|
來源：澎湃新聞 斯坦福大學的邁克爾·科辛斯基（Michal Kosinski）和王軼倫發現，通過從3萬多張人臉圖像中提取出來的特征，計算機識別出同性戀男性的準確率最高可達到91%，同性戀女性則為83%。論文認為，與產前激素理論一致，同性戀男性的長相更“女性化”，下巴更窄，鼻子更長，額頭更大，同性戀女性則相反。 這篇題為《深度神經網絡基于人臉圖像判斷性取向比人類更準確》的論文于9月7日發表在《人格與社會心理學雜志》（Journal of Personality and Social Psychology）上后，引發了媒體和社交網絡的熱議。 英國《衛報》擔心，這項技術會導致青少年“自測”，夫妻“互測”，而在對同性戀處以死刑的國家，這項技術更可能淪為殺人工具。 不過，在作者看來，他們的研究是針對人臉識別技術和互聯網隱私問題的警告，是對未來可能成真的技術濫用的演示。作者在文章中呼吁，政府和企業應制定相關法規，發展相關技術，降低同性戀群體的隱私風險。 
異性戀（左）、同性戀（中）男女的復合面部圖像，最右為異性戀（綠色）、同性戀（紅色）男女的平均面部標記 論文的摘要寫道：“我們發現人臉中包含的有關性取向的信息遠比人腦能夠感知到的多。我們用深度神經網絡從35326張面部圖像中提取特征。我們將這些特征輸入邏輯回歸算法，對性取向進行分類。給定單張面部圖像，分類器能以81%的概率區別同性戀和異性戀男性，女性則為71%。人類的判斷準確率則要低得多：男性61%，女性54%。給定同一個人的5張面部圖像，算法的準確率可以相應提高到91%和83%。分類器利用的面部特征，有鼻子形狀等固定特征，也有打扮風格等臨時特征。同性戀男性和女性傾向于具備性別非典型的面部形態、表情和打扮風格，這與產前激素暴露影響性取向的理論相符合。而性別分類模型檢測同性戀男性的準確率為 57%，同性戀女性的準確率為 58%。這些發現提高了我們對性取向起源以及人類認知缺陷的理解。此外，公司與政府越來越多地使用計算機視覺算法探測人的內在特征，我們的研究揭示出同性戀的隱私與安全正在面臨威脅。” 算法準確率：男性91%，女性83% 研究者從美國交友網站上獲取了公開資料，包括36630名男性的130741張照片和38593名女性的170360張照片，年齡在18歲到40歲之間。他們的性取向則是通過意向伴侶性別獲悉的。 隨后，研究者將這些照片中的人臉用Face++軟件進行了處理，剔除了一些照片。接著，他們人工篩選這些照片是否是成年白人，性別與網絡資料是否相符。最后，他們隨即剔除了一些照片，以平衡異性戀和同性戀的人數，留下的樣本包含同性戀和異性戀男性各3947名，同性戀和異性戀女性各3441名。
對美國交友網站上獲取的公開照片進行處理 研究者使用一個名為VGG-Face的深度神經網絡提取圖像的特征，并以此訓練邏輯回歸模型。實驗結果顯示，給定單張面部圖像，分類器能以81%的概率區別同性戀和異性戀男性，女性則為71%。給定同一個人的5張面部圖像，算法的準確率可以相應提高到91%和83%。
給定個體男性（藍色）、女性（紅色）1至5張照片，算法的準確率提高 符合產前激素理論：同性戀男性更“女性化”？ 在引言部分，作者說明，他們選擇研究性取向的一個重要原因是“廣為接受的性取向的產前激素理論（PHT），預測了外表與性取向的關系”。 論文寫道，根據產前激素理論，男性胚胎過少地暴露在雄性激素中，或女性胚胎過多地暴露在雄性激素中，都可能造成性取向異化。然而，雄性激素同樣與兩性面部分化有關，產前激素理論預測同性戀人群傾向于具備性別上不典型的面部形態。即，同性戀男性面部應該更女性化，同性戀女性面部應該更男性化。 研究者通過分類器識別的位點集合成了計算機認為“最像同性戀”和“最不像同性戀”的人臉。論文認為，計算機識別結果與產前激素理論相符合，同性戀長相在性別上更不典型。平均來講，同性戀男性的下巴更窄，鼻子更長，額頭更大；同性戀女性則相反。
