AI的颠覆已经蔓延到了“看相界”：从不久前闹得沸沸扬扬的人脸识别定罪犯，到最近的看人脸断贫富，再到今天要介绍的“深度学习看手相”。
近日，台湾大学举办的一场黑客马拉松（黑客松）比赛上。一位名叫Claire Ching Chen的大学生与实习的同事、大学朋友以及brother 联手开发了一个用于看手相的聊天机器人，名叫Handbot，可通过Facebook Messenger调用。
不过，新智元到Facebook主页上想试用这一聊天机器人时，发现它已经被停用了。
项目具体停用的原因目前还不清楚，但是相比和此前诸多深度学习应用方面的实验一样，这一项目也引起了广泛的争议和关注。
以下是程序Claire Ching Chen在Medium上对这一项目的技术细节进行的介绍：
据我们所知，许多人都痴迷于占卜算卦，其中，看手相又是一个最简便的方法，每个人都能从这里开始，看到自己的未来。但是，许多人在辨识自己掌心的掌纹时都会面临许多问题。因而，我们想到了这样一条思路，将看手相、深度学习和聊天机器人结合起来。
看手相：在黑客松比赛中，我们首先花了好几个小时来研究看手相的基础知识，其中包括关系、职业和健康和分析预测，随后，我们标注了超过2000张真实的人类手掌照片，并对他们的关系、职业和健康状况分别进行打分，给出了超过6000个分数。
标签数据文档：https://github.com/kkshyu/palm-read/blob/master/labels.csv
深度学习：我们在Keras中使用了VGG-16（16层的神经网络），加上TensorFlow后端作为我们的CNN模型。使用GPU进行加速，我们训练了10轮的epoch，每个epoch包含1000个步骤。模型的均方误差（MSE）为1.3066 。此外，valuation MSE为1.1721。总的来说，训练结果足够鲁棒，可以用于识别一个新的手掌。
代码地址：https://github.com/kkshyu/palm-read/blob/master/train_palm.py
Chatbot：与应用程序和网页相比，聊天机器人对于移动端的用户来说可获得性更强，并且更容易在社交网络上扩展。因此，我们使用 Chatfuel 在Facebook Messenger上创建了一个聊天机器人。
下图是Handbot的一些工作界面。研究者称，他们设计的流畅的UX在Facebook上实现80％的用户留存率。
下图：用户活跃度，从7月21日到7月24日期间的用户数量变化。
下图：7月21日到24日期间项目的用户数量变化。
《大西洋月刊》曾发表过一篇名为《真的有手相吗？》的文章，探讨看手相预测未来的科学性。
文章称，“人手包含了丰富的信息，因为婴儿的手形成于妊娠早期，研究人员常说，这相当于早期发育的‘化石记录’，可以提供对未来幸福的洞察力。”
以下是详细报道：
“看手相”来预测未来已经存在了几千年。越来越多的研究表明，“看手相”可能不完全是空穴来风：人的手包含了大量的信息。由于婴儿的手在妊娠早期形成，研究人员喜欢说它们就相当于是早期发育的“化石记录”，可以提供对未来的洞察。
例如，数百项研究表明，食指与无名指的长度比和许多特征相关。大多数研究人员认为，这是因为无名指的长度体现了睾酮含量，这将对人具有持久影响。与一个手指较短的男人相比，无名指长于食指的男人可能会有更高颜值的脸、更好的运动天赋、更长的阴茎—— 也许不是巧合——更多的孩子。同时，食指较长的男性更容易患精神分裂症和早期心脏病。
另外，他患自闭症或有ADHD 的可能性较小。它甚至可能揭示一个人的自我控制倾向：食指数长于无名指的孩子更有可能抵制诱惑。
你可能听说过，一个人的脸和身体越对称，他就被认为更有吸引力，也许这是因为对称性表明了良好的基因。确实，双手也是这样，越是对称越好：一个左右手指相匹配的男人比手指不匹配的人拥有更快、更丰富的精子。 另一项研究发现，手指不匹配的男性更容易抑郁。
掌纹也可能提供早期发育的线索。众所周知，唐氏综合症患者和胎儿酒精综合征患者以及怀孕期间患有麻疹的妇女的孩子比其他人更有可能患有“simian crease”，一条从手掌一边横贯到另一边的水平线。还有一些研究表明，在精神分裂症患者中，异常指纹图谱（例如具有高于平均数的特定拱形的螺旋）的比例也较高。研究人员也指出，男性更可能具有异常的指纹图谱，因为男性胚胎更容易受到环境的影响。
Handbot——（可能是）世界上第一个用于看手相的聊天机器人，它使用深度学习（CNN）来分析人的手相，以预测某个人的性格特征、健康状况、职业生涯和人际关系等等。
Claire Ching Chen 在Medium上介绍说：“我们致力于为中国有3000年历史的看手相行业带来变革性的创新。”
最终，他们拿下了比赛的信息安全奖（information security award），被评为“潜力之星”。
从这项研究的数据收集工作来看，研究者一方面收集、标注了超过 2000 张真实的人类手掌照片，一方面同时收集了这些人的“关系、职业、健康状况”等信息，并将这些数据结合起来，对模型进行训练。
这一训练过程有些像此前闹得沸沸扬扬的两位中国学者的研究《利用脸部照片自动推断犯罪性》，该研究利用基于有监督的机器学习的方法，根据人的脸部特征预测一个人是否有犯罪倾向，并自称“准确率接近90%”。该研究在国内外引起了广泛的争议。谷歌的几名研究员曾撰文对这一研究进行了批驳，认为这类研究从所采集数据的客观性开始，就存在严重问题。既“缺乏对训练数据偏见来源的洞察力”，又“不考虑可以产生测量相关性的各种因果关系”，更“不考虑机器学习系统......在实践中可能有什么社会影响”。
然而，最终这项研究获得的奖项是“信息安全奖”（information security award）。研究者表示，他们的数据是通过 Facebook 获得的：
我们不仅收到了我们朋友的消息，还收到了一些台湾大学黑客松大赛与会者和一些陌生人的消息。我们开始获得关于他们手掌的照片（有时包含了他们的脸），手掌背后的背景，以及他们在Facebook上的个人信息。我们感到震惊的是，这个聊天工具可以获得多少用户信息。我们可以知道他们是谁，他们在哪里，甚至他们的指纹！......预期2016-2023年期间，全球Chatbot市场预计将呈指数级增长。作为用户，我们应该更加了解隐藏的安全问题。像 Facebook 这样的巨型社交媒体平台应该主动拦截不当的应用。
在上面一段话中，研究者指出“Facebook 这样的巨型社交媒体平台应该主动拦截不当的应用”，言下之意，似乎认为这个所谓“看手相”的应用也是“不当的”。同时，这一应用目前已被关。因此，我们似乎也可以认为，这项研究的本意是为了推动“信息安全”。
文章转自新智元公众号，原文链接
