每年1月，大約4500家公司前往拉斯維加斯參加消費電子展（***）。2019年的展覽活動與以往相似：公司熱情地鼓吹他們的想法、參展者在推特上發布最瘋狂的產品。今年的趨勢涉及有：無人機，聲控家庭助理，“8K”電視等。但最令人興奮的是聲稱能夠“閱讀”人類面孔的機器人，從一張圖中識別出人類的情緒和健康。

一臺機器將36歲技術編輯Stan Horaczek的照片解讀為“迷人的，30歲，看起來像權志龍”（三個詞匯中的兩個還不錯）。另一臺機器則將其描述為“47歲，男性概率為98％”，二者的特征描述都加入了很多表情符號。

但是有些想法可能會對我們的日常生活產生深遠的影響。英特爾提供了一項最新動態，旨在建立一個由面部表情控制的輪椅（眨眼向左，親吻的表情向右），這對行動能力有明顯和積極的影響。

另外，Veoneer推出了自動駕駛汽車的 “表情識別”概念。它將根據用戶的面部表情做判斷，以確定司機是否在路上困倦或分心。還有的表示有意將醫生的診斷自動化，深入凝視用戶的面部來推斷其病情。

在CES上展出的商品可能是新鮮的，然而，人們試圖讀取面部信息可以追溯到古代。根據J. Paul Getty Trust的Sarah Waldorf的說法，希臘數學家畢達哥拉斯基于“ 看起來多么有天賦 ”來選擇學生。在十五世紀，蘇格蘭詹姆士二世面部的朱紅色胎記被認為是他沉郁脾氣的外在表現。在殖民地歐洲，許多科學家對種族主義漫畫提出了可信度，這種漫畫將人類表達與動物行為聯系起來。

“相貌”一詞意指一種信仰：我們面容的紋路呈現出隱秘不明的信息，其從未真正消失過。在《紐約時報》雜志中， Teju Cole認為，這種信仰體現在每一部攝影作品中：“我們傾向于將肖像解讀為好像我們正在閱讀所描繪者的內在信息，我們談論力量和不確定性，我們贊美他們強壯的下巴。高額頭被認為是聰明的。我們可以輕松地將人們的面部特征與其個性聯系起來。”

但是，兩只眼睛、一張嘴和一個鼻子能告訴我們什么呢？

人類無法“讀取”面孔，但我們在解釋其他人的情緒方面做得很好

美國東北大學心理學和情緒神經科學專家Lisa Feldman Barrett表示：“我認為技術在某種程度上可以用來從你的臉上讀出你的情緒，但不是僅僅識別面部，而是基于具體情境來解讀。”

考慮到痛苦的表情，這普遍被認為是一種不滿的信號。“你在電影《Inside Out》中能夠看到這一點，”Barrett說，“每個人的大腦中的憤怒情緒看起來都是一樣的......這是人們相信的刻板印象。”然而，還有一些有力證據則表明了其他一些東西。“人們在生氣時會皺眉，但有時不會。而且，有的人不生氣時，也會經常皺眉，這意味著皺眉并不是非常適合作為一種對憤怒情緒判斷的依據。”

這就顯示出具體情境（上下文）的重要性。我們不斷分析他人的“肢體語言”、面部表情、甚至他們的語音語調。在我們觀察的過程中，我們會考慮剛剛發生的事情，目前正在發生的事情以及接下來可能發生的事情。我們甚至會考慮在我們自己的身體內發生的事情，Barrett強調，還用我們所感受到的、看到的和想到的。有些人比其他人更擅長這一點，某些因素會影響你在特定互動中的判斷結果。如果你認識一個人 ，通過長期交往，你已經明白了其特定情緒可能表現出的方式 ，那么，你更有可能準確地解釋他們皺眉的原因。

但這些都不是真的“讀取”某人的臉。“這實際上是一個很糟糕的比喻，”Barrett說，“因為我們沒有發現個體行為所蘊含的心理含義。我們在很大程度上基于情境來做出推斷。”充其量，你正在與另一個人的面孔合作 - 從數據（卷曲的嘴唇）和你的先入之見中創造出新的東西，這是機器人目前無法觀察或理解的東西。

