俗话说，缘由心生。
在中国，相学是阴阳五行学说的一个重要分支。 古人认为，只要把握规律，就可以从五官推算出一个人的运势富贵。
但随着科学技术的发展，我们逐渐摒弃了这一概念，算命先生也因此成为玄学的代言人，而相术的概念也与“封建迷信”联系在一起。
用AI为相学研究正名并不是什么新鲜事，比如之前大火的“面部相学研究所”，现在看来，或许相学研究是假的，赚钱是真的。 那么，用AI看脸是失败了吗？
现在，新的证据来了，而且是目前最有力的证据。 研究表明，一个人的面相与性格有着很大的关系，以面相识人是有规律可循的。
5 月 22 日，一篇论文发表，其中由莫斯科大学（ ）、HSE 大学（高等经济学院）和开放大学人文与经济学院（为 和 开放）组成的研究团队招募了 12,000 名志愿者，使用31,000 张自拍，学习了 128 个面部特征。 与志愿者填写的信息进行对比后，研究人员发现，AI识别的准确率达到了58%，AI的表现比算命先生更稳定。 .
论文链接如下，感兴趣的朋友不要错过：
女人比男人更容易辨认，“认真”更容易看出来
为了打破“看脸=玄学”的刻板印象，研究团队招募了12000名志愿者，收集了31000张自拍。 在此基础上，他们还使用神经网络评估了人脸的 128 项特征，例如嘴宽、嘴唇或眼高，确保了实验所涵盖数据的量级和多样性。
为了进一步保证实验的准确性和客观性，在获得数据后，研究人员将数据分为两组，一组用于训练AI，一组用于测试神经网络的准确性。
在对志愿者识别结果进行分类时，研究人员参考了大五项，即尽责性（ ）、神经质（ ）、外向性（ ）、宜人性（ ）和开放性（ ）。
在结果中，除了面容与性格的关系，研究人员还调查总结了不同标签下群体的可能寿命，让实验结果更加贴近生活，也... 更多》AI版算命先生“味道没了。
比如从AI的角度，从外表也能看出一个人赚的多。 系统认为，性格越开放，收入就越高。 如下图所示，从左到右是开放度由低到高的变化过程。
如果你想知道你赚了多少钱，你可以比较一下你的脸和下图右边的脸有多相似。
此外，负责人的脸色也有规律的变化。 从左到右，一个人的责任感逐渐增强。 同时，一个负责任的人更容易身体健康。 与周围人的关系也会更加融洽。
下图从左到右是一个人的性格逐渐从内向转变为外向。 研究人员发现，性格外向的人更容易在生活中感到快乐，他们也更喜欢挑战自我。 例如，他们更想纹身。
在神经质的标签下，一个人的面部变化如下图所示。 可以想象，他们会遇到更多心理健康问题，更需要亲友的支持。
和蔼可亲的人在各种场合都很受欢迎，他们往往有很多可以爱上他们的朋友。 这类人的面部变化如下图所示。
在判断结果时，研究人员以志愿者填写的信息为标准，确保AI系统在实验前没有任何关于此人的信息。
以性别为轴心，AI识别女性比男性更准确。 就五种性格标签类别而言，AI识别尽责性最为准确。 总体而言，AI 的识别准确率达到了 58%，AI 识别结果在 50% 的时候是准确的，而且他们将 AI 与人类算命先生进行了比较，发现 AI 的表现更加稳定。
该论文的合著者 Osin 表示，一个人的脸包含了很多信息，从中可以看出人的内在，“借助 AI 来选择另一半，可以帮助个人获得更满意的互动结果。”
论文指出，AI系统可以帮助老板面试员工，也可以用在交友网站上，更好地撮合人。 它可以在客户服务、在线辅导等领域发挥很大的作用。
“我们的结果表明，复杂的计算机视觉算法可用于预测性格特征，即使是在任何情况下拍摄的照片，”Osin 说。 “我们方法的优势在于它相对简单，不依赖于 3D 扫描仪或 3D 人脸。” 地标地图，可以使用台式计算机轻松实现。”
“男女有别”，分开实验
该研究的初始样本参与者达到 25,202 人，照片总数达到 77,346 张。 经过数据筛选程序，最终保留的数据集包含有效问卷12447份，照片31367张。
