您当前的位置：首页 > 科技网络

训练机器识美女审美与中国高校男生高度一致

2017-03-17 00:42:07

训练机器识美女

　　【训练机器识美女研究者正在搜集女主播照片】继11月下旬训练机器以86%的成功率辨认罪犯和非罪犯的照片后，上海交通大学教授武筱林近日又发表了“机器看相”第2季：人工智能可以成功鉴别“清纯”美女和“妖艳”美女，其审美与中国高校男生高度1致。

　　“是看脸认1个人难，还是判断1个服务员的笑是出自真诚还是敷衍更难？”，12月17日，在接受采访时，武筱林抛出了这个问题，来揭露他做的这1系列可能触及社会伦理敏感点的研究的意义所在。

　　目前人脸辨认系统已能成功鉴他人类的生物性特点，包括性别、种族、年龄乃至情绪。下1个问题非常吸引人而又充满挑战性：人工智能是不是能基于人脸辨认推测人类的社会性特点呢？

　　武筱林正在进行的这1系列研究，正是为了解答这个问题，或说，他是在迫使我们直面1个严肃的现实：人工智能已具有了认同人的情感和性情的潜力。武筱林的上1篇训练机器进行“罪犯辨认”的论文已召来了褒贬不1的回应邮件，有些人乃至严肃地敦促他“撤稿”。他这次在论文的引言部份写道，“我们不能由于社会忌讳和政治观念，就在不加以检验的情况下否定这类可能性”。

　　在上1篇论文中，武筱林团队应用计算机视觉和机器学习技术检测1856张中国成年男子脸部照片，其中将近1半是已定罪的罪犯。实验结果显示，通过机器学习，分类器可以以86%的准确率辨别罪犯与非罪犯这两个群体的照片。特别是在内眼角间距、上唇曲率和鼻唇角角度这3个测度上，罪犯和非罪犯存在较为显著的差距。平均来说，罪犯的内眼角间距要比普通人短5.6%，上唇曲率大23.4%，鼻唇角角度小19.6%。同时，他们发现罪犯间的脸部特点差异要比非罪犯大。

　　而最新出炉的这篇论文题为Automated Inference on Sociopsychological Impressions of Attractive Female Faces（《自动推断有吸引力的女性面孔酿成的社会心理学印象》），目前上载在预印本网站arXiv上。

　　武筱林的研究团队这次把眼光转向了女性，而且是长相有吸引力的女性。虽然东西方都有“情人眼里出西施”的说法，但在实际生活中，大众对陌生女性的审美还是较为1致的。同时人们还会给不同的“美女”贴上不同的标签，有些是肯定性的标签，比如“甜蜜”、“可爱”、 “优雅”、“温顺”、“体贴”；有些是不是定性的标签，比如“造作”、“虚荣”、“冷漠”、“轻浮”。这些标签直接从外表指向了女性的1些内在性情乃至品格。

　　比起犯法性来，判断对“美女”的审美给人工智能提出了更大的挑战，由于审美在传统上被认为是1种复杂的个人“口味”，糅合了视察者和被视察者的个性和社会价值观。

　　研究团队将两组照片样本展现给22名中国男性研究生，发现虽然他们对照片上贴的标签高度认同，但他们没法具体解释他们是如何做出这样的判断的。他们几近都给出了非常模糊的回答，比如“我就是这么感觉的”。

　　那末，人工智能否掌控这类模糊的“感觉”，由女性长相推断出她们的内在性情呢？

　　武筱林团队首先进行了半自动化的样本收集。他们在百度图片上用“单纯美女”、“甜蜜少女”等关键词进行检索，并把照片分为S+和S-两组。

　　S+包括带有以下标签的美女照片：清纯、柔美、甜蜜、秀美、单纯、大方

　　S-则包括以下标签：娇艳、庸俗、张扬、风骚、轻浮、轻浮、妩媚

TAG：