From: Scientific Reports; 编译：罗静颖 

📷

人类观察面部特征的历史

古往今来，历史上许多面相学家都试图将面部表情和个人性格联系起来，意大利犯罪学家、精神病学家、刑事人类学派对创始人塞萨尔·隆布罗索（Cesare Lombroso）便是其中的典型人物。

但是面相学家的判断和大多数观点都未能经受住现代科学的审视：少数已确定的特定面部特征（例如面部宽高比）与个性特征之间的关联性很弱，而且在多重实验结果之下也表明不同人基于照片作出的个性判断产生了不同的结果。

不同属性面部图像所预测出的个性特征效应量。Nphoto指刺激面孔的数量；Nrater指每张照片评分者的数量；E指外向型；A指随和型；C指责任心；N指神经质；O指开放性。效应量是由作者报告的可用公式或者使用元分析公式计算得来。

然而，许多强有力的理论和进化论的论据都表明：部分关于人格特征的信息，特别是那些对社会交往及其重要的信息，可能都是通过人的面孔来传达的。因为人的面孔和行为都是由基因和荷尔蒙决定的，一个人外表所产生的社会连锁反应可能会影响TA的个性发展，例如有研究证明一个人看起来“比较聪明”会为其带来更高的教育程度。

那么为什么人类无法从面部特征当中观察出一个人的特定性格呢？来自神经科学的证据表明，人类在观察一个人的面部构成时，不是观察特定的面部特征，而是用一种较为整体的方式来处理他人的面部图像。每个人对于他人相片的感知都是采取较为整体的方法，同时带有个人的情感倾向，这也是人与人之间对于同一张自拍个性判断不同的原因之一。

📷

AI评估五大性格特征

为进一步探索面部特征和个人性格之间的关系，来自俄罗斯高等经济研究大学（HSE University）和英国开放大学人文与经济学院（Open University for the Humanities and Economics）的研究人员与一家名为Best Fit Me的俄英创业公司合作，训练一系列人工神经网络，并将其应用于人脸判断的研究当中。

这项研究于5月22日发表于《科学报告》（Scientific Reports）期刊上，题为“用真实静态面部图像评估五大性格特征”（Assessing the Big Five personality traits using real-life staticfacial images）。人工智能根据志愿者上传的自拍，根据有责任心的、神经质的、外向型、亲和型和开放型五个标准对相片当中人物性格做出判断。训练结果表明这项研究所训练出的人工智能鉴别模型的性能高于以往使用机器学习或者人工评分所作出的判断，人工智能在同一个人的不同照片上得出的人格判断也是一致的。

📷

研究进程、结果与应用

这一研究征集了12000名志愿者，在实验开始之前他们完成了一份基于“五大”模型的测量人格特质的自我报告问卷，并上传了31000张自拍。随后被调查者被随机分为培训组和测试组，实验采用一系列的神经网络对图像进行预处理，以确保图像的质量和特征一致，并排除带有情感表情的人脸以及名人和猫的图片。

BF人格特质预测精度的ANN模型。类内相关系数（ICCs）介于79%-88%之间表明同一个人在不同照片上的预测分数总体上是一致的。根据z测试，女性对外向性和神经质的预测明显好于男性, 对于男性来说，责任心比其他四个特质更能被准确地预测出来。

接下来，研究者训练出一个图像分类神经网络，将每个图像分解成128个不变特征，然后设计出一个使用图像不变量预测个性特征的多层感知器。

计算机视觉神经网络(NNCV) 的多层感知器和人格诊断神经网络(NNPD)的层结构

最终研究结果显示的平均效应大小r=0.24表明，对于两个随机选择的个体在人格维度上的相对地位，人工智能做出了近乎58%正确的猜测，超过了50%。与元分析估计的自我报告和观察者对个性特征的打分之间的相关性相比，研究表明依赖静态面部图像的人工神经网络比没有事先认识的普通人类评价者表现更好。此外，责任心比其他四个特征更容易识别；基于女性面孔的性格预测似乎比男性面孔更可靠。

100个人对比组当中具有五大特征的面部合成图像

关于这项研究有许多潜在的应用有待探索。在快速、低成本比高准确度更重要的情况下，从真实照片中进行AI识别可以补充传统的个性评估方法。人工智能可以用来提出最适合客户个性的产品，或者在客户服务、相亲或在线辅导等二元互动中为个人选择可能的“最佳个性匹配者”。

扫码观看！

本周上新！

来扫我呀

关于我“门”

▼

点击右上角，把文章分享到朋友圈

 

将门创投

让创新获得认可！

微信：thejiangmen

bp@thejiangmen.com