看脸就能预测犯罪指数、遗传病……你敢相信吗?

·  阅读 488
看脸就能预测犯罪指数、遗传病……你敢相信吗?

有一天,同事突然神秘兮兮的对我说:你未来肯定会秃顶!我摸了摸满头浓密的秀发,一脸懵比的看着他。

同事诡异一笑,掏出手机打开了一篇文章,只见标题写着「人工智能看脸识病」:“咱是用 AI 看出了你有秃顶的遗传病,除了看脸识病,AI 还能看出你的性取向,以及你是否会成为犯罪分子,想不到吧!”

哈!还有这种操作?这不是抢看相大师的饭碗吗?

\

  • 1 - AI看脸识病

前些天,英国《自然·医学》杂志发表了一篇论文,称一款人工智能在接受上万张真实患者面部图像训练后,能够以高准确率识别罕见的遗传综合征。

据悉,全球约有 8% 的人患有遗传疾病(照这个比例算,中国有一亿多人),其中许多可以通过面部特征识别。像患有胎儿酒精综合征的婴儿,面部特征就体现在眼睛小、人中平滑、上唇较薄。

这眼睛真的小么.......这不就和中医「望闻问切」中的「望」是一个道理么~


因此,美国 FDNA 分析技术公司研究人员亚龙-古罗维奇及其同事,使用了包含 200 多种遗传综合征数据库中的 1.7 万张患者面部图像,训练出了一种名为 DeepGestalt 的深度学习算法,它能够分辨出数百种遗传综合征的面部表征。

之后的测试中,该算法在 502 张不同的图像上,识别出正确综合征的准确率达到了 91% ,远远超出临床专家在另外三个实验中的表现。亚龙-古罗维奇认为,他们的工作提高了标准化描述遗传疾病特征的能力,为未来的研究和应用打开了大门,也有助于新型遗传疾病的鉴定。

嗯,他扫我一眼就知道我有穷病.....

然而,该算法也有一个很严重的问题,FDNA 最新研究的作者指出,由于人脸图像是敏感且容易获取的数据,若使用不慎,看脸识病技术将引发歧视等伦理问题。

打个比方,有人拿着你的照片,用这个算法测出你可能患有XX遗传病,同时这个人是个大嘴巴,喜欢到处乱传,那你身边的同事、朋友会怎么想?会不会有人用别样的眼光看待你?

  • 2 - 「AI看脸」引发的争议

其实,这不是「AI看脸」第一次引起争议了,之前就有过「AI看脸识性取向」和「AI看脸识罪犯」等前车之鉴。之前,斯坦福大学心理学家 Michal Kosinski,通过 AI 研究从交友网站的公开信息中收集到的 35326 张照片,找到了同性恋人群与异性恋人群之间的面部差异:

上排左侧为直男,右侧为gay

下排左侧为直女,右侧为les

之后的测试中,在没有穿搭风格、人物动作等因素影响的情况下,就单一面部信息而言,AI 识别男女性取向的准确率分别达到了 81% 和 71% ......如果识别的是泰国人妖呢~

但是,这项研究却遭到了来自学界同行和大众的各种质疑。首先,性取向是一个人的隐私,AI 强行根据你的脸算出你的性取向,本质上冒犯了当事人对自己身份的保有权。

至于「AI看脸识罪犯」,这是在2016年,由上海交通大学教授武筱林提出,他训练出了可以看脸识罪犯的人工智能系统,准确率达到 86% 以上。

显然,这项研究引起的争议要远远大于前两者,因为对于「审判」这种人命关天的事情来说,86% 的准确率根本无法让人信服,更别提这项技术一旦实施,可能造成极其严重的潜在后果。

很多业内专家都表示,建议武教授撤稿,并且上传一封公告,为不恰当的研究方法致歉。

  • 3 - 被滥用的可怕后果

为什么「AI看脸」会引起如此大的争议?借用一位网友的评论:它是用一种「科学」的方式,简单粗暴的给人们贴上了标签。

听上去是不是很恐怖,其实,如果「AI看脸」技术被滥用的话,这样的社会离我们并不遥远。如果扫一下脸,就能看出你的性取向、犯罪指数、遗传病,那么,是不是也可能扫一下脸,就能判断出你适不适合读清华北大?扫一下脸,是不是就能判断出你是不是渣男 / 女?扫一下脸,是不是就能判断出你未来会不会成功?

有没有感觉脊背发寒?这些还是「善」的应用,如果这种技术掌握在「不对」的人身上......骗子是不是扫一下脸,就能看出哪个人最容易上当受骗,而且还很有钱?商家是不是扫一下脸,就了解了每个人心理的承受价位,进而更精准的「大数据杀熟」?

想得更远一点:三岁的小孩是不是扫一下脸,就能估算出这个孩子是否具备「培养价值」?

最终,我们都要被机器所定义。

当然也没必要恐慌,现在的技术并没有达到那种程度。让我们撇开展望,回到现实

当下虽然AI行业和技术在不断地在更新换代,但是市场对AI人才的实用需求也是越来越高,那么该如何避免被淘汰?提高自身竞争力呢?

正好前段时间自己有整理人工智能各种技术专题知识,也包括近些年工作过程中的一些感悟、心得。希望对大家有帮助!

今天在这免费分享给大家 部分资料展示
人工智能从基础到实战
计算机视觉


深度学习


所有资料关注公众号【咕泡AI】回复:168

分类:
人工智能
标签:
收藏成功!
已添加到「」, 点击更改