波鸿(Bochum)的神经信息学工程师开发的算法可以像人类一样准确估算年龄和种族。研究人员还不确定它会解释哪些功能。
一个人的衰老过程伴随着脸上的诸如皱纹，皱纹和斑点之类的明显迹象。波鸿鲁尔大学神经计算研究所(RUB)的研究人员开发了一种算法，可以非常可靠地解释这些特征。RUB小组从2020年5月起将其报告发表在《机器学习》杂志上。
系统已学会估算
“我们不太确定我们的算法正在寻找什么功能，”神经计算研究所的Laurenz Wiskott教授说。这是因为系统已学会评估人脸。由波鸿(Bochum)的研究人员开发的成功算法是具有11个级别的分层神经网络。作为输入数据，研究人员向其提供了数千张不同年龄面孔的照片。在每种情况下都知道年龄。“传统上，图像是输入数据，正确的年龄是输入系统的目标，然后系统尝试优化中间步骤来评估所需的年龄，”主要作者Alberto Escalante解释说。
但是，波鸿的研究人员选择了另一种方法。他们输入了许多按年龄分类的脸部照片。然后，系统会忽略从一张图片到另一张图片变化的特征，而仅考虑那些变化缓慢的特征。维斯科特解释说：“把它想象成一部包含数千张面孔照片的电影。” “该系统淡化了从一个面孔到另一个面孔不断变化的所有特征，例如眼睛的颜色，嘴巴的大小，鼻子的长度。相反，它着重于在所有面孔上缓慢变化的特征。” 例如，所有面孔上的皱纹数量缓慢但稳定地增加。在估算照片中所描绘的人的年龄时，该算法平均要相距不到三年半。这意味着它甚至胜过人类，
该系统还可以识别种族出身
缓慢原则还使其能够可靠地识别种族出身。这些图像不仅按年龄分类，还按种族分类显示给系统。因此，一个族群的特征在图像之间并没有很快改变。相反，它们变化缓慢，尽管突飞猛进。
他的算法估计有超过99%的概率照片的人的正确的民族，即使平均亮度的图像被标准化，因此，肤色不是为识别标记显著。
