繼11月下旬訓(xùn)練機器以86%的成功率識別罪犯和非罪犯的照片后，上海交通大學(xué)教授武筱林近日又發(fā)表了“機器看相”第二季：人工智能可以成功鑒別“清純”美女和“妖艷”美女，其審美與中國高校男生高度一致。

　　“是看臉認一個人難，還是判斷一個服務(wù)員的笑是出自真誠還是敷衍更難?”，12月17日，在接受澎湃新聞的采訪時，武筱林拋出了這個問題，來揭示他做的這一系列可能觸及社會倫理敏感點的研究的意義所在。

　　武筱林

　　目前人臉識別系統(tǒng)已能成功鑒別人類的生物性特征，包括性別、種族、年齡甚至情緒。下一個問題非常吸引人而又充滿挑戰(zhàn)性：人工智能是否能基于人臉識別推測人類的社會性特征呢?

　　武筱林正在進行的這一系列研究，正是為了解答這個問題，或者說，他是在迫使我們直面一個嚴肅的現(xiàn)實：人工智能已經(jīng)具有了認同人的情感和性格的潛力。武筱林的上一篇訓(xùn)練機器進行“罪犯識別”的論文已經(jīng)召來了褒貶不一的回應(yīng)郵件，有些人甚至嚴肅地敦促他“撤稿”。他這次在論文的引言部分寫道，“我們不能因為社會禁忌和政治觀念，就在不加以檢驗的情況下否定這種可能性”。

　　在上一篇論文中，武筱林團隊運用計算機視覺和機器學(xué)習(xí)技術(shù)檢測1856張中國成年男子面部照片，其中將近一半是已經(jīng)定罪的罪犯。實驗結(jié)果顯示，通過機器學(xué)習(xí)，分類器可以以86%的準確率區(qū)分罪犯與非罪犯這兩個群體的照片。特別是在內(nèi)眼角間距、上唇曲率和鼻唇角角度這三個測度上，罪犯和非罪犯存在較為顯著的差距。平均來講，罪犯的內(nèi)眼角間距要比普通人短5.6%，上唇曲率大23.4%，鼻唇角角度小19.6%。同時，他們發(fā)現(xiàn)罪犯間的面部特征差異要比非罪犯大。

　　而最新出爐的這篇論文題為Automated Inference on Sociopsychological Impressions of Attractive Female Faces(《自動推斷有吸引力的女性面孔造成的社會心理學(xué)印象》)，目前上載在預(yù)印本網(wǎng)站arXiv上。

　　武筱林的研究團隊這次把目光轉(zhuǎn)向了女性，而且是長相有吸引力的女性。盡管東西方都有“情人眼里出西施”的說法，但在實際生活中，大眾對陌生女性的審美還是較為一致的。同時人們還會給不同的“美女”貼上不同的標簽，有些是肯定性的標簽，比如“甜美”、“可愛”、 “優(yōu)雅”、“溫柔”、“體貼”;有些是否定性的標簽，比如“做作”、“虛榮”、“冷漠”、“輕浮”。這些標簽直接從外表指向了女性的一些內(nèi)在性格甚至品格。

　　比起犯罪性來，判斷對“美女”的審美給人工智能提出了更大的挑戰(zhàn)，因為審美在傳統(tǒng)上被認為是一種復(fù)雜的個人“口味”，糅合了觀察者和被觀察者的個性和社會價值觀。

　　研究團隊將兩組照片樣本展示給22名中國男性研究生，發(fā)現(xiàn)盡管他們對于照片上貼的標簽高度認同，但他們無法具體解釋他們是如何做出這樣的判斷的。他們幾乎都給出了非常模糊的回答，比如“我就是這么感覺的”。

　　那么，人工智能否把握這種模糊的“感覺”，由女性長相推斷出她們的內(nèi)在性格呢?

