今天，斯坦福大學發佈了一項研究結果，為人類長久的、關於性取向問題的爭論，提供了有意義的洞見。這項研究分析了超過35000個面部圖像後，搭建了一套可以高精度判斷一個人性取向的算法。
如果只提供一張照片，算法判斷男性同性戀和異性戀的準確率是81%，判斷女性同性戀和異性戀的準確率較低一些，但是也有74%。如果提供五張照片，那麼兩者的準確率會提高到91%和83%。
研究員最開始從約會網站收集了上萬張圖片和對應用戶的個人資料，然後使用神經網絡梳理這些圖片。他們發現，男性同性戀傾向於擁有“非典型性別”面部特徵、表情和打扮風格。在面部特徵方面的表現是，偏女性化，通常比男性異性戀有較窄的下巴、更長的鼻子和更大的額頭。女性同性戀則正好相反，通常有較大的下巴和更小的額頭。
有趣的是，研究人員認為，AI判斷女同性戀的準確率比判斷男同性戀低，恰恰支持了女性性取向流動性更大的認知。在機器看來，這可能是因為女性同性戀和異性戀之間的物理差異，不如男性同性戀和異性戀之間那麼大。
儘管這個研究結果可能過度簡化了性別和性取向的本質，但是就基於外表判斷性取向這件事情而言，AI完全超越了人類。作為對比實驗，研究院讓人類觀看20組面部照片，然後做出選擇。人類判斷男性同性戀的準確度是61%，女性同性戀只有54%。
研究結果就是這樣，但是解讀的方式更有意思。一方面，我們可以認為，這個結果強烈支持了性取向源自於出生前就存在的某些特定激素；也就是說，有些人生來就是同性戀。另一方面，這些數據可能被用來支撐某些偏見，比如認為男性化長相明顯的人就應該表現得像個男人。
所以說，數據的危險就在於此。看似客觀的算法讓我們相信可以以貌取人，而不是去尊重個體在更多其他方面的差異。AI能夠幫助人類更準確瞭解自身的同時，我會擔心，未來對同性戀這類話題的社會討論會變得更加以技術為本、而不是以人為本。