人工智能識別清純和妖艷美女
發布時間：2024-03-03 點擊：135
繼11月下旬訓練機器以86%的成功率識別罪犯和非罪犯的照片后，上海交通大學教授武筱林近日又發表了“機器看相”第二季：人工智能可以成功鑒別“清純”美女和“妖艷”美女，其審美與中國高校男生高度一致。
目前人臉識別系統已能成功鑒別人類的生物性特征，包括性別、種族、年齡甚至情緒。下一個問題非常吸引人而又充滿挑戰性：人工智能是否能基于人臉識別推測人類的社會性特征呢？
武筱林正在進行的這一系列研究，正是為了解答這個問題，或者說，他是在迫使我們直面一個嚴肅的現實：人工智能已經具有了認同人的情感和性格的潛力。武筱林的上一篇訓練機器進行“罪犯識別”的論文已經召來了褒貶不一的回應郵件，有些人甚至嚴肅地敦促他“撤稿”。他這次在論文的引言部分寫道，“我們不能因為社會禁忌和政治觀念，就在不加以檢驗的情況下否定這種可能性”。
在上一篇論文中，武筱林團隊運用計算機視覺和機器學習技術檢測1856張中國成年男子面部照片，其中將近一半是已經定罪的罪犯。實驗結果顯示，通過機器學習，分類器可以以86%的準確率區分罪犯與非罪犯這兩個群體的照片。特別是在內眼角間距、上唇曲率和鼻唇角角度這三個測度上，罪犯和非罪犯存在較為顯著的差距。平均來講，罪犯的內眼角間距要比普通人短5.6%，上唇曲率大23.4%，鼻唇角角度小19.6%。同時，他們發現罪犯間的面部特征差異要比非罪犯大。
武筱林的研究團隊這次把目光轉向了女性，而且是長相有吸引力的女性。盡管東西方都有“情人眼里出西施”的說法，但在實際生活中，大眾對陌生女性的審美還是較為一致的。同時人們還會給不同的“美女”貼上不同的標簽，有些是肯定性的標簽，比如“甜美”、“可愛”、 “優雅”、“溫柔”、“體貼”；有些是否定性的標簽，比如“做作”、“虛榮”、“冷漠”、“輕浮”。這些標簽直接從外表指向了女性的一些內在性格甚至品格。
比起犯罪性來，判斷對“美女”的審美給人工智能提出了更大的挑戰，因為審美在傳統上被認為是一種復雜的個人“口味”，糅合了觀察者和被觀察者的個性和社會價值觀。
研究團隊將兩組照片樣本展示給22名中國男性研究生，發現盡管他們對于照片上貼的標簽高度認同，但他們無法具體解釋他們是如何做出這樣的判斷的。他們幾乎都給出了非常模糊的回答，比如“我就是這么感覺的”。
那么，人工智能否把握這種模糊的“感覺”，由女性長相推斷出她們的內在性格呢？
武筱林團隊首先進行了半自動化的樣本采集。他們在百度圖片上用“單純美女”、“甜美少女”等關鍵詞進行檢索，并把照片分為s+和s-兩組。
s+包含帶有以下標簽的美女照片：清純、柔美、甜美、秀美、單純、大方
s-則包含以下標簽：嬌艷、俗氣、張揚、風騷、輕佻、輕浮、嫵媚
“褒義組”照片樣本
“
貶義組”照片樣本
s+和s-分別傾向于褒義和貶義的標簽，且在女性的支配力、可信賴度、單純程度等內在個性上有不同程度的暗示，本文簡單將這兩組稱為“褒義組”和“貶義組”。
然后，所有搜索結果又由中國男性研究生進行了人工排查，去掉一些由于復雜語義造成的錯誤搜索結果，比如有些照片帶有反諷性質的標簽。
研究團隊最后得到了共3954張中國美女照片，其中“褒義組”2000張，“貶義組”1954張。
由于受訪的研究生們無法指出他們做出判斷的細節依據，武筱林團隊采用了深度卷積神經網絡（cnn）進行研究。在實驗中，他們用數據集中的80%進行訓練，10%用于驗證，剩余10%進行測試。
實驗的結果是，經過訓練的機器鑒別“褒義組”和“貶義組”的準確率達到了80%。
接著，由于受訪男性研究生普遍認為“貶義組”的照片“不自然”，研究者懷疑影響男性做出審美判斷的重要依據是女性的化妝程度。但這個猜測很快被實驗推翻了。當把所有照片調成灰階圖，重復上面的過程后，cnn分類器的識別準確率只下降了6%。
此外，濃妝還可能造成面部色彩的對比度和飽和度變高。這點得到了數據分析的證實。“褒義組”的色彩對比度比“貶義組”平均低了14%，飽和度平均低了5%。此外，“貶義組”照片在色彩對比度和飽和度上差異性更大。這與中國傳統推崇的“自然美”一致。研究者猜測，這種色彩對比度和飽和度上的差異是機器做出判斷的重要依據之一。
最后，武筱林團隊排除了機器過度學習的可能性。他們將數據集隨機打亂后訓練機器，結果機器只能以50%的概率隨機“猜”分類。
文章最后總結道，這篇論文是上一篇論文《基于面部識別的犯罪性推斷》的續集，再次證明了人工智能不僅可以通過人臉識別鑒別生物性特征，還可以鑒別社會心理層面的特征。
武筱林打比方說道，之前他們就像訓練計算機成功通過了高考，但現在他們重新找了一批“怪題” 來考驗計算機，看看人工智能的學習能力到底有多強。
多種因素把中國造紙業推向風口浪尖
東營條碼印刷企業：質量合格率超過98%
紙箱印刷機的分類及技術特點
水墨柔印在瓦楞紙板中的應用
