明天，斯坦福年夜学宣布了一项研讨成果，为人类久长的、关于性取向成绩的争辩，供给了成心义的洞见。这项研讨剖析了跨越35000个脸部图象后，搭建了一套可以高精度断定一小我性取向的算法。
假如只供给一张照片，算法断定男性异性恋和异性恋的精确率是81%，断定女性异性恋和异性恋的精确率较低一些，然则也有74%。假如供给五张照片，那末二者的精确率会进步到91%和83%。
研讨员最开端从约会网站搜集了上万张图片和对运用户的小我材料，然后应用神经收集梳理这些图片。他们发明，男性异性恋偏向于具有“非典范性别”脸部特点、脸色和装扮作风。在脸部特点方面的表示是，偏女性化，平日比男性异性恋有较窄的下巴、更长的鼻子和更年夜的额头。女性异性恋则正好相反，平日有较年夜的下巴和更小的额头。
风趣的是，研讨人员以为，AI断定女异性恋的精确率比断定男异性恋低，恰好支撑了女性性取向活动性更年夜的认知。在机械看来，这能够是由于女性异性恋和异性恋之间的物理差别，不如男性异性恋和异性恋之间那末年夜。
虽然这个研讨成果能够过度简化了性别和性取向的实质，然则就基于表面断定性取向这件工作而言，AI完整超出了人类。作为比较试验，研讨院让人类不雅看20组脸部照片，然后做出选择。人类断定男性异性恋的精确度是61%，女性异性恋只要54%。
研讨成果就是如许，然则解读的方法更成心思。一方面，我们可以以为，这个成果激烈支撑了性取向源自于出身前就存在的某些特定激素；也就是说，有些人生来就是异性恋。另外一方面，这些数据能够被用来支持某些成见，好比以为男性化长相显著的人就应当表示得像个汉子。
所以说，数据的风险就在于此。看似客不雅的算法让我们信任可以以貌取人，而不是去尊敬个别在更多其他方面的差别。AI可以或许赞助人类更精确懂得本身的同时，我会担忧，将来对异性恋这类话题的社会评论辩论会变得加倍以技巧为本、而不是以工资本。
