訓練機器識美女 可以成功鑒別清純美女與妖艷美女（組圖）

　　網路配圖

　　“褒義組”和“貶義組”色彩對比度和飽和度的均值和標準差

　　最後，武筱林團隊排除了機器過度學習的可能性。他們將數據集隨機打亂後訓練機器，結果機器只能以50%的概率隨機“猜”分類。

　　文章最後總結道，這篇論文是上一篇論文《基於面部識別的犯罪性推斷》的續集，再次證明了人工智慧不僅可以通過人臉識別鑒別生物性特徵，還可以鑒別社會心理層面的特徵。

　　在閱讀論文時，發現論文中附帶的“褒義組”照片中出現了演員楊穎。鋻於武筱林的研究採用了百度圖片搜索，樣本中出現一些演藝圈人士和“網紅”的照片不足為奇。但在採訪中，武筱林表示他和他的研究生都對“網紅”群體知之甚少。然而，他們已經對這個群體産生了研究興趣，甚至打算拿她們作樣本，進一步檢驗論文中的演算法。

　　武筱林説道，他的研究生已經在收集一批女主播的照片，並記錄網友對她們長相的綜合性評價。在收集完成後，他們將把這一批全新的數據交給人工智慧甄別，檢驗電腦的“審美”是否和網友一致。

　　武筱林打比方説道，之前他們就像訓練電腦成功通過了高考，但現在他們重新找了一批“怪題” 來考驗電腦，看看人工智慧的學習能力到底有多強。