顏色越紅的區域，在算法中越重要 為了進一步檢驗“同性戀長相更不具備性別典型性”這一假設，研究者還通過一個準確率98%的性別分類器試圖區別同性戀和異性戀，發現在男性身上的準確率為 57%，在女性身上的準確率為 58%。論文寫到：“數據顯示，男性面部的女性化程度與同性戀概率呈正相關，女性則相反。” 研究的幾點局限性 不過，在論文的討論部分，作者強調研究結論不應被讀者誤讀。首先，同性戀長相更不具備性別典型性，不代表所有的同性戀男性長相都女性化，也不代表所有同性戀女性長相都不女性化。 其次，不應誤讀91%這個實驗中的數值。在美國的同性戀比例大約為6%到7%的情況下，分類器需要大幅犧牲準確率，才能覆蓋大量的樣本。 論文也自我指出了研究的幾點限制：樣本限于白人、沒有排除雙性戀，以及無法排除長相“更同性戀”的人更容易“出柜”這一點。 作者也拋出了其他幾個有趣的問題，比如同性戀男性更少留胡子，主要是生理原因（毛發稀少）還是品味原因？分類器識別男性比女性更準確，是否意味著女性的性取向更具流動性？ 看臉識罪犯、識貧富、識同性戀：科學相面術？ 近年來，計算機視覺識別技術發展迅速。從辦理身份證件、電子支付到機場安檢、辦公門禁，人臉識別技術正在大規模進入人們的日常生活。不過，一些研究者試圖通過計算機視覺識別，尋找外表特征和內在性格的聯系，引發了廣泛的爭議。 去年11月，上海交通大學武筱林教授的《基于面部圖像的自動犯罪概率推斷》一文指出，機器可以通過照片分辨出誰是罪犯，誰是守法公民，識別準確率在86%以上。隨后，加拿大多倫多大學一項機器看臉識貧富的研究，同樣引發了一些爭議。 此前，一家以色列初創公司聲稱其開發的人臉識別程序成功識別了參與2015年11月巴黎恐怖襲擊的9名恐怖分子，還能識別戀童癖與白領罪犯。 盡管這些研究倍受倫理爭議，但從論文來看，科辛斯基和王軼倫顯然并不認同將這方面的研究完全劃歸禁區。 在引言部分，論文提到，相面術可回溯至古中國和古希臘，畢達哥拉斯就曾“看臉”收門生。而意大利外科醫生龍勃羅梭在19世紀初開創了“天生犯罪人理論”，指出罪犯可以通過臉部特征識別。 “如今，相面術被廣泛認定為一種糅合迷信與種族主義的偽科學。由于合法性問題，研究、甚至是討論面部特征和性格之間的聯系都成為了禁忌。聯系不存在，這成了一個普遍的前提。然而，很多機制暗示，情況是相反的。” “重要的是，人類看臉判斷性格的準確率低，并不一定說明線索不是明明白白地擺在那里。只是，人類可能缺乏探測或解讀的能力……因此，我們用現代計算機視覺算法檢驗這個假設。” 同性戀群體危險了！ 論文的作者試圖通過這一研究警告我們，社交平臺上的公開數據，可以被人利用，制作針對性取向的分類器。文章寫道：“預測性取向可能對同性戀男女和整個社會都造成嚴重威脅，甚至生命威脅。……許多國家的法律認定同性戀是犯罪，8個國家會將同性戀處以死刑。因此，我們讓決策者、科技企業和同性戀群體知道看臉識同性戀的準確率可以有多高，這很關鍵。” 雖然論文所演示的恰恰是論文所反對的，作者強調，他們并非要制造一種入侵的工具，而是為了演示一些常用的入侵路徑。就在眼下，一些政府和企業就在研究人臉識別和內在人格之間的聯系，風險預警迫在眉睫。作者希望，他們的研究能提醒政府和企業，制定相關法規，發展相關技術，降低同性戀群體的隱私風險。 社交網站信息顯示，科辛斯基是斯坦福商學院的助理教授，2014年在劍橋大學獲得心理學博士學位。他曾供職于微軟研究院和劍橋大學，在公開言論中曾多次談及隱私問題。王軼倫本科畢業于浙江大學，2016年在斯坦福獲碩士學位，目前是IDG資本駐舊金山灣區的投資顧問，投資領域專注于AI、機器人、機器學習、計算機視覺等。
王軼倫（左）、科辛斯基（右） |
