斯坦福大学的迈克尔·科辛斯基（Michal Kosinski）和王轶伦发现，通过从 3 万多张人脸图像中提取出来的特征，计算机识别出同性恋男性的准确率最高可达到 91%，同性恋女性则为 83%。论文认为，与产前激素理论一致，同性恋男性的长相更“女性化”，下巴更窄，鼻子更长，额头更大，同性恋女性则相反。
这篇题为《深度神经网络基于人脸图像判断性取向比人类更准确》的论文于 9 月 7 日发表在《人格与社会心理学杂志》（Journal of Personality and Social Psychology）上后，引发了媒体和社交网络的热议。
英国《卫报》担心，这项技术会导致青少年“自测”，夫妻“互测”，而在对同性恋处以死刑的国家，这项技术更可能沦为杀人工具。
不过，在作者看来，他们的研究是针对人脸识别技术和互联网隐私问题的警告，是对未来可能成真的技术滥用的演示。作者在文章中呼吁，政府和企业应制定相关法规，发展相关技术，降低同性恋群体的隐私风险。
异性恋（左）、同性恋（中）男女的复合面部图像，最右为异性恋（绿色）、同性恋（红色）男女的平均面部标记
论文的摘要写道：“我们发现人脸中包含的有关性取向的信息远比人脑能够感知到的多。我们用深度神经网络从 35326 张面部图像中提取特征。我们将这些特征输入逻辑回归算法，对性取向进行分类。给定单张面部图像，分类器能以 81% 的概率区别同性恋和异性恋男性，女性则为 71%。人类的判断准确率则要低得多：男性 61%，女性 54%。给定同一个人的 5 张面部图像，算法的准确率可以相应提高到 91% 和 83%。分类器利用的面部特征，有鼻子形状等固定特征，也有打扮风格等临时特征。同性恋男性和女性倾向于具备性别非典型的面部形态、表情和打扮风格，这与产前激素暴露影响性取向的理论相符合。而性别分类模型检测同性恋男性的准确率为 57%，同性恋女性的准确率为 58%。这些发现提高了我们对性取向起源以及人类认知缺陷的理解。此外，公司与政府越来越多地使用计算机视觉算法探测人的内在特征，我们的研究揭示出同性恋的隐私与安全正在面临威胁。”
算法准确率：男性 91%，女性 83%
研究者从美国交友网站上获取了公开资料，包括 36630 名男性的 130741 张照片和 38593 名女性的 170360 张照片，年龄在 18 岁到 40 岁之间。他们的性取向则是通过意向伴侣性别获悉的。
随后，研究者将这些照片中的人脸用 Face＋＋软件进行了处理，剔除了一些照片。接着，他们人工筛选这些照片是否是成年白人，性别与网络资料是否相符。最后，他们随即剔除了一些照片，以平衡异性恋和同性恋的人数，留下的样本包含同性恋和异性恋男性各 3947 名，同性恋和异性恋女性各 3441 名。
对美国交友网站上获取的公开照片进行处理
研究者使用一个名为 VGG-Face 的深度神经网络提取图像的特征，并以此训练逻辑回归模型。实验结果显示，给定单张面部图像，分类器能以 81% 的概率区别同性恋和异性恋男性，女性则为 71%。给定同一个人的 5 张面部图像，算法的准确率可以相应提高到 91% 和 83%。
给定个体男性（蓝色）、女性（红色）1 至 5 张照片，算法的准确率提高
符合产前激素理论：同性恋男性更“女性化”？
在引言部分，作者说明，他们选择研究性取向的一个重要原因是“广为接受的性取向的产前激素理论（PHT），预测了外表与性取向的关系”。
论文写道，根据产前激素理论，男性胚胎过少地暴露在雄性激素中，或女性胚胎过多地暴露在雄性激素中，都可能造成性取向异化。然而，雄性激素同样与两性面部分化有关，产前激素理论预测同性恋人群倾向于具备性别上不典型的面部形态。即，同性恋男性面部应该更女性化，同性恋女性面部应该更男性化。
研究者通过分类器识别的位点集合成了计算机认为“最像同性恋”和“最不像同性恋”的人脸。论文认为，计算机识别结果与产前激素理论相符合，同性恋长相在性别上更不典型。平均来讲，同性恋男性的下巴更窄，鼻子更长，额头更大；同性恋女性则相反。