　　武筱林團隊首先進行了半自動化的樣本采集。他們在百度圖片上用“單純美女”、“甜美少女”等關(guān)鍵詞進行檢索，并把照片分為S+和S-兩組。

　　S+包含帶有以下標簽的美女照片：清純、柔美、甜美、秀美、單純、大方

　　S-則包含以下標簽：嬌艷、俗氣、張揚、風(fēng)騷、輕佻、輕浮、嫵媚

　　“褒義組”照片樣本

　　“貶義組”照片樣本

　　S+和S-分別傾向于褒義和貶義的標簽，且在女性的支配力、可信賴度、單純程度等內(nèi)在個性上有不同程度的暗示，本文簡單將這兩組稱為“褒義組”和“貶義組”。

　　然后，所有搜索結(jié)果又由中國男性研究生進行了人工排查，去掉一些由于復(fù)雜語義造成的錯誤搜索結(jié)果，比如有些照片帶有反諷性質(zhì)的標簽。

　　研究團隊最后得到了共3954張中國美(微博)女照片，其中“褒義組”2000張，“貶義組”1954張。

　　由于受訪的研究生們無法指出他們做出判斷的細節(jié)依據(jù)，武筱林團隊采用了深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行研究。在實驗中，他們用數(shù)據(jù)集中的80%進行訓(xùn)練，10%用于驗證，剩余10%進行測試。

　　實驗的結(jié)果是，經(jīng)過訓(xùn)練的機器鑒別“褒義組”和“貶義組”的準確率達到了80%。

　　機器識別準確率達80%

　　接著，由于受訪男性研究生普遍認為“貶義組”的照片“不自然”，研究者懷疑影響男性做出審美判斷的重要依據(jù)是女性的化妝程度。但這個猜測很快被實驗推翻了。當(dāng)把所有照片調(diào)成灰階圖，重復(fù)上面的過程后，CNN分類器的識別準確率只下降了6%。

　　換成灰階圖后的機器識別準確率仍有75%

　　此外，濃妝還可能造成面部色彩的對比度和飽和度變高。這點得到了數(shù)據(jù)分析的證實。“褒義組”的色彩對比度比“貶義組”平均低了14%，飽和度平均低了5%。此外，“貶義組”照片在色彩對比度和飽和度上差異性更大。這與中國傳統(tǒng)推崇的“自然美”一致。研究者猜測，這種色彩對比度和飽和度上的差異是機器做出判斷的重要依據(jù)之一。

　　“褒義組”和“貶義組”色彩對比度和飽和度的均值和標準差

　　最后，武筱林團隊排除了機器過度學(xué)習(xí)的可能性。他們將數(shù)據(jù)集隨機打亂后訓(xùn)練機器，結(jié)果機器只能以50%的概率隨機“猜”分類。

　　文章最后總結(jié)道，這篇論文是上一篇論文《基于面部識別的犯罪性推斷》的續(xù)集，再次證明了人工智能不僅可以通過人臉識別鑒別生物性特征，還可以鑒別社會心理層面的特征。

　　澎湃新聞(www.thepaper.cn)在閱讀論文時，發(fā)現(xiàn)論文中附帶的“褒義組”照片中出現(xiàn)了演員楊穎。鑒于武筱林的研究采用了百度圖片搜索，樣本中出現(xiàn)一些演藝圈人士和“網(wǎng)紅”的照片不足為奇。但在采訪中，武筱林表示他和他的研究生都對“網(wǎng)紅”群體知之甚少。然而，他們已經(jīng)對這個群體產(chǎn)生了研究興趣，甚至打算拿她們作樣本，進一步檢驗論文中的算法。

　　武筱林說道，他的研究生已經(jīng)在收集一批女主播的照片，并記錄網(wǎng)友對她們長相的綜合性評價。在收集完成后，他們將把這一批全新的數(shù)據(jù)交給人工智能甄別，檢驗計算機的“審美”是否和網(wǎng)友一致。

　　武筱林打比方說道，之前他們就像訓(xùn)練計算機成功通過了高考，但現(xiàn)在他們重新找了一批“怪題” 來考驗計算機，看看人工智能的學(xué)習(xí)能力到底有多強。