98
最近发表在《自然·生物医学工程》杂志上的“斯坦福智能马桶”，成为人们热议的“最有味道”的 AI 应用。这款马桶可不是那种只会“自动清洗、烘干、除臭”的伪智能马桶，而是可以分析人的粪便、尿液，同时还能识别人的菊（gang）纹的真智能马桶。
斯坦福研究人员表示，正如世界上没有两片完全相同的树叶，世界上也没有两片完全相同的——菊纹（为此，研究者特意新造了一个组合词 Analprint）。
菊纹识别的用处，倒是没有什么直接诊断疾病的功能，而只是一个身份识别功能。因为研究人员细心地发现智能马桶并不只是由一个人使用，尽管在冲水按钮上安装了指纹识别，但也可能存在便后不冲水的可能，这样会出现“人便不一”的情况。
那菊纹识别就完美地解决了这一问题，毕竟排便的同时就做到身份识别，那自然是百分百准确无误了。为斯坦福研究人员的机智点赞，并配上一张美图来冲淡下大家脑补出的画面！
恭喜人类，在有了人脸、指纹、声纹、虹膜、DNA 之后，我们又解锁了一种识别人类身份的新技能。当然，人体的大数据富矿还有很多，利用 AI 技术对于人类大数据的研究可谓层出不穷。
借此机会，我们可以对近两年来 AI 在人体特征、疾病以及行为等研究做一场浮光掠影式的总结，看看 AI 技术在人类身上有哪些奇葩的识别应用？
人体大宝藏，就是一个行走的数据库
AI 进入我们的日常生活，已经是一个不争的事实，其差别只是我们是否能够意识到 AI 的存在。人脸识别、指纹识别几乎是每天都在用的手机功能。智能音箱的语音识别在随时等候你的召唤，你常用的输入法在预测你接下来想打的字，你常看的新闻客户端和短视频在记录你的偏好，推荐你喜好的内容……
比你更了解你的，不再是你的妈妈，而是无处不在的 AI。比做自己来得更真实的你，不再是你立下的 Flag，而是你无时无刻留下来的数据。如果你还操心《西部世界》里仿真人的自由和解放，还不如多了解下 AI 对我们身体了如指掌的程度。
人体的大数据库还有哪些有趣的宝藏被 AI 挖掘出来呢？
在菊纹识别之外，其实还有一种少为人知的判别个人身份的 AI 技术，那就是步态识别。由于我们每个人的生理结构不同，行走习惯也或多或少有细微不同，那么 AI 就可以根据人的走路姿势来识别人的身份。
相比较人脸、指纹、声纹、虹膜等身份识别，步态识别具有远距离、全视角、难伪装的优点。特别是在安防领域抓“坏人”、找走丢的老人孩子的时候，他们要么是会做刻意的伪装，要么是卷入茫茫人群中。通过遍布公共区域的摄像头的大范围远距离拍摄，就可以根据人们的步态识别来追踪。
当然识别的前提是需要前期数据录入做对照，或者在敏感区域做排除法。未来步态识别可能最先应用于有违法犯罪记录的人群，除了拍照录 DNA，这些人还得在摄像头面前走两步。
唇语识别，也是最近日臻成熟的一项 AI 技术。对于能听能说能看的正常人来说，这个技术非常小众。但对于全世界人口 5%的听障人群，则是一大福音。通过这一新的唇语阅读 AI 系统，听力障碍者可以获得专家级唇语翻译的结果。
未来最可行的方法就是听障人士佩带类似谷歌眼镜的智能设备，通过隐藏摄像头读取对方的唇语，通过 AR 增强来显示翻译出来的文字……这样的界面就会比较友好了。
同样类似的一个手型识别，则更为灵活小巧。通过目标检测 - 分类（SSD-MobileNet）的算法，就可以很快训练出识别手势手型的 AI 模型了。至于作用么，发明者想到用它来隔空发送 Emoji，虽然实用性不高，但是用来表白还是很 Sweety 的。
最新发布的一项 AI 识别应用，技术含量就非常高了。那就是上个月英特尔和康奈尔大学共同推出的 AI 嗅觉识别技术。通过一款英特尔正在研发的 Loihi 人工智能芯片以及一系列化学传感器，开发出的 AI 算法可以采取类人类的嗅觉能力，分辨出数十种有毒化学气味，并且能够标注出来。
这让早已对机器视觉、语音识别脱敏的人们，又可以小小的兴奋一把了。我们大脑里负责嗅觉的部位顶多告诉我们这个气味有点怪异，而在 Loihi 芯片上训练好的模型就能告诉我们这个气味是啥了。未来做家居、新房验收以及一些封闭空间的气体检测，可能只需要一只探测笔就能搞定了。
此外，还有一些医疗上的典型场景，比如帕金森病患者会带有某种奇怪的特殊味道。通过 AI 嗅觉识别，可以及早的发现以及早的预防和治疗。
说到人的疾病的识别诊断和预测，AI 在其中发挥的作用也多到你想象不到。
人类的疾病问题，不过是数据出现异常
对于人类疾病的诊断，AI 技术的参与早已司空见惯。新冠疫情初期，由于核酸检测试剂的不足，疑似病例的肺部 CT 影像的 AI 诊断就成了当时关键的补充。AI 看片把 CT 诊断的效率从十几分钟提高到 20 秒，确诊准确度达到 96%，可见 AI 技术在医疗诊断中的战斗力。
除了这些大规模的 AI 诊断的应用，我们还注意到一些非常小众的应用。
阿尔茨海默症的早期识别就是 AI 技术的一个重要应用。以前，当阿尔茨海默症的临床症状出现，并最终确诊的时候，患者的大脑的神经元已经损伤非常严重了，也基本错过了干预治疗的可能。而将机器学习应用于 PET 神经成像扫描，让 AI 算法学习大脑当中葡萄糖蛋白水平的微妙变化，通过对一个大型数据集 ADNI 的学习，这一系统可以提早大约 6 年时间来识别出阿尔兹海默症的诊断。识别准确度能够达到 98%。
当然，这一 AI 技术还需要在更多的国家和更多的人群中进行学习，以校准算法的准确性。
临终关怀，对于我们可能还是一个陌生的词汇，但也是近几年开始在医疗机构普及的一种护理手段。但临终关怀会遇到一个棘手的问题：如果实施地过早，会造成不必要的资源浪费；如果实施地过晚，等病人病入膏肓，又达不到临终关怀的目的。如果可以找到在三个月到一年内死亡的病人，就可以进行更适合的医疗干预措施。
2016 年来自斯坦福的一个 AI 团队，通过神经网络对 20 万份的患者的医疗记录的学习，在对其中的 16 万份进行了“死亡算法”的训练后