颜色越红的区域，在算法中越重要
为了进一步检验“同性恋长相更不具备性别典型性”这一假设，研究者还通过一个准确率 98% 的性别分类器试图区别同性恋和异性恋，发现在男性身上的准确率为 57%，在女性身上的准确率为 58%。论文写到：“数据显示，男性面部的女性化程度与同性恋概率呈正相关，女性则相反。”
研究的几点局限性
不过，在论文的讨论部分，作者强调研究结论不应被读者误读。首先，同性恋长相更不具备性别典型性，不代表所有的同性恋男性长相都女性化，也不代表所有同性恋女性长相都不女性化。
其次，不应误读 91% 这个实验中的数值。在美国的同性恋比例大约为 6% 到 7% 的情况下，分类器需要大幅牺牲准确率，才能覆盖大量的样本。
论文也自我指出了研究的几点限制：样本限于白人、没有排除双性恋，以及无法排除长相“更同性恋”的人更容易“出柜”这一点。
作者也抛出了其他几个有趣的问题，比如同性恋男性更少留胡子，主要是生理原因（毛发稀少）还是品味原因？分类器识别男性比女性更准确，是否意味着女性的性取向更具流动性？
看脸识罪犯、识贫富、识同性恋：科学相面术？
近年来，计算机视觉识别技术发展迅速。从办理身份证件、电子支付到机场安检、办公门禁，人脸识别技术正在大规模进入人们的日常生活。不过，一些研究者试图通过计算机视觉识别，寻找外表特征和内在性格的联系，引发了广泛的争议。
去年 11 月，上海交通大学武筱林教授的《基于面部图像的自动犯罪概率推断》一文指出，机器可以通过照片分辨出谁是罪犯，谁是守法公民，识别准确率在 86% 以上。随后，加拿大多伦多大学一项机器看脸识贫富的研究，同样引发了一些争议。
此前，一家以色列初创公司声称其开发的人脸识别程序成功识别了参与 2015 年 11 月巴黎恐怖袭击的 9 名恐怖分子，还能识别恋童癖与白领罪犯。
尽管这些研究倍受伦理争议，但从论文来看，科辛斯基和王轶伦显然并不认同将这方面的研究完全划归禁区。
在引言部分，论文提到，相面术可回溯至古中国和古希腊，毕达哥拉斯就曾“看脸”收门生。而意大利外科医生龙勃罗梭在 19 世纪初开创了“天生犯罪人理论”，指出罪犯可以通过脸部特征识别。
“如今，相面术被广泛认定为一种糅合迷信与种族主义的伪科学。由于合法性问题，研究、甚至是讨论面部特征和性格之间的联系都成为了禁忌。联系不存在，这成了一个普遍的前提。然而，很多机制暗示，情况是相反的。”
“重要的是，人类看脸判断性格的准确率低，并不一定说明线索不是明明白白地摆在那里。只是，人类可能缺乏探测或解读的能力……因此，我们用现代计算机视觉算法检验这个假设。”
同性恋群体危险了！
论文的作者试图通过这一研究警告我们，社交平台上的公开数据，可以被人利用，制作针对性取向的分类器。文章写道：“预测性取向可能对同性恋男女和整个社会都造成严重威胁，甚至生命威胁。……许多国家的法律认定同性恋是犯罪，8 个国家会将同性恋处以死刑。因此，我们让决策者、科技企业和同性恋群体知道看脸识同性恋的准确率可以有多高，这很关键。”
虽然论文所演示的恰恰是论文所反对的，作者强调，他们并非要制造一种入侵的工具，而是为了演示一些常用的入侵路径。就在眼下，一些政府和企业就在研究人脸识别和内在人格之间的联系，风险预警迫在眉睫。作者希望，他们的研究能提醒政府和企业，制定相关法规，发展相关技术，降低同性恋群体的隐私风险。
社交网站信息显示，科辛斯基是斯坦福商学院的助理教授，2014 年在剑桥大学获得心理学博士学位。他曾供职于微软研究院和剑桥大学，在公开言论中曾多次谈及隐私问题。王轶伦本科毕业于浙江大学，2016 年在斯坦福获硕士学位，目前是 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。
王轶伦（左）、科辛斯基（右）
原文检索：
Deep neural networks are more accurate than humans at detecting sexual orientation from facial images.
Public
4
