前言——不敢相信我竟然获得了青云奖

真是人在家中躺，奖从天上来！昨天迷迷糊糊从床边拿起手机准备和头条的小老弟唠嗑，然后就看到平台信息我获奖了，果然头条的评审大佬还是很有眼观的，不亏我这一年以来的勤勤恳恳发文不辍。

既然赚钱了，那我就和我的粉丝一起分享吧！如果有想了解AI行业形式的可以私聊我，知无不言，言无不尽。而且从私信的老铁中抽2个送AI方面的书，你们选我给钱（100以内啊，我不是大户。）原文地址是这边有兴趣的老铁可以去看下：从就业来分辨培训机构到底有没有实力教AI技术，你学的是真AI吗？

一切源于ObEN 的一次研究调查

各位老铁还记得那个春晚的虚拟主持人吗？据我调查（百度的，嘿嘿嘿）这是一家来自美国硅谷的科技公司ObEN提供的新技术，值得一提的是这家公司是我们华人创办的。

近日ObEN 的研究人员就对 AI 眼中的「美」进行了研究，人工智能的判断看起来印证了一些学派的理论：长相越女性化颜值越高；在发色方面，男性黑发最好、女性金发最好。

目前人们的颜值对于社会活动的很多方面都有重要影响，从两性选择到招聘，再到社会交往过程中，颜值都是决定性的因素之一。面部更具吸引力的人可以获得更多的约会机会，而与他们约会的人也可以获得更多的满足感。社会对于美的追求正变得愈发极端，缺乏吸引力的人可能会面临压力。Cash 等人的研究表明，吸引力更高的人更可能找到工作，犯罪嫌疑人的颜值甚至能影响到法官的决定。

就比如小编，我始终认为颜值不高是我一直找不到女朋友的决定性因素，不然凭借我的才华、收入、幽默感（长得帅叫幽默感，我这种应该是搞笑吧）怎么可能找不到女朋友对吧，希望头条的大佬下次奖励我一个女朋友，谢谢大佬!

为什么越“娘”颜值就越高？

说实话，其实是用于AI模型训练的原始数据决定的，其中的主要思想是分析低级几何面部特征（如形状比、对称性、纹理），然后应用机器学习算法如支持向量机、K-近邻（K-NN）进行图像分类和美颜预测。也有算法以提取局部二值模型（LBP）和 Gabor 等特征的监督方式训练自动评分器，在训练内容中，对于美的评分是由人工评出的。说的明白点就是搞个监督学习的赏罚机制，然后用大量数据去训练，但是由于数据标注师的偏见还有研究员的偏见导致了数据会带有他们的主管意识，然后就会产生AI模型的偏见。

这种偏见目前普遍存在于各种已经用于商业的AI模型，这也是未来人工智能需要攻克的一个方面，这种偏见其实有一大部分还是研究员自己的自嗨造成的，数据给的种类多一点就能将这种偏见减小到最小了。

该模型采用 GoogleNet 架构来进行特征训练。该网络具有 22 层（仅计算了具有参数的层），9 个 Inception 模块。GoogLeNet 在 2014 年的 ImageNet 大型视觉识别挑战赛（ILSVRC14）中实现了分类和检测的最佳水平。该架构擅长使用 1×1 卷积核进行降维，可以在节省计算资源的同时增加网络深度，被称为 Inception，如图 5 所示。不同于 ImageNet 分类挑战赛，其中每个图像仅作为一个类别，在本文的训练中，每个图像及其 40 个特征被输入深度架构，最终输出是与真实值（40 个标签）对应的多个分类。

最后

昨天和一个粉丝聊到了人工智能的一些引用领域，他说未来的人工智能发展方向是往机器人编程方向发展。我突然就想到了我老大在给学员授课的时候说到的一句话“搞人工智能就是先把别人搞失业，再最后把自己搞失业的一项工作”我觉得大佬说的很有道理，不过有些高危的职业确实需要机器人去进行，比如高空作业的墙面清洁师傅、信号塔检修员、地下开采等。每年都有爆出人命，所以人工智能的发展刻不容缓！