相关链接：上海交大研发人工智能：通过脸部识别技术辨别罪犯 王赟 Maigo，把收藏夹公开了，欢迎关注 我看过 Xiaolin Wu 和 Xi Zhang 在 arXiv 上发的论文。这篇论文的主要贡献有： 证明了罪犯和非罪犯的面相的分布不同，在一定程度上可以区分； 指出了罪犯和非罪犯的面相分布中差异较大的一些特征； 刻画了罪犯和非罪犯的面相分布特点：罪犯面相的差异度较大，分布在外围。 这些结论当然要谨慎对待，但如果确实能通过实验的检验，那么是可信的，也算是填补了一块知识的空缺。 但是，这篇文章的结论并不代表可以仅由面相推断一个人是否是罪犯，哪怕仅仅是推断一个人犯罪可能性的高低。原因有两点： 在论文使用的数据集（730 名罪犯，1126 名非罪犯）上，哪怕是性能最好的 CNN 分类器，在达到 90% 的检出率（true positive rate）时，仍有 10% 的误报率（false positive rate）。这意味着有 73 名罪犯被漏掉，有 113 名非罪犯被冤枉。对于「审判」这种人命关天的事情来说，这样的分类结果显然不足以成为唯一依据，甚至都不能成为主要依据。 在一般人群中，罪犯的比例比上面的数据集低得多。此时，哪怕一点点误报率都是不能忽略的。一个典型的类似例子是人群中的艾滋病筛查。由于误报率大于人群中艾滋病的发病率，即使检查得到了阳性的结果，真正是艾滋病患者的概率依然很低，需要复查。如果简单地把论文中的分类器应用于大众，那么绝大多数的阳性结果都将是误报。 需要警惕的是，媒体在宣传该项研究的过程中，容易对结论进行夸张，误导大众；如果后果严重，可能在大众中产生对特定面相的歧视。这是必须避免的。 阅读原文
