TMT观察网_独特视角观察TMT行业

文|雷宇|智能相對論（aixdlun）

性侵丑聞全面爆發。事情緣起7月23日，趙欣（化名）和江蘇南通環保行動者劉斌先后發長文指控公益圈兩位知名人士“億友公益”創始人雷闖和“源頭愛好者環境研究所”創始人馮永鋒對其機構的女志愿者和女性員工實施性騷擾。

趙欣和劉斌的指控長文截圖

繼多位公益人士被曝出性侵后，7月25日，一名女生舉報前媒體人章文強奸，事發后多名女士，包括蔣方舟、易小荷在內也站出來指認曾遭到章文的性騷擾。

蔣方舟朋友圈截圖

此前，好萊塢也曾爆性騷擾丑聞，涉及人包括且不限于塑造經典上帝形象的好老戲骨摩根·弗里曼，飾演《紙牌屋》中“總統”的凱文·史派西，王牌制片人哈維·韋恩斯坦，至少有80位女性指控他涉嫌強奸、性虐待等。

這些證實性侵和涉嫌性侵的人照片被公布后，很多人認為他們長得就很那啥，雖然有馬后炮的嫌疑。但是，我們拋開偏見，包括性侵犯們在內的壞人是否真的具有相似的特征呢？如果有，利用人工智能技術可以將他們于人群中甄別出來嗎？ 

好人各有不同的好，而壞人卻有令人震驚的相似

人們對犯罪人員共性的研究已經具有較長的歷史，而且取得了一些成果。早在一百多年前，隆勃羅梭通過分析罪犯的外表來尋找他們的共同特征。并指出了天生犯罪人的一些特征，包括先天的隔代遺傳返祖現象，臉部具有橫向褶皺，較高的兔唇發病率，聽覺、味覺、嗅覺的靈敏度較低等。

一百多年后的2016年，上海交通大學的武筱林和張希研發一個神經網絡系統，能夠通過臉部識別技術辨認罪犯。實驗過程中，研究員使用了1856名男性的身份證照片，其中730 名罪犯，1126 名非罪犯，年齡在18到55歲之間。

圖為實驗數據對比

實驗結果顯示，罪犯和非罪犯的面相的分布確實不同，在一定程度上可以區分罪犯與常人的面部特征，二者面相中差異較大的一些特征主要有：

罪犯上唇的彎曲程度比非罪犯要大23%

罪犯兩只眼睛內角之間的距離比正常人短6%

罪犯從鼻尖到嘴角兩條線的角度比非罪犯小20%

最終，這一系統的識別準確率達89.5%。在實際使用中，機器識別的準確率要求在90%以上，甚至到95% 左右，可是論文的數據是在純實驗環境下進行的，因此89.5%的準確率在某種程度上已經能夠說明問題了。值得注意的是，在對結論進行分析的時候，這種看似精確的實驗結論總是怪怪的，畢竟我們沒辦法真正拿著尺子去量某個人五官的角度和距離，而且，現在的整容手術可以迅速解決這些細節，參見一些網紅身上常見的微笑唇，開眼角，水滴鼻……

除了在外表上的相似之外，在基因上，犯罪分子也具有相似性。20世紀八九十年代的荷蘭，有一個家族中的男人和男孩除了患有學習障礙，還非常具有攻擊性，有人變成了縱火犯，有人企圖強奸甚至謀殺。最終遺傳學家漢斯·布魯納找到了罪魁禍首：一個基因的變異。該基因位于X染色體上，代號MAOA，這就是后來的戰士基因，除了詐騙犯以外的絕大部分罪犯都擁有這個基因。

提前識別罪犯這門技術，除了倫理還有什么問題？

不管是通過面部特征確認罪犯還是通過基因定性罪犯，在我國暫時都不會得到廣泛使用，它的價值更多是體現在學術上。主要是在倫理上，上交的論文發表后，引起了中國以及世界的人工智能業界引發了不小的爭議，核心觀點是給人定性具有道德風險，可能引發公眾對于特定面相的歧視。如果一些人將生而就被稱作是犯罪分子，他所遭受的輿論壓力和生存環境可想而知。

除此之外，這項技術的使用還將引發一些難以估計的影響。智能相對論（aixdlun）分析師雷宇認為主要分為三點。

1. 誤報率再小也不能忽略

從實驗使用的數據集來說，即使是性能最好的 CNN 分類器，在達到 90% 的檢出率（true positive rate）時，仍有 10% 的誤報率（false positive rate）。這意味著有 73 名罪犯被漏掉，有 113 名非罪犯被冤枉。

