明天，斯坦福年夜學宣布了一項研討成果，為人類久長的、關于性取向成績的爭辯，供給了成心義的洞見。這項研討剖析了跨越35000個臉部圖象后，搭建了一套可以高精度斷定一小我性取向的算法。

　　假如只供給一張照片，算法斷定男性異性戀和異性戀的精確率是81%，斷定女性異性戀和異性戀的精確率較低一些，然則也有74%。假如供給五張照片，那末二者的精確率會進步到91%和83%。

　　研討員最開端從約會網站搜集了上萬張圖片和對運用戶的小我材料，然后應用神經收集梳理這些圖片。他們發明，男性異性戀偏向于具有“非典范性別”臉部特點、臉色和裝扮作風。在臉部特點方面的表示是，偏女性化，平日比男性異性戀有較窄的下巴、更長的鼻子和更年夜的額頭。女性異性戀則正好相反，平日有較年夜的下巴和更小的額頭。

　　風趣的是，研討人員以為，AI斷定女異性戀的精確率比斷定男異性戀低，恰好支撐了女性性取向活動性更年夜的認知。在機械看來，這能夠是由于女性異性戀和異性戀之間的物理差別，不如男性異性戀和異性戀之間那末年夜。

　　雖然這個研討成果能夠過度簡化了性別和性取向的實質，然則就基于表面斷定性取向這件工作而言，AI完整超出了人類。作為比較試驗，研討院讓人類不雅看20組臉部照片，然后做出選擇。人類斷定男性異性戀的精確度是61%，女性異性戀只要54%。

　　研討成果就是如許，然則解讀的方法更成心思。一方面，我們可以以為，這個成果激烈支撐了性取向源自于出身前就存在的某些特定激素；也就是說，有些人生來就是異性戀。另外一方面，這些數據能夠被用來支持某些成見，好比以為男性化長相顯著的人就應當表示得像個漢子。

　　所以說，數據的風險就在于此。看似客不雅的算法讓我們信任可以以貌取人，而不是去尊敬個別在更多其他方面的差別。AI可以或許贊助人類更精確懂得本身的同時，我會擔憂，將來對異性戀這類話題的社會評論辯論會變得加倍以技巧為本、而不是以工資本。