人工智能选美：谁是世界上最漂亮的人？

（原标题：人工智能选美：谁是世界上最漂亮的人？）

本文来源：机器之心 英文来源：newscientist作者：Aviva Rutkin 编译：吴攀

抱歉，期限已过。你已经错过了一个千载难逢的机会：赢得人类有史以来第一个由机器人做评委的选美比赛的机会。1月15日星期五，是你上传照片获得参赛机会的最后一天。很失望吧？而如果你像我一样脑子里面想的是一个疯狂太空时代的选美大会，摩登家庭式的卡通机器人在舞台上担当主持，那你就准备好更加失望吧。这次比赛没有晚礼服，没有机器主持人断断续续的采访，甚至连化妆都没有！最后胜出的赢家（五男五女）将会在本周四加冕选美王冠。但这篇文章是关于失败者的——也就是剩下的我们这些人。

如果你相信去年11月份Beauty.AI发布时的新闻稿中的描述，那么机器作为选美比赛评委的公平性应该是足够的。那份新闻稿写到：「我们相信在不久的将来，机器将有能力只通过处理人们的照片就获得大量有关他们健康的信息。对于这样的未来，学习如何估计人们的吸引力是其中的第一小步但也是非常关键的一步，因为无论年龄和国籍，健康的人看起来会更具有吸引力。」保持这样公平公正氛围的合作伙伴还包括微软和图形芯片制造商英伟达。

干净的面庞

比赛的说明很简单：人类提交他们的照片等待评判。程序员将会通过算法对这些照片作出评价。按照要求，参加比赛的人的脸上应该是不化妆的，也不能戴眼镜甚至留胡须。而对于程序员的审美算法，有什么规则吗？准确来说，他们在自己的设备鼓捣就行了。

在缺乏任何官方指导的前提下，程序员在训练自己的人工智能评价谁更迷人方面有好几个选择。其中一个选择是选择程序员自己比较喜欢的类型。在这里Beauty.AI提供了一些有用的方向：也许根据皮肤光泽、弹性和「名人相似度」选择；不选择黑圆圈和皱纹。

如果你觉得这太主观了，也可以使用众包数据驱动的方法。瑞士联邦理工学院（ETH苏黎世）的一个研究团队在去年10月尝试了这一方法，通过数百万张照片对神经网络进行「迷人或不迷人？」的评级训练，他们让这个神经网络学会了预测年龄、性别和吸引力。但他们发现这个方法也存在自身的问题。该技术会受到其它技术的迷惑：「我们观察到（最受欢迎的Instagram）滤镜效果会导致预测的迷人程度上升。」论文作者写道。

健康匀称的身材

或者我们可以回归比赛的口号：强健的身体。除了类似于「如此故事」中那些从进化心理学期刊中断章取义的观点，有什么更好的方法可以用来确定最优的外形吗？比起胡须刮得干干净净的男人，你的算法会更喜欢有着浓密大胡子的男人（胡须被看作是更能带来安全感的一种标志，但大赛拒绝留胡须）。无论哪种性别，两眼之间的水平距离应该是脸部宽度的46%——脸部对称也暗示着良好的生理健康。

且不说「有吸引力的人是否真的更加健康」这一点还存在科学上的争议，吸引力本身也是很容易通过化妆和整容手术进行操控的。更不要说科学家们已经在开发能够获取皮肤过敏、情绪和心率等医疗数据的相机了，但所有这些都不需要在大数据中找到「辣妹」。

长得漂亮有很多优点。有吸引力的人能赚更多钱；更容易获得提拔，赢得选举或管理成功的公司；也更容易被人认为是可爱和值得信任的。这就可以解释为什么人们热衷于寻找外部认同确认自己的颜值档次。

当然，说起来容易做起来难。2014年，美国电台记者Esther Honig将她的照片发给了25个不同国家的Photoshop高手，请他们按照自己的想法让她「美丽」。一些人让她的肤色变得更淡，一些人则用数字喷墨加深。一些人改变了她头发或眼睛的颜色，一些人修饰了她的嘴唇。还有一些甚至移动了她眼和嘴的位置。