在人群中，罪犯的比例顯然會遠遠低于上面的數據集。截止到2013年底，中國各級監獄內的在押犯人數近180.76萬人，當時我國的人口總數是13.61億，即正常人比罪犯多了753倍，這種情況下一點點誤報都不能被忽略。而戰士基因之所以叫戰士基因，是因為他在優秀的戰士和警察身上也很常見。綜合這兩點，在使用機器識別的過程中，更大的可能是把擁有戰士基因的人都識別出來了。

2. 罪犯與執法者的博弈升級

實際上，美國特定城市的警察也正在試驗一種人工智能算法，以預測哪些居民未來最有可能犯罪。但分辨罪犯和嫌犯，往往是一種基于事后的分析，是從結論推導原因。當兇手知道自己是被機器認定的犯罪分子，那么留給他的可以選擇的生存策略就只有一種——逃跑，這樣的結果就是會造成更多的社會不安全因素，而犯罪分子很容易在這種不利的生存環境下破罐子破摔。

機器識別罪犯的本意是降低犯罪率，提高破案率，但是因為兇手犯罪策略變化所造成的對沖，并不能達到想要的結果。即使技術普及，稍微聰明點的壞蛋這時應該不會選擇正面杠，早就回去升級人工智能武器了。

3. 統計歧視造成人工智能的恐慌

機器識別想要跑出理想的結果，勢必形成一套算法，它會給一些五官列出特殊的標簽：比如眼睛、鼻梁、耳朵形狀等，而這樣的機器是具有歧視的。麻省理工最近研制出了全球第一個精神變態人工智能——諾曼。諾曼是一個訓練執行圖片處理的人工智能，但本質上它就是圖像識別算法中的一種。有所不同的是，它看東西，帶著一點血腥的偏見。

以上圖為例，配色看上去清新自然，一般人工智看到的是“一個人在空中撐著一把傘”，諾曼則認為自己看見“男人在他尖叫的妻子面前被槍殺”。工作人員給了這個AI看了十張墨跡測試圖，它的測試結果大抵都是如此，死亡方式包括且不限于觸電而死，跳樓致死，絞死等等。

而造成這一結果的主要原因就是數據，當人們輸入了帶有偏見的數據，它就毫不猶豫的呈現出了有偏見的結果。上交在進行實驗的，是明知哪些是罪犯的，而且比例奇高，數據的均衡性并沒有得到有效保障，從數據上來說，就帶有歧視。

不得不承認，人工智能恐慌是全人類的月經，每當人工智能取得一些成果，就會有人發出人工智能威脅論。而如果我們縱容僅僅是技術的人工智能黑化，無疑會加深公眾的恐懼。

除了提前識別外犯罪分子，人工智能還能怎樣識別壞蛋？

多數人對人工智能的打擊犯罪的認知依然停留在基本的人臉識別上，實際上，它可以做的遠不止如此。

1．測謊

雖然一些現有的測謊儀甚至測謊話術可以產生相當可靠的結果，但它們在一些特定場合，比如法庭上并不是特別有用。馬里蘭大學（UMD）的研究人員開發了測謊分析和推理引擎（DARE)，它在法庭審判視頻中自動檢測出欺騙行為。

測謊流程

最終，DARE在測謊任務上，結合了微表情識別，比一般人表現要好。甚至有權威專家表示，未來3到4年的時間，就可以通過閱讀人類表情背后的情感來發現欺騙。 

2.記憶重構

2016年，來自俄勒岡大學的一個可以通過掃描大腦讀取人們的思想的系統，可以重建人們大腦中所看見的畫面。志愿者被連接到功能磁共振成像機，當他們對看到的每張臉進行特征描述時，他們的大腦信息就被暴露了，研究者就可以了解到參與者的大腦活動。

但可惜的是由于技術還不大成熟，所以暫時還不能把這個技術應用到刑偵領域。理想的效果是基于犯罪分子們的大腦記憶還原犯罪現場和犯罪場景，甚至利用受害者的記憶來構建罪犯的面部照片。

人工智能在打擊犯罪上還有更多可應用的點，但當我們在說人工智能的時候，要么是對弱人工智能的過度渲染，要么是對人工智能的一味嘲笑，其實技術本義應該是造福于人民，再多的泡沫也不能掩蓋它的本質，也許在未來真的會實現無犯罪社會。

結論

回到開頭，顯然現在的人工智能技術可以將人甄別出來，但是不夠精準而且容易引發一系列不良影響，暫時很難得到廣泛的使用。性侵害這種事，作為女性的受害者卻要無端承擔莫大的精神壓力和社會壓力，除了呼吁社會關注，女性更好的保護自己，居然毫無辦法。

在電影《少數派報告》中，2054年的華盛頓特區，謀殺已經消失了。未來是可以預知的，罪犯在實施犯罪前就已受到了懲罰。那個時候，性侵害就真的成為了過去時呢，僅僅在這一點上，我都無比期待這一天的真正到來。