性侵犯如此猖獗，AI能提前将他们甄别吗？

文/雷宇

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。