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。