斯坦福大学用AI识别同性恋脸论人工智能从业者的自律

斯坦福大学在《Journal of Personality and Social Psychology》上公布了一篇论文《Deep neural networks are more accurate than humans at detecting sexual orientation from facial images》利用AI技术训练分类器用于同性恋脸识别。

在论文中,他们采用VGG-Face深度神经网络模型提取从脸型、嘴型、鼻型、眉形到面部的毛发等面部特征并将其量化,而训练的样本数据来源于交友网站上的公开资料,包括36630名男性的130741张照片和38593名女性的170360张照片,从而达到分类的效果。

这个消息让人不禁想起,在2016年上海交通大学也发表了一篇类似的论文,这篇传到 arXiv 上的论文为《Automated Inference on Criminality Using Face Images》基于静止的人脸图像,通过人的面部照片建立分类器,用于根据面部特征自动推测犯罪性的研究,该篇论文未经过同行评议,但引起较大争议。

利用深度学习通过判断人类面部特征来做分类,看是非常客观,输入的是图片,输出的是分类结果,但是与古老的面相学又如此的相像,通过相面,也就是识别面部特征,预测这个人将来是怎样的人。历史上可以列举的对先天人类特征用于分类的有很多,从衡量头盖骨、面部是否对称,到测量鼻子的形状与距离等等。

作为人工智能从业者,是否恰当的利用技术来帮助和提升人类生活、工作上的生产力的提升,还是将一种看似客观的方式用于一些带有偏见,或与推进进步产生背离呢?机器学习尤其是深度学习的概念随着人工智能的火热,尤其是深度学习在语音和图像的方向上了有了比较大的进步后,在文本处理的方向现阶段还没有非常显著的提升,深度学习作为机器学习的一个分支,在很多人工智能问题上,确实突破了传统机器学习方法的瓶颈,但深度学习并不是万能钥匙,可以解决任一场景下的任何人工智能领域的所有问题,更不能成为推动认知偏见的工具。

当高考作文遇到玛雅机器人

6月6日,2017年高考作文试题出炉了,上海高考作文:预测,题干是:预测。有人相信预测,有人不相信,你怎么看呢?

下午看到试题,群里一阵骚动,纷纷表示如果自己去参加考试,90%会写出一篇如何利用大数据挖掘实现某个领域的趋势预测再把它实现出来;第二步再拿个iphone99光剑去问那些不相信预测的人,你为什么不相信,不相信你搬个小板凳坐在我旁边,我来多调几次参嘛;第三步拿出pad去找相信的人,来!兄弟,你有眼光,咱组个队玩把《王者荣耀》,好吧,你非要问我自己怎么看,我只能说人工智能可以替代大部分人类,但永远替代不了我……

人工智能AI07:听李飞飞讲人工智能

2007年,李飞飞与李凯发起的ImageNet项目在2017年业已成为全球最大的人工智能图像识别数据库。在这份演讲里,李飞飞作为一个人工智能从业者的严谨和朴实,她阐述现在的视觉智能达到识别物体的阶段,已经非常成功,在如何看图说话(像人类3岁儿童描述看到的场景和故事)目前还未达到。在谈到对ImageNet海量图片标注时,她谈及采用了Amazon云协作的方式,由全球的碎片化时间工作者帮助完成了海量数据的人工标注等。

https://lnkd.in/fBXQTSn

人工智能AI06:人工智能与人类情感

霍金总是说,要警惕人工智能对人类的危害,尤其是当人工智能有了人类的情感以后,而且人工智能在AlphaGo的事件以后,还有MASTER战胜了中国包括聂卫平在内的诸多大师们以后,似乎霍金说的预言要变成现实了,但是人工智能获得人类的情感在目前的学术和商业研究上都没有看到相应的资料,情感分析倒是在不同的场景应用中有所体现,譬如使用较多的舆情监控、电商商品评价等,这些应用更多的是一种对情感因素的分析,而不是机器人已经获得了真实的人类情感,在现阶段,其实我们大可不必担心,机器人会给人类造成怎样的威胁,而是应该关注一下在人工智能的时代大潮下,哪些职业、哪些岗位是不容易被机器代替的!