参与者年龄在 18 至 60 岁之间，其中女性占 59.4%，男性占 40.6%。 在实验的两类数据上，用于训练的数据集占90%，用于验证的数据集占10%。 验证数据集包括 505 名男性提供 1224 张面部图像和 740 名男性提供 1913 张面部图像。 妇女的形象。
实验所用的照片保证光线充足，没有其他人，没有化妆，没有表情的状态。
在人工智能系统的设计中，研究人员开发了计算机视觉神经网络（NNCV），旨在确定静态面部图像的不变特征，将一张脸与另一张脸区分开来，但同一个人不同。 图像中保持不变。 在拍摄静态单色图像（大小为 224×224 像素）后，NNCV 生成 128 个 32 位维度向量，用于描述源图像中独特的面部特征。
同时，研究团队训练了一个用于人格诊断的神经网络（NNPD），它被实现为一个多层感知器。 NNPD以从NNCV得到的不变量向量为输入，预测五种性格特征的输出，整个过程分别进行男女人脸识别。
for 和 for (NNPD)的层架构如下图所示：
从人脸信息出发，科技将走向何方？
正如奥辛所说，这张脸其实包含了很多信息。 除了字符识别，AI在其他领域也取得了不错的进展。
比如在医疗方面，去年1月发表了一篇论文，其中提出了一种深度学习算法，可以检测儿童的罕见遗传病，它使用的是面部照片。
这种辅助诊断方法搭载在名为 的智能手机 APP 上，它依靠深度学习算法和类脑神经网络来区分人类照片中与先天性和神经发育障碍相关的独特面部特征，利用推断的模式最终导致可能的诊断，以及可能的选项列表。
在识别Top-10遗传病方面，准确率高达91%，已经超越人类医生。 如果未来能够继续改进已知的问题，就能更好地帮助全世界的孩子们获得更好的医疗条件。
一个更早的例子发生在2016年，上海交通大学的吴小林和张曦在预印本网站上发表了论文《 Infer Using Face 》（on Using Face）。 在论文中，Wu 和 Zhang 指出，机器学习技术可以以近 90% 的准确率预测一个人是否是罪犯（不是嫌疑人），而他们使用的数据只是身份证照片。
然而，该论文一出，便迅速引发了关于人工智能伦理的争论。 一位上海交大留学校友甚至公开表示：“我建议撤回这篇论文，并上传公告，为研究方法不当道歉。” “这篇论文给上海交通大学带来了非常糟糕的名声，对于那些申请美国大学的上海交通大学学生来说，将是一场灾难。”
不仅如此，谷歌的研究人员还写了一篇20000字的长文批评这篇论文。 Agüera y Arcas 等人一致认为，该论文在实验准确性、材料选择、输入内容和客观性方面存在重大问题。
论文中使用的 6 张照片：顶行是“犯罪”，底行是“非犯罪”。 上排的人皱眉，但下排的人不皱眉。 谷歌研究人员认为，深度学习系统可能只是“学习”了这些表面的区别。
他们指出，机器学习可以用于良好的用途，但也可能被滥用，而且通常是无意的。 这种误用源于对技术问题的狭隘偏执，包括以下四个方面：
上海交大事件之所以受到广泛关注，是因为这项技术在科学和法律这两个绝对理性的权威上被引用和总结。 如果只讨论这件事，面部结构其实是社会建构的产物。 一个人的成长过程和成长环境都会对其产生影响，甚至拍照时的光线和情绪都是不确定因素。 结合某些因素，论文中声称的 90% 准确率还有多少可信度？
当我们跳出上海交大事件，从更大的维度来看，人脸信息确实是一个有待开发的广阔领域。 例如，如果它可以用来为社会不平等做出贡献，那自然是受欢迎的。 但是，也要注意，如果完全依赖这些数据，似乎是在犯本质主义的错，或者说，有优生学的意思。
如今，因为疫情，摄像头的部署越来越密集，监控也越来越大胆。 在这样的情况下，如何才能有效防止技术走向反面，又该如何为技术敲响警钟。
这一点现在很重要，将来会越来越重要。