而这一切，基于研究者们训练了的图推理模型（Graph Reasoning Model，GRM），由该模型结合门控图神经网络（Gated Graph Neural Network，GGNN）对社会关系进行处理。
基于此，AI能够识别图片中三者之间的关系，根据图上人物区域的特征来初始化关系节点，然后用预先训练的Faster-RCNN探测器搜索图像中的语义对象，并提取其特征，初始化相应的对象节点；通过图传播节点消息以充分探索人与上下文对象的交互，并采用图注意机制自适应地选择信息量最大的节点，以通过测量每个对象节点的重要性来促进识别。
但是，在实际表现中，AI识别并未尽如人意。如警方在欧冠决赛采用AI面部识别匹配潜在犯罪图像，其错误率高达92%，而在人物关系和性取向识别领域，其应用表现也并不优秀。
性取向被识别后，AI伦理的边界又在哪里？
《纽约客》曾有这样一期封面：机器人已经成为了地球的主角，人类只能蹲在地上接受机器人的施舍。每一个新技术都会引发大家的担心，但以往更多是人的体力的延伸，而如若是脑力的延伸、人类隐私的延伸，这种担忧将会更加严重。智能相对论（aixdlun）分析师柯鸣认为，性取向识别前，AI还需要解决伦理上的几大问题。
1.仅靠面部识别太草率
《人格与社会心理学》杂志曾对斯坦福的这个研究，指出深层神经网络比人类在通过图像检测性取向判断中更准确，研究涉及建立一种计算机模型，以识别研究人员将其称作为同性恋者的“非典型”特征。
在摘要中，研究人员写道，“我们认为人们的脸部特征包涵了更多人脑所无法判断的性取向特征。根据一张图片，系统（classifier）可以以81%的准确率区分男性同性恋者，74%的准确率区分女性同性恋者，这比人脑可以完成的判断准确率都要高。”
但是，在距离应用过程中，仅以面部构造识别似乎并没有那么“靠谱”。技术无法识别人们的性取向，所谓的技术未来只是识别出网络中同性恋者头像存在相似的某种模式。
文章TAG：用户
