专栏观察

性侵犯如此猖獗,AI能提前将他们甄别吗?

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。

希望看到您的想法,请您发表评论x