武筱林告訴澎湃新聞，他目前還是打算專心把這個工作進一步做得更嚴謹、更充分，這項研究的成熟程度離應用還很遙遠，他們目前也沒有任何走向應用的打算。

“從另一個角度講，我們的研究也可能為反歧視提供依據(jù)”。但他也坦言，人工智能研究應如何劃定價值倫理的禁區(qū)，是個很嚴肅的問題，光憑他個人難以回答。

“現(xiàn)在世界范圍里都存在這樣的爭論，人工智能已經(jīng)發(fā)展到這一步了。”

那么，武筱林和張熙的這項研究，到底是怎么進行的呢？

通過學習，機器辨認出罪犯照片的準確率在86%以上

實驗選取了1856張中國18到55歲男性的照片，面部無毛發(fā)遮擋、無傷疤或其他標記，并將它們歸為罪犯組和非罪犯組。非罪犯組包含1126張用“網(wǎng)頁蜘蛛”從互聯(lián)網(wǎng)上抓取的照片，人群來自社會各行各業(yè)：服務員、建筑工人、司機、醫(yī)生、律師、教授等。罪犯組共730張照片，其中330張來自公安部或省級公安廳的通緝令，400張由一所與實驗組達成保密協(xié)議的公安局提供。在這730名罪犯中，235名涉及暴力犯罪，包括謀殺、強奸、人身侵犯、綁架和搶劫，其余則犯下了偷竊、欺詐、貪污等非暴力罪行。所有照片都被調(diào)整為80cmX80cm大小，并對亮度和灰比都進行了控制，盡量避免對結果造成影響。

研究使用的照片樣本。a組為罪犯，b組為非罪犯。

實驗用4種分類器（邏輯回歸，KNN,SVM,CNN）對樣本進行檢測，發(fā)現(xiàn)它們都能較成功地對罪犯和非罪犯組進行分類，準確率在86%以上。

4種分類器的準確率。

武筱林和張熙進一步發(fā)現(xiàn)，罪犯和非罪犯在面部特征方面最顯著的差別在內(nèi)眼角間距、上唇曲率和鼻唇角角度這三個測度上。平均來講，罪犯的內(nèi)眼角間距要比普通人短5.6%，上唇曲率大23.4%，鼻唇角角度小19.6%。

圖b標注了存在差異性的3個特征點。表4為罪犯組和非罪犯組在3個特征點上的平均值和偏離值。

最后，他們發(fā)現(xiàn)計算機模擬出來的罪犯和非罪犯的“平均臉”比較相似，但罪犯間的面部特征差異要比非罪犯大。也就是，非罪犯群體間彼此長得更為相似，變化幅度更小。