性侵犯如此猖獗，AI能提前将他们甄别吗？

原标题：性侵犯如此猖獗，AI能提前将他们甄别吗？

知名媒体人章文被曝性侵女生 蒋方舟：我也被他骚扰过

文|雷宇

来源|智能相对论（aixdlun）

性侵丑闻全面爆发。事情缘起7月23日，赵欣（化名）和江苏南通环保行动者刘斌先后发长文指控公益圈两位知名人士“亿友公益”创始人雷闯和“源头爱好者环境研究所”创始人冯永锋对其机构的女志愿者和女性员工实施性骚扰。

赵欣和刘斌的指控长文截图

继多位公益人士被曝出性侵后，7月25日，一名女生举报前媒体人章文强奸，事发后多名女士，包括蒋方舟、易小荷在内也站出来指认曾遭到章文的性骚扰。

蒋方舟朋友圈截图

此前，好莱坞也曾爆性骚扰丑闻，涉及人包括且不限于塑造经典上帝形象的好老戏骨摩根·弗里曼，饰演《纸牌屋》中“总统”的凯文·史派西，王牌制片人哈维·韦恩斯坦，至少有80位女性指控他涉嫌强奸、性虐待等。

这些证实性侵和涉嫌性侵的人照片被公布后，很多人认为他们长得就很那啥，虽然有马后炮的嫌疑。但是，我们抛开偏见，包括性侵犯们在内的坏人是否真的具有相似的特征呢？如果有，利用人工智能技术可以将他们于人群中甄别出来吗？

好人各有不同的好，而坏人却有令人震惊的相似

人们对犯罪人员共性的研究已经具有较长的历史，而且取得了一些成果。早在一百多年前，隆勃罗梭通过分析罪犯的外表来寻找他们的共同特征。并指出了天生犯罪人的一些特征，包括先天的隔代遗传返祖现象，脸部具有横向褶皱，较高的兔唇发病率，听觉、味觉、嗅觉的灵敏度较低等。

一百多年后的2016年，上海交通大学的武筱林和张希研发一个神经网络系统，能够通过脸部识别技术辨认罪犯。实验过程中，研究员使用了1856名男性的身份证照片，其中730 名罪犯，1126 名非罪犯，年龄在18到55岁之间。

图为实验数据对比

实验结果显示，罪犯和非罪犯的面相的分布确实不同，在一定程度上可以区分罪犯与常人的面部特征，二者面相中差异较大的一些特征主要有：

罪犯上唇的弯曲程度比非罪犯要大23%

罪犯两只眼睛内角之间的距离比正常人短6%

罪犯从鼻尖到嘴角两条线的角度比非罪犯小20%

最终，这一系统的识别准确率达89.5%。在实际使用中，机器识别的准确率要求在90%以上，甚至到95% 左右，可是论文的数据是在纯实验环境下进行的，因此89.5%的准确率在某种程度上已经能够说明问题了。值得注意的是，在对结论进行分析的时候，这种看似精确的实验结论总是怪怪的，毕竟我们没办法真正拿着尺子去量某个人五官的角度和距离，而且，现在的整容手术可以迅速解决这些细节，参见一些网红身上常见的微笑唇，开眼角，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世纪八九十年代的荷兰，有一个家族中的男人和男孩除了患有学习障碍，还非常具有攻击性，有人变成了纵火犯，有人企图强奸甚至谋杀。最终遗传学家汉斯·布鲁纳找到了罪魁祸首：一个基因的变异。该基因位于X染色体上，代号MAOA，这就是后来的战士基因，除了诈骗犯以外的绝大部分罪犯都拥有这个基因。

提前识别罪犯这门技术，除了伦理还有什么问题？

不管是通过面部特征确认罪犯还是通过基因定性罪犯，在我国暂时都不会得到广泛使用，它的价值更多是体现在学术上。主要是在伦理上，上交的论文发表后，引起了中国以及世界的人工智能业界引发了不小的争议，核心观点是给人定性具有道德风险，可能引发公众对于特定面相的歧视。如果一些人将生而就被称作是犯罪分子，他所遭受的舆论压力和生存环境可想而知。

除此之外，这项技术的使用还将引发一些难以估计的影响。智能相对论（aixdlun）分析师雷宇认为主要分为三点。

1. 误报率再小也不能忽略

从实验使用的数据集来说，即使是性能最好的 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。

在人群中，罪犯的比例显然会远远低于上面的数据集。截止到2013年底，中国各级监狱内的在押犯人数近180.76万人，当时我国的人口总数是13.61亿，即正常人比罪犯多了753倍，这种情况下一点点误报都不能被忽略。而战士基因之所以叫战士基因，是因为他在优秀的战士和警察身上也很常见。综合这两点，在使用机器识别的过程中，更大的可能是把拥有战士基因的人都识别出来了。