最终结果发现，当涉及到审美时，并不存在一个统一的标准。在去年10月发表的一个实验中，马萨诸塞州韦尔斯利学院询问了35000多人，让他们对不同面孔的吸引力进行评分。他们发现大部分人更喜欢那些基因和生活经历与自己相似的人——即使是同卵双胞胎也有不同的看法。最终的结果是，研究中每个人的被喜爱程度都不会超过其他任何一个人的50%。

所以很容易看出，将我们冲突不断的审美评价外包给客观公正的机器是很有吸引力的。这神一样的公正性让人工智能在其它很多应用中也同样诱人，包括选股票、驾驶汽车、将成堆的文件结合起来。和人类不同，人工智能并不会被自己错误的意见牵制。只有它才能算出客观事实。

最薄弱的环节

问题是机器人的意见仍然是通过人类编程实现的。即使是众人吹捧的深度学习算法也需要根据人类的喜好进行训练。

但谁在乎有人真的构建了一个吸引力算法？程序员总是将人工智能应用到各种各样无聊的事情中，比如利用神经网络为《老友记》编撰胡言乱语的剧本或让机器人调配鸡尾酒。问题是当人工智能依据只有编程人员了解的标准评价我们时，就可能发生奇怪的事情。

2013年，哈佛大学教授Latanya Sweeney发现用谷歌搜索自己名字的时候会看到推荐广告：「Latanya Sweeney：已被逮捕？」但她从未被逮捕过。「我当时就惊呆了。」她写到，甚至花钱给这家公司检查，发现也没有其它和自己同姓名的人有被捕的记录。后续研究发现，相对于搜索白人的名字，搜索与黑人群体相关的名字（Deshawn、Aisha、Tyrone）时更容易得到被捕记录相关的广告推荐。在一个网站上，被识别为黑人名字时收到暗示被捕记录的广告的可能性要高出25%。

什么可以解释种族主义的算法？Sweeney认为不管是恶意的还是无心之失，广告者为广告提供模板时向类似于黑人的名字有所倾斜；或者用户对这些名字存在偏见，他们更多地点击了类似于黑人的名字。

谷歌上另一个玄乎的广告情况是推荐给男性的招聘广告中职位的收入比女性的高。问题的关键在于，虽然可能这种广告并不是精通技术的白人至上主义者所做出来的，但这些算法对于种族和性别并没有客观的评价。它们只是反映了我们所生活的世界的悲哀。尽管被放到「非」分类中并不能和种族主义与性别歧视相比，但各种情况下的歧视都被装进了算法中。

都是为了钱

或者也许对于吸引力的判断其实并不那么无害。在Slate杂志上个月一篇有关厌食症的文章中，记者Katy Waldman探究了脑岛中的科学；脑岛是大脑中的一小块区域，除了另一些功能，该区域负责监控你对自己和自己身体的认知。脑部扫描发现患厌食症的人脑岛工作不正常。他们并不会检查对自己身体的内在评估，他们会更依赖于外部的认同，从外部信号中寻求认证，比如身体的大小。

不难想象一个评价外观靓丽程度的算法在年轻人或没有安全感的人手里意味着什么。每一个青少年都想知道他们自己能得「5分」还是「10分」。

现代社会充满了尝试验证自己存在价值的信号：Fitbit计步数、Instagram赞数、Facebook好友数、500多个LinkedIn联系人、收件箱零邮件。

为什么不在这堆数字上再填一个呢？因为当你拉开大幕时，你就会发现有人正准备将自己的手伸进你的口袋。审美的心理学也许是不可靠的，但有一个蓬勃发展的行业建立在它的基础上。

事实上，这场比赛背后的组织RYNKL是一家初创公司，今天刚刚推出了一款APP，作为「你的个人皱纹医生」向你收费。它能随时间跟踪你的皱纹，并且还能让你和你的好友进行比较。然后，估计它就会引导你使用修复面霜。

因此，准备好结果的大揭秘吧，你最好不要满脸惊讶。