淺談設備管理中對印刷機的三級保養
印刷產品色彩飽和度處理方法
印刷行業對數字設備使用率在不斷上升
圖文快印企業要利用互聯網讓消費者參與其經營決策過程
目前人臉識別系統已能成功鑒別人類的生物性特征，包括性別、種族、年齡甚至情緒。下一個問題非常吸引人而又充滿挑戰性：人工智能是否能基于人臉識別推測人類的社會性特征呢？
武筱林正在進行的這一系列研究，正是為了解答這個問題，或者說，他是在迫使我們直面一個嚴肅的現實：人工智能已經具有了認同人的情感和性格的潛力。武筱林的上一篇訓練機器進行“罪犯識別”的論文已經召來了褒貶不一的回應郵件，有些人甚至嚴肅地敦促他“撤稿”。他這次在論文的引言部分寫道，“我們不能因為社會禁忌和政治觀念，就在不加以檢驗的情況下否定這種可能性”。
在上一篇論文中，武筱林團隊運用計算機視覺和機器學習技術檢測1856張中國成年男子面部照片，其中將近一半是已經定罪的罪犯。實驗結果顯示，通過機器學習，分類器可以以86%的準確率區分罪犯與非罪犯這兩個群體的照片。特別是在內眼角間距、上唇曲率和鼻唇角角度這三個測度上，罪犯和非罪犯存在較為顯著的差距。平均來講，罪犯的內眼角間距要比普通人短5.6%，上唇曲率大23.4%，鼻唇角角度小19.6%。同時，他們發現罪犯間的面部特征差異要比非罪犯大。
武筱林的研究團隊這次把目光轉向了女性，而且是長相有吸引力的女性。盡管東西方都有“情人眼里出西施”的說法，但在實際生活中，大眾對陌生女性的審美還是較為一致的。同時人們還會給不同的“美女”貼上不同的標簽，有些是肯定性的標簽，比如“甜美”、“可愛”、 “優雅”、“溫柔”、“體貼”；有些是否定性的標簽，比如“做作”、“虛榮”、“冷漠”、“輕浮”。這些標簽直接從外表指向了女性的一些內在性格甚至品格。
比起犯罪性來，判斷對“美女”的審美給人工智能提出了更大的挑戰，因為審美在傳統上被認為是一種復雜的個人“口味”，糅合了觀察者和被觀察者的個性和社會價值觀。
研究團隊將兩組照片樣本展示給22名中國男性研究生，發現盡管他們對于照片上貼的標簽高度認同，但他們無法具體解釋他們是如何做出這樣的判斷的。他們幾乎都給出了非常模糊的回答，比如“我就是這么感覺的”。
那么，人工智能否把握這種模糊的“感覺”，由女性長相推斷出她們的內在性格呢？
武筱林團隊首先進行了半自動化的樣本采集。他們在百度圖片上用“單純美女”、“甜美少女”等關鍵詞進行檢索，并把照片分為s+和s-兩組。
s+包含帶有以下標簽的美女照片：清純、柔美、甜美、秀美、單純、大方
s-則包含以下標簽：嬌艷、俗氣、張揚、風騷、輕佻、輕浮、嫵媚
“褒義組”照片樣本
“
貶義組”照片樣本
s+和s-分別傾向于褒義和貶義的標簽，且在女性的支配力、可信賴度、單純程度等內在個性上有不同程度的暗示，本文簡單將這兩組稱為“褒義組”和“貶義組”。
然后，所有搜索結果又由中國男性研究生進行了人工排查，去掉一些由于復雜語義造成的錯誤搜索結果，比如有些照片帶有反諷性質的標簽。
研究團隊最后得到了共3954張中國美女照片，其中“褒義組”2000張，“貶義組”1954張。
由于受訪的研究生們無法指出他們做出判斷的細節依據，武筱林團隊采用了深度卷積神經網絡（cnn）進行研究。在實驗中，他們用數據集中的80%進行訓練，10%用于驗證，剩余10%進行測試。
實驗的結果是，經過訓練的機器鑒別“褒義組”和“貶義組”的準確率達到了80%。
接著，由于受訪男性研究生普遍認為“貶義組”的照片“不自然”，研究者懷疑影響男性做出審美判斷的重要依據是女性的化妝程度。但這個猜測很快被實驗推翻了。當把所有照片調成灰階圖，重復上面的過程后，cnn分類器的識別準確率只下降了6%。
此外，濃妝還可能造成面部色彩的對比度和飽和度變高。這點得到了數據分析的證實。“褒義組”的色彩對比度比“貶義組”平均低了14%，飽和度平均低了5%。此外，“貶義組”照片在色彩對比度和飽和度上差異性更大。這與中國傳統推崇的“自然美”一致。研究者猜測，這種色彩對比度和飽和度上的差異是機器做出判斷的重要依據之一。
最后，武筱林團隊排除了機器過度學習的可能性。他們將數據集隨機打亂后訓練機器，結果機器只能以50%的概率隨機“猜”分類。
文章最后總結道，這篇論文是上一篇論文《基于面部識別的犯罪性推斷》的續集，再次證明了人工智能不僅可以通過人臉識別鑒別生物性特征，還可以鑒別社會心理層面的特征。
武筱林打比方說道，之前他們就像訓練計算機成功通過了高考，但現在他們重新找了一批“怪題” 來考驗計算機，看看人工智能的學習能力到底有多強。
多種因素把中國造紙業推向風口浪尖
東營條碼印刷企業：質量合格率超過98%
紙箱印刷機的分類及技術特點
水墨柔印在瓦楞紙板中的應用
淺談設備管理中對印刷機的三級保養
印刷產品色彩飽和度處理方法
印刷行業對數字設備使用率在不斷上升
圖文快印企業要利用互聯網讓消費者參與其經營決策過程