只要6秒 AI人工智能只要聽聲音就能描繪你的長(zhǎng)相

2020-07-29 09:58

你相信嗎？AI人工智慧最近已經(jīng)進(jìn)化到，只要花6秒的時(shí)間，聽到你的聲音除可以分辨出你的性別、年紀(jì)與種族外，甚至可以描繪出你的長(zhǎng)相。

這款由麻省理工學(xué)院（MIT）所打造出來(lái)的AI，研究人員用一個(gè)由數(shù)百萬(wàn)個(gè)影片剪輯而成的數(shù)據(jù)集，對(duì)一個(gè)名為Speech2Face的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行自我訓(xùn)練，而這款網(wǎng)絡(luò)的運(yùn)作大概分成兩部分，一個(gè)是語(yǔ)音編碼器，主要負(fù)責(zé)對(duì)輸入的語(yǔ)音來(lái)進(jìn)行分析，并預(yù)測(cè)出相關(guān)的臉部特征；另一個(gè)則是臉部解碼器，主要對(duì)輸入的臉部特征來(lái)進(jìn)行整合并產(chǎn)生圖像。從最終結(jié)果來(lái)看，僅用了6秒，就能靠著聲音來(lái)還原人臉，效果上是令人滿意的。

該研究團(tuán)隊(duì)表示，他們的目的并非為了準(zhǔn)確還原說(shuō)話者的模樣，Speech2Face模型主要是為了研究語(yǔ)音與相貌之間的關(guān)聯(lián)性。目前Speech2Face已經(jīng)可以識(shí)別出性別，而對(duì)于白種人與亞洲人也能輕易分辨，在年紀(jì)部分從30、40、70歲的年齡段聲音命中率會(huì)比較高一點(diǎn)。

除了基礎(chǔ)的性別、年紀(jì)與種族外，Speech2Face還可以猜中一些臉部特征，像是鼻子結(jié)構(gòu)、嘴唇厚度與形狀、咬合等情況，也可以猜出大概的臉部骨架，基本上聲音輸入的時(shí)間越長(zhǎng)，這款A(yù)I的準(zhǔn)確率就越高；不過研究人員也坦言，AI的聽覺也會(huì)有錯(cuò)，這款A(yù)I會(huì)將尚未經(jīng)歷變聲期的小男生當(dāng)作女性、對(duì)說(shuō)話者的口音也會(huì)有判斷錯(cuò)誤的時(shí)候、甚至搞錯(cuò)年齡等。研究人員表示，Speech2Face之所以會(huì)有局限性，部分原因是因?yàn)閿?shù)據(jù)集中的說(shuō)話者，本身種族多樣性不夠豐富，所以讓它在辨認(rèn)不同種族人士聲音這樣的能力上是比較弱的。

不過也有人認(rèn)為這項(xiàng)技術(shù)背后所隱藏的隱私與歧視等問題，令人擔(dān)憂；他們認(rèn)為雖然這是純粹的學(xué)術(shù)調(diào)查，但臉部信息的潛在敏感性，是有必要進(jìn)一步討論當(dāng)中的道德因素，應(yīng)該要對(duì)此進(jìn)行嚴(yán)謹(jǐn)?shù)募夹g(shù)測(cè)試，并確保實(shí)際數(shù)據(jù)可以代表預(yù)期中的用戶群。