格拉斯哥大学詹稼毓等利用3D模型精确重构出个体审美偏好 专访

　　从科大讯飞推出的虚拟主播“小晴”、搜狗的 AI 合成主播，到今年两会的美女虚拟助手“爱加”，再到小鹏、特斯拉等智能电动汽车中的车载语音助手，以及社交媒体中的聊天机器人。

　　人工智能赋能的虚拟助手与社交机器人开始逐步渗透到各种各样的生活场景当中，同时进化得越来越完善，具体表现为响应速度、情绪感知、肢体动作等都变得越来越“拟人化”。

　　但如何为形形色色的用户打造出拥有个性化、定制化面孔的机器人和虚拟助手呢？这就需要精确重构出个体的主观审美认知与各自的文化差异，从而更好地理解并还原“一千个人眼中的一千个哈姆雷特”。

　　近日，格拉斯哥大学神经与心理学研究所 Philippe G. Schyns 教授团队对个体面孔吸引力特征进行了量化研究，首次实现了对个体主观审美认知的重构和分析，能够提供符合个体认知和互动需求的 3D 面孔。

　　相关论文于近日在 Cell 子刊 Current Biology 在线发表，论文标题为《对个人偏好进行建模表明面孔审美的感知不具备跨文化普遍性》 （Modeling individual preferences reveals that face beauty is notuniversally perceived across cultures） ，共同通讯作者为格拉斯哥大学神经与心理学研究所 Philippe G. Schyns 教授和詹稼毓博士。

　　首次打破普遍审美理论，构建个人偏好的面部特征

　　面部吸引力在社会交往中具有相当大的优势这一点几乎已经成为共识，而审美偏好可能反映出基于自然选择而形成的心理生物学机制。经典理论从进化角度出发，推论平均脸和具有明显性别特征的面孔更迷人。

　　然而，越来越多的证据显示，这些经典理论无法准确地反映出人们对最美面孔的偏好，同时也无法解释不同文化背景下人们对美的感知的多样性。

　　在这项研究中，他们对每个参与者的个性偏好进行 3D 数学建模，并利用这些 3D 面部模型，验证了两个关键问题：最美面孔是一种普遍的面部平均值吗?它是对性别二态性的夸大吗?

　　在否定这两种结论后，团队重新描绘了一个更为准确的面部吸引力的特征空间分布，并利用该特征空间，成功分离出文化间的偏好差异、文化族群内的共享偏好、以及独特于个人审美的主观特征。

　　图 | 相关论文（来源：Current Biology）

　　在具体的操作中，为了实现在个体层面的精确建模，他们采用了基于数据驱动的实验思路，即利用团队开发的 3D 人脸生成器创建数千张 3D 随机人脸以精确采样 3D 面孔形状和肤色特征在人群中的分布，让每个参与者对这些随机人脸的面孔吸引力进行主观评分。

　　通过对采样特征和行为反应进行建模，分别为 40 名西欧白人和 40 名东亚华人绘制出了其感知的最美 3D 面孔。

　　图 |男性对女性面孔吸引力感知的文化差异（A）和个体偏好（B）（来源：作者提供）

　　上图 A 显示了审美偏好的文化差异。其中在欧洲文化背景下，外貌审美点倾向于小麦肤色、丰厚的嘴唇、大眼睛、高额头；而中国式或者是亚洲审美标准的话，更倾向于白皙的肌肤、大眼睛、高鼻梁、瓜子脸形。上图 B 显示了独特于面孔吸引力的特征空间，进一步描述和量化了文化族群内部，个体偏好的多样性及其独特性。

