本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定反映《大众科学》的观点
相面术，这种通过面部外貌解读性格的伪科学历史悠久，最早可追溯到亚里士多德时代的文献就有所提及。达尔文几乎错失了乘坐“贝格尔号”进行历史性航行的机会，原因在于他的鼻子，因为船长——一位狂热的相面术信徒——不相信拥有这样鼻子的人会具备航行所需的决心。“但我认为，”达尔文在他的自传中 dryly 写道，“之后他很满意我的鼻子说了谎。”
我们可能会嘲笑相面术家的想法，但现代第一印象科学表明，我们都是天真的相面术家。我们会根据他人的面部外貌瞬间形成印象。看到一张脸不到十分之一秒就足以让我们下定决心。第一印象不仅迅速而且影响重大：我们更有可能投票给看起来有能力的政治家；投资于看起来值得信赖的人；并对看起来相反的人处以更严厉的刑罚。“以貌取人”是社会生活的一个普遍特征。
现代第一印象科学也已经确定了许多驱动这些印象的面部刻板印象。在过去十年中，心理学家们开发了可视化这些刻板印象的数学模型。借助这些模型，我们可以通过增加或减少面孔被感知到的可信度和能力等特质来操纵面孔的外观，正如我们所期望的那样。更重要的是，我们可以构建和检验关于面部刻板印象起源的理论。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保关于塑造我们当今世界的发现和想法的具有影响力的故事的未来。
然而，这项研究进展的意外后果之一是相面术的复兴。也许我们的面部刻板印象不仅仅是刻板印象，而是了解他人性格的真实窗口。相应地，涌现出大量研究声称，我们可以仅从面部图像中辨别出关于他人的各种隐私，例如他们的精神健康、政治和性取向等等。
这些说法通常基于这样的发现：人类对性取向的猜测比随机猜测要好。问题是这些猜测仅仅比随机猜测略好，而且通常不如基于更广泛知识的猜测准确。
此外，许多这些研究都基于一个谬误，即所有面部图像都同样代表面孔的所有者。虽然这个假设在熟悉的面孔的情况下可能成立，因为熟悉的脸很容易从不同的图像中识别出来，但在不熟悉的面孔的情况下肯定是不成立的——而且根据定义，第一印象是关于不熟悉的面孔的。通常，我们无法判断两个不同的图像是否代表同一个人（不熟悉的人），而这些图像可能会引发完全不同的印象。因此，在评估第一印象的准确性时，如何采样图像是一个关键问题。
考虑图像采样的偏差如何影响关于第一印象准确性的推论。在许多“同性恋雷达”研究中，参与者根据在线约会网站上发布的图像猜测他人的性取向。在最早的此类研究之一中，猜测的准确率约为 58%（随机概率为 50%）。但是，由于我们有策略地选择我们发布的图像来代表我们自己，以吸引我们想要吸引的那种人，因此这不是一个中立的样本。
事实上，当猜测基于朋友发布的同性恋和异性恋男性的在线图像时（远非完美的对照），准确率仅为 52%。这种结果不仅仅在受试者猜测性取向时成立。在最近的一项研究中，研究人员使用了在线约会网站上的图像来测试参与者是否可以猜测社会阶层，以财富来代表。参与者的准确率约为 57%。但是，当猜测基于在标准化条件下拍摄的图像时，准确率降至 51.5%。
随着在线面部图像的普及，试图从这些图像中解读我们“本质”的研究不会消失。在过去几年中，出现了一股新的人工智能 (AI) 研究浪潮，试图完全做到这一点。一家科技初创公司已经向私营公司和政府提供面部特征分析服务。去年，两位计算机科学家在网上发布了一篇未经同行评审的论文，声称他们的算法可以从单张面部图像中猜测出人的犯罪性。最近，一家著名期刊接受发表了一篇论文，声称人工智能算法可以以看似惊人的准确率从面部图像中检测出性取向。
然而，适用于人类研究的相同问题也适用于人工智能研究。后者使用强大的算法，可以检测两组图像之间细微但系统的差异。但是，用于训练算法的图像样本与算法本身同样重要。在关于犯罪性的论文中，作者提供了一些“罪犯”和“非罪犯”的图像。除了面部表情的明显差异外，“罪犯”穿着 T 恤，而“非罪犯”穿着西装。强大的算法很容易捕捉到这些差异，并产生看似准确的分类。
所有面部图像都同样代表面孔所有者的谬误在人工智能研究中以更微妙的方式发挥作用，特别是当声称算法正在从 2D 图像中测量不变的面部特征时。相机到头部的距离、相机参数、轻微的头部倾斜、细微的表情以及许多其他看似微不足道的差异都会影响对本应是稳定的形态特征的测量。当这些差异未受控制时，人工智能研究只会放大我们人类的偏见。
此外，使用人工智能进行“面部识别”的含义在道德上令人憎恶。关于性取向论文的资深作者声称，他的主要动机是警告 LGBT 群体这种技术可能对他们造成的危害，尤其是在压制性国家。但是，虽然该研究声称可以识别同性恋者和异性恋者之间真实的面部形态差异，但它真正表明的是，算法可以从公开的同性恋者自己发布的图像中识别出他们——就像普通人可以做到的一样。
这正是那种“科学”主张，可能会促使压制性政府将人工智能算法应用于其公民的图像。有什么可以阻止他们从这些图像中“解读”智力、政治取向和犯罪倾向呢？