玛雅机器人预祝人工智能从业者都有一个美好的2017年!

人工智能AI05:人工智能与艺术创作

2014年的时候,有个机器学习小组采用机器学习算法,处理图像,扩展了梵高的名画《starry night》,当时看到的扩展图像非常好,在2016年的下半年,也出现了google实验室用人工智能自主作画,由于可能会造成密集恐惧症者的不适,所以就不放图片了。画作里满篇充满了各种类似于眼球、细胞等的排列组合,让人不禁会想到2014年达到如此效果的人工智能团队,是否有一个非常强大的人工职业画家作为小组成员呢?艺术创作相对于律师、记者等需要经验不断训练的职业,更多的是展示一种独特性、不可学习性和创造性。

Anyway,业务与技术的结合永远都不过时,真的希望google开源的绘画系统能够尽量深度学习到一些人类在艺术创作上的独创脑神经联结类似的作用。

人工智能AI04

律师是否被人工智能替代了呢,律师行业目前对人工智能的应用主要利用快速的数据处理能力,处理海量文件管理、文件查询和案件走向的预测,对文件处理和查询,应用方式主要集中在基于语义理解的垂直搜索引擎,案件的走向预测基于对以往海量的判决案的机器学习,从而对现有案件的律师关注的要素进行预测,从目前的国内外法律行业的使用情况来看,达到的阶段是能够满足律师分析案件,并带有目的性的借助人工智能强大的计算能力,进行辅助工作的工具。

人工智能AI03

在3-5年以前,人工智能的算法开始往深度学习方向上发展的时候,就有人预言,一些目前看似白领的行业,未来是可能被人工智能取代或部分取代。

例如:记者、律师、投资顾问,迅猛发展的深度学习已然发展了一段时间,记者是否被人工智能替代了呢,如果从保持新闻调查性、独立性和挖掘性来说,记者存在的意义不仅仅是撰写文章,而是不断的在认识层面上发问、调查、改变我们的世界,记者被机器人取代目前的答案是否。如果仅仅从对文章的收集、整理、再加工的角度来说,答案是已经被取代,例如,今日头条的新闻聚合、个性化推荐算法便是人工智能的一种应用方式,类似于信息的聚合、梳理和再加工的机器人在目前的各大新闻类、体育类、财经类的APP头条中均可看见。

人工智能AI02

家庭机器人是否会以陪伴机器人为切入点进行一些尝试呢,算法上达到模仿陪伴人模仿对象在某种场景下的应答虽然难,却还是做得到的,从软件层面来说,目前微软做的尝试,如前不久上线旋即因为学习了太多互联网不好的语料后,表现的很粗鲁的Tay。

相对于软件层面来说,从硬件上做出机器芯、人类皮相的仿真机器人是非常非常难的,涉及到的学科也几乎在自己的领域内做出革命性的进展才可以达到,如果我们要求机器人有人类的四肢,能够仿真人类的四肢一样运动,下肢可以行走,上肢可以握物;如果我们要求机器人有人类的面部,能够模仿人类的面部肌肉的收缩呈现自然的表情,才不至于像现有的仿真机器人那么奇怪。

人工智能AI01

谈到机器人,离不开人工智能,谈到人工智能,要从硬件和软件分开来看,单从软件来看,人工智能又分为语音处理、文本处理、图像视觉处理等不同的研究领域。

随着技术的不断进步,技术分享的氛围也越来越浓,单靠一家公司通吃所有方面的研究,已是不符合分享文化的大趋势,而是在某一个细分研究领域做到核心竞争力,帮助其他业务领域插上智能化的翅膀。