又或者是這樣：

而這一切，基于研究者們訓(xùn)練了的圖推理模型（Graph Reasoning Model，GRM），由該模型結(jié)合門控圖神經(jīng)網(wǎng)絡(luò)（Gated Graph Neural Network，GGNN）對社會關(guān)系進(jìn)行處理。

基于此，AI能夠識別圖片中三者之間的關(guān)系，根據(jù)圖上人物區(qū)域的特征來初始化關(guān)系節(jié)點，然后用預(yù)先訓(xùn)練的Faster－RCNN探測器搜索圖像中的語義對象，并提取其特征，初始化相應(yīng)的對象節(jié)點；通過圖傳播節(jié)點消息以充分探索人與上下文對象的交互，并采用圖注意機制自適應(yīng)地選擇信息量最大的節(jié)點，以通過測量每個對象節(jié)點的重要性來促進(jìn)識別。

但是，在實際表現(xiàn)中，AI識別并未盡如人意。如警方在歐冠決賽采用AI面部識別匹配潛在犯罪圖像，其錯誤率高達(dá)92％，而在人物關(guān)系和性取向識別領(lǐng)域，其應(yīng)用表現(xiàn)也并不優(yōu)秀。

性取向被識別后，AI倫理的邊界又在哪里？

《紐約客》曾有這樣一期封面：機器人已經(jīng)成為了地球的主角，人類只能蹲在地上接受機器人的施舍。每一個新技術(shù)都會引發(fā)大家的擔(dān)心，但以往更多是人的體力的延伸，而如若是腦力的延伸、人類隱私的延伸，這種擔(dān)憂將會更加嚴(yán)重。智能相對論分析師柯鳴認(rèn)為，性取向識別前，AI還需要解決倫理上的幾大問題。

1．僅靠面部識別太草率

《人格與社會心理學(xué)》雜志曾對斯坦福的這個研究，指出深層神經(jīng)網(wǎng)絡(luò)比人類在通過圖像檢測性取向判斷中更準(zhǔn)確，研究涉及建立一種計算機模型，以識別研究人員將其稱作為同性戀者的“非典型”特征。

在摘要中，研究人員寫道，“我們認(rèn)為人們的臉部特征包涵了更多人腦所無法判斷的性取向特征。根據(jù)一張圖片，系統(tǒng)（classifier）可以以81％的準(zhǔn)確率區(qū)分男性同性戀者，74％的準(zhǔn)確率區(qū)分女性同性戀者，這比人腦可以完成的判斷準(zhǔn)確率都要高�！�

但是，在距離應(yīng)用過程中，僅以面部構(gòu)造識別似乎并沒有那么“靠譜”。技術(shù)無法識別人們的性取向，所謂的技術(shù)未來只是識別出網(wǎng)絡(luò)中同性戀者頭像存在相似的某種模式。

而且，此研究存在的一個問題在于，研究的機制是通過兩張圖片二選一其中最讓機器覺得“更可能是同性戀”的照片，這種對比判斷其實是從 50％ 的隨機幾率開始計算的，因此與單純對一張圖的分析有著很大的區(qū)別。

這其實就造成了一個問題，在真正人類識別的時候，其準(zhǔn)確率有多少，而這種非此即彼的識別方式，其評判標(biāo)準(zhǔn)仍有許多地方需要商榷。

2．算法歧視依然是個“大問題”

算法歧視，一直是人工智能應(yīng)用過程中的一大問題，以搜索為例，在谷歌上搜索“CEO”，搜索結(jié)果中沒有一個是女性，也沒有一個是亞洲人，這是一種潛在的偏見。

顯然，人工智能也并不是真的純“人工”。 機器學(xué)習(xí)的方式和人類學(xué)習(xí)一樣，從文化中提取并吸收社會結(jié)構(gòu)的常態(tài)，因此其也會再建、擴大并且延續(xù)我們?nèi)祟悶樗鼈冊O(shè)下的道路，而這些道路，一直都將反映現(xiàn)存的社會常態(tài)。

