今天，斯坦福大学发布了一项研究结果，为人类长久的、关于性取向问题的争论，提供了有意义的洞见。这项研究分析了超过35000个面部图像后，搭建了一套可以高精度判断一个人性取向的算法。
如果只提供一张照片，算法判断男性同性恋和异性恋的准确率是81%，判断女性同性恋和异性恋的准确率较低一些，但是也有74%。如果提供五张照片，那么两者的准确率会提高到91%和83%。
研究员最开始从约会网站收集了上万张图片和对应用户的个人资料，然后使用神经网络梳理这些图片。他们发现，男性同性恋倾向于拥有“非典型性别”面部特征、表情和打扮风格。在面部特征方面的表现是，偏女性化，通常比男性异性恋有较窄的下巴、更长的鼻子和更大的额头。女性同性恋则正好相反，通常有较大的下巴和更小的额头。
有趣的是，研究人员认为，AI判断女同性恋的准确率比判断男同性恋低，恰恰支持了女性性取向流动性更大的认知。在机器看来，这可能是因为女性同性恋和异性恋之间的物理差异，不如男性同性恋和异性恋之间那么大。
尽管这个研究结果可能过度简化了性别和性取向的本质，但是就基于外表判断性取向这件事情而言，AI完全超越了人类。作为对比实验，研究院让人类观看20组面部照片，然后做出选择。人类判断男性同性恋的准确度是61%，女性同性恋只有54%。
研究结果就是这样，但是解读的方式更有意思。一方面，我们可以认为，这个结果强烈支持了性取向源自于出生前就存在的某些特定激素；也就是说，有些人生来就是同性恋。另一方面，这些数据可能被用来支撑某些偏见，比如认为男性化长相明显的人就应该表现得像个男人。
所以说，数据的危险就在于此。看似客观的算法让我们相信可以以貌取人，而不是去尊重个体在更多其他方面的差异。AI能够帮助人类更准确了解自身的同时，我会担心，未来对同性恋这类话题的社会讨论会变得更加以技术为本、而不是以人为本。
