没看得太仔细，有点疑惑是为什么用预构建和预训练的神经网络，而不是自己训练？他们的确自己训练了，而且表现更好，但他们担心过拟合。我不知道为什么。”
“DNN能够进行纯粹的面部特征分离，不受面部表情、背景、光照、头部方向、图像属性（亮度、对比度）等因素的影响。这能消除图片噪声带来的过拟合风险。”
你怎么看这件事？欢迎在下方留言给我们~
论文下载
在量子位微信公众号（ID：QbitAI）后台的对话界面回复“gaydar”，即可收到这份有趣的论文。
— 完 —
活动报名
加入社群
量子位AI社群8群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot3入群；
此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。
进群请加小助手微信号qbitbot3，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态