而無論是根據(jù)面容來判斷一個人是否誠實，或是判斷他的性取向，這些算法都是基于社會原有生物本質(zhì)主義（biological essentialism），這是一種深信人的性取向等本質(zhì)是根植于人身體的理論。畢竟，一個AI工具通過數(shù)據(jù)積累和算法模型可以通過照片判斷一個人的性取向，系統(tǒng)準(zhǔn)確率高達(dá)91％，這其中所帶來的性取向偏見是不能低估的。

今年年初，來自巴斯大學(xué)和普林斯頓大學(xué)的計算機科學(xué)家就曾用類似IAT（內(nèi)隱聯(lián)想測驗）的聯(lián)想類測試來檢測算法的潛在傾向性，并發(fā)現(xiàn)即使算法也會對種族和性別帶有偏見。甚至，連Google 翻譯也難逃偏見，算法“發(fā)現(xiàn)”并“學(xué)習(xí)”了社會約定俗成的偏見。當(dāng)在特定語言環(huán)境中，一些原本是中性的名詞，如果上下文具有特定形容詞（中性），它會將中性詞轉(zhuǎn)而翻譯為“他”或“她”。

如今的人工智能還基本局限于完成指定任務(wù)，而有時候許多實際應(yīng)用內(nèi)容不是非此即彼的，在許多抉擇中，人類選擇依然存在道德困境，如若將決定權(quán)交與算法，其存在的詬病之處更是不言而喻。

3．數(shù)據(jù)使用，掌握“火候”是關(guān)鍵

如果說讓AI野蠻生長是為了解決人們工作效率的問題，那么當(dāng)人工智能逐漸落地于各行業(yè)后，“體面”已經(jīng)逐漸取代效率，成為AI應(yīng)用的關(guān)鍵詞。

當(dāng)然，如果企業(yè)能夠全方位的保護(hù)用戶隱私，這既有著技術(shù)上難度，也缺乏一定商業(yè)驅(qū)動力，因此，目前來看，如果平衡兩者之間的關(guān)系才是關(guān)鍵。

實際上，在牽制巨頭破壞用戶隱私方面，歐洲國家已經(jīng)走得很遠(yuǎn)，這體現(xiàn)在這些年他們與Facebook、Google等巨頭對抗的一個個集體訴訟案例中：

2014年8月，F(xiàn)acebook在歐洲遭6萬人起訴，一位奧地利隱私保護(hù)人士發(fā)起了一項針對Facebook歐洲子公司的大范圍集體訴訟，指控Facebook違背了歐洲數(shù)據(jù)保護(hù)法律，F(xiàn)B被質(zhì)疑參與了美國國家安全局的“棱鏡”項目，收集公共互聯(lián)網(wǎng)使用的個人數(shù)據(jù)。

今年1月初，德國政府一家數(shù)據(jù)保護(hù)機構(gòu)周三表示，該機構(gòu)已針對Facebook采取法律行動，指控Facebook非法讀取并保存不使用該社交網(wǎng)站的用戶的個人信息。德國漢堡數(shù)據(jù)保護(hù)辦公室專員表示，由于Facebook在未經(jīng)許可的情況下收集并保存不使用該社交網(wǎng)站的用戶個人信息，這有可能導(dǎo)致Facebook被罰款數(shù)萬歐元。

顯然，目前用戶對于自身數(shù)據(jù)的保護(hù)意識正在不斷加強，其在不斷保護(hù)自身數(shù)據(jù)的同時也加強隱私防范。畢竟，AI識別性取向目前只是研究而沒有落地產(chǎn)品。

而且，從網(wǎng)站上扒圖并不是什么技術(shù)活，讓機器做選擇題的概念，也像極了十多年前哈佛某個宅男做的校園選美網(wǎng)站。其中滋味，冷暖自知吧。

智能相對論：深挖人工智能這口井，評出咸淡，講出黑白，道出深淺。重點關(guān)注領(lǐng)域：AI＋醫(yī)療、機器人、智能駕駛、AI＋硬件、物聯(lián)網(wǎng)、AI＋金融、AI＋安全、AR／VR、開發(fā)者以及背后的芯片、算法、人機交互等。（智能相對論 ／ 柯鳴）