2. 罪犯与执法者的博弈升级

实际上，美国特定城市的警察也正在试验一种人工智能算法，以预测哪些居民未来最有可能犯罪。但分辨罪犯和嫌犯，往往是一种基于事后的分析，是从结论推导原因。当凶手知道自己是被机器认定的犯罪分子，那么留给他的可以选择的生存策略就只有一种——逃跑，这样的结果就是会造成更多的社会不安全因素，而犯罪分子很容易在这种不利的生存环境下破罐子破摔。

机器识别罪犯的本意是降低犯罪率，提高破案率，但是因为凶手犯罪策略变化所造成的对冲，并不能达到想要的结果。即使技术普及，稍微聪明点的坏蛋这时应该不会选择正面杠，早就回去升级人工智能武器了。

3. 统计歧视造成人工智能的恐慌

机器识别想要跑出理想的结果，势必形成一套算法，它会给一些五官列出特殊的标签：比如眼睛、鼻梁、耳朵形状等，而这样的机器是具有歧视的。麻省理工最近研制出了全球第一个精神变态人工智能——诺曼。诺曼是一个训练执行图片处理的人工智能，但本质上它就是图像识别算法中的一种。有所不同的是，它看东西，带着一点血腥的偏见。

以上图为例，配色看上去清新自然，一般人工智看到的是“一个人在空中撑着一把伞”，诺曼则认为自己看见“男人在他尖叫的妻子面前被枪杀”。工作人员给了这个AI看了十张墨迹测试图，它的测试结果大抵都是如此，死亡方式包括且不限于触电而死，跳楼致死，绞死等等。

而造成这一结果的主要原因就是数据，当人们输入了带有偏见的数据，它就毫不犹豫的呈现出了有偏见的结果。上交在进行实验的，是明知哪些是罪犯的，而且比例奇高，数据的均衡性并没有得到有效保障，从数据上来说，就带有歧视。

不得不承认，人工智能恐慌是全人类的月经，每当人工智能取得一些成果，就会有人发出人工智能威胁论。而如果我们纵容仅仅是技术的人工智能黑化，无疑会加深公众的恐惧。

除了提前识别外犯罪分子，人工智能还能怎样识别坏蛋？

多数人对人工智能的打击犯罪的认知依然停留在基本的人脸识别上，实际上，它可以做的远不止如此。

1．测谎

虽然一些现有的测谎仪甚至测谎话术可以产生相当可靠的结果，但它们在一些特定场合，比如法庭上并不是特别有用。马里兰大学（UMD）的研究人员开发了测谎分析和推理引擎（DARE)，它在法庭审判视频中自动检测出欺骗行为。

测谎流程

最终，DARE在测谎任务上，结合了微表情识别，比一般人表现要好。甚至有权威专家表示，未来3到4年的时间，就可以通过阅读人类表情背后的情感来发现欺骗。

2.记忆重构

2016年，来自俄勒冈大学的一个可以通过扫描大脑读取人们的思想的系统，可以重建人们大脑中所看见的画面。志愿者被连接到功能磁共振成像机，当他们对看到的每张脸进行特征描述时，他们的大脑信息就被暴露了，研究者就可以了解到参与者的大脑活动。

但可惜的是由于技术还不大成熟，所以暂时还不能把这个技术应用到刑侦领域。理想的效果是基于犯罪分子们的大脑记忆还原犯罪现场和犯罪场景，甚至利用受害者的记忆来构建罪犯的面部照片。

人工智能在打击犯罪上还有更多可应用的点，但当我们在说人工智能的时候，要么是对弱人工智能的过度渲染，要么是对人工智能的一味嘲笑，其实技术本义应该是造福于人民，再多的泡沫也不能掩盖它的本质，也许在未来真的会实现无犯罪社会。

结论

回到开头，显然现在的人工智能技术可以将人甄别出来，但是不够精准而且容易引发一系列不良影响，暂时很难得到广泛的使用。性侵害这种事，作为女性的受害者却要无端承担莫大的精神压力和社会压力，除了呼吁社会关注，女性更好的保护自己，居然毫无办法。

在电影《少数派报告》中，2054年的华盛顿特区，谋杀已经消失了。未来是可以预知的，罪犯在实施犯罪前就已受到了惩罚。那个时候，性侵害就真的成为了过去时呢，仅仅在这一点上，我都无比期待这一天的真正到来。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。