　　用精确数值重构五官，明确面孔吸引度的衡量标准

　　詹稼毓指出，此次研究最大的亮点和突出优势在于，他们可以“读取”每个人大脑感知的完美脸，并精确构建出该完美脸的 3D 模型。

　　基于此，在理论层面上，他们提供了更加精确的面孔吸引度的衡量标准，并在技术层面，基于个性认知提供了更完整的量化标准和测试范式。

　　“总而言之，我们的研究，在尊重文化差异性和个体差异性的基础上，更深入地研究了面孔吸引力的偏好，从本质上说，这是从心理学出发，更注重人的个性认知和内在体验。当研究人们的主观认知在技术上更为成熟时，我们可以进一步拓展到其他认知维度的研究，比如说更为复杂的感知和决策行为等。当然，理论研究的最终目的是为了更好地服务于现实应用。短期来讲，利用我们的 3D 模型，可以应用到 3D 打印、虚拟形象的实时渲染、和社交机器人的面部构建，从而优化社交机器人的设计以实现更好的人机互动。从长远角度来说，我们希望有更多的心理学研究来关注文化和个性差异，通过展示跨文化差异、优化群居沟通，进而减缓刻板印象和种族偏见。”詹稼毓表示。

　　简单地说，这项研究既注重个体化差异，又注重共同性成结论。因此，既验证了已有的认知，又通过模型推进了认知的深度与广度。

　　个性化设置社交机器人脸庞，提升人机交互体验

　　据悉，这项研究成果的应用前景十分广阔。因为面孔吸引力是促进人与人互动的一个重要维度，因此在应用方面，该研究成果可以迁移至辅助社交机器人和社交软件虚拟形象的设计，从而更好的促进人机互动。例如，对社交机器人的人脸外观进行设置，让它更接近于使用者的认知和互动需求。

　　具体而言，在教育领域，使用外观更具有吸引力的机器人授课时，也许能带给学生更好的课堂体验；在医学领域，使用更具有吸引力的康复教练机器人，可以提高使用者的互动参与度，从而更好的提升训练效果；在心理学领域，使用咨询者愿意与其交流的社交机器人可以代替心理医生进行初步的临床咨询；然后在服务领域，社交机器人可以在窗口、柜台参与服务，也可以反馈顾客意见；在游戏领域，我们可以利用脸部构建，进行越来越多的满足用户个性的虚拟形象的制定。

　　图 | 其他种族面孔的转移吸引力特征与互动吸引力特征（来源：Current Biology）

　　“当然，在应用领域，人脸重构用于社交机器人还远远不够，我们还需要结合人工智能、人机互动等其他领域的技术，才能造出更好的社交机器人。”詹稼毓补充道。

　　詹稼毓本科就读于西南大学，之后前往北京大学攻读硕士学位，在英国格拉斯哥大学取得博士学位后，继续在格拉斯哥大学心理学与神经科学研究所从事博士后研究，目前主要感兴趣人脑视觉识别的信息加工机制，以及相关应用研究。

　　在求学过程中，她一直不断自问并思考：当我们面对复杂的外部世界，我们的大脑如何处理这些丰富的视觉信息输入，从而灵活、准确地完成各类识别，并作出相适应的决策和行为？

　　因此，她比较关注人脑在不同视觉认知过程中的信息处理机制，如面孔感知、场景理解等。在值博士后期间，因为科研需要，她试图把研究领域扩展到社交机器人。

　　图 | 詹稼毓（来源：受访者）

　　谈及接下来的研究计划，她表示，在一定时间内，还是会集中在面孔识别，因为面孔作为重要的社交工具，是人类表达自身和认知他人的重要信息载体，由于其丰富的形状、肤色和动态表情变化，它可以传递大量信息，如身份、情绪、吸引力、社会特质等。

　　具体探讨不同识别任务的信息加工基础、个性化表征、以及追踪人脑在处理这一系列信息的具体加工机制等，可以为类脑网络的开发提供人脑信息加工基准，从而更好的辅助面孔识别领域相关人工智能算法的开发和设计。

　　此外，对于健康脑的研究，她希望有一天能应用到临床领域，去帮助精神发育障碍的人。比如说自闭症患者、精神分裂症患者的社交困难，往往同他们的面孔识别困难密切相关。

　　因此，通过在行为层面，量化这些识别障碍人群异常的信息加工策略，在脑层面揭示他们异常的信息计算过程，可以更好的开发有效的诊断和干预策略，以帮助他们克服面部识别障碍、更好的在社交场合识别他人情绪，从而改善他们的社交困难。