這些與生俱來的品質有助于我們判斷、理解他人，以及傳達自己的情感。但這也可能會讓我們誤入歧途。“文獻表明，我們傾向于高估自身的面部識別能力。” 達特茅斯教授Brad Duchaine說。“例如，人們對誰看起來值得信賴以及誰不值得做出一致的判斷，但這些判斷似乎并沒有有效地預測實際情況下的可信度。”

而試圖從人們的臉上收集個人健康狀況同樣復雜。

Ian Stephen是澳大利亞悉尼麥考瑞大學的講師，他使用一種主要的進化范式來研究生理學如何在我們的臉上得到反映。他發現，臉型可以預測BMI和血壓等因素。其最有趣的發現不僅僅是面容，而是著色：研究參與者認為白人皮膚色素沉著更黃、更健康。Stephen認為這與角蛋白（我們從大量水果和蔬菜中獲得的橙色色素）和含氧血液（由心血管問題消耗的溫暖色調）相對應——這是兩種非常真實的健康標志。

大多數這些決定都是在潛意識里做出的。在《 傲慢與偏見》中，達西先生與伊麗莎白貝徒步三英里后面色黯淡。但達西沒有把其吸引力與氧氣血或生殖健康聯系起來，他只是回應他所看到的。雖然這看起來很膚淺，但簡·奧斯汀的浪漫小說揭示了一個更深層次的真理：“被認為具有吸引力的面孔也被認為是健康的。”Stephen說。

許多進化生物學家認為偶爾將身體健康和感知到的美混合在一起是有利的。它至少在理論上幫助動物挑選配偶并繁衍后代。但這并不是萬無一失的：在很多方面，美是多種多樣的，此外，關鍵的是，美受到文化因素的影響。例如，美國人重視瘦身并詆毀肥胖，但瘦弱的人可能是不健康的，肥胖的人則可能非常健康。這些因素已經產生了真正的影響：僅僅因為外表，肥胖者、婦女和有色人種，從工作場所到急診室都受到歧視。

在許多人眼中，美麗可以阻擋一切。2017年的一項《自然》研究顯示，“男性感知的健康狀況是通過平均性、對稱性和皮膚黃度來預測的。”與此同時，女性的健康狀況則“通過女性氣質預測”。

一本19世紀關于面容的書描述了兩種視覺情感。左：完全絕望。 右：憤怒與恐懼混合。

有些人認為借助機器進行面部識別有可能幫助人類擺脫愚昧。其他人則擔心這會把誤解放大到無法控制的程度。在最近發表在《自然》雜志上的一項研究中，與FDNA有關的研究人員使用人工智能來識別兒童臉部照片中的遺傳性疾病。該項目名為DeepGestalt，在17000張圖像的數據集上進行訓練，以識別***多種綜合癥。

根據人們對技術的定位，DeepGestalt可能會激發一種消沉的希望，或者是一種恐懼。Stephen表示，雖然仍然需要醫生來解釋結果，但這種機器可以提供一種“更安全、更方便”的方法來診斷許多疾病。但是，它的使用伴隨著嚴重的道德問題。Stephen說：“曾經私有化的信息，可能更容易被識別。公司是否會開始從你的Facebook個人資料中提取你的照片，并對他們之前無法預知的風險進行分析并否認你的保險或進行額外收費？”

類似的面部識別算法引發了他們自己的隱私問題。2017年，Glaad和人權倡導團體等組織譴責了創建“AI gaydar”的努力。一位評論家稱其為“算法相當于一名13歲的恃強凌弱者。”

對能夠讀取我們思想和感情的人或機器的恐懼，甚至是那些我們希望隱藏的東西，都是技術焦慮的基礎部分，載于喬治·奧威爾的小說《1984》中。但在這個領域，想象力仍遠遠超過我們的技術。

Feldman Barrett認為高技能的情感閱讀機器人是可以實現的， 但目前在這個市場上運營的公司似乎并不具備制造它們的能力。“計算機在視覺領域（檢測行為）發展地越來越好，不幸的是，（程序員）認為檢測行為意味著檢測一種情緒。”她說，“要想取得真正的突破，在某些方面需要改變的不是技術，而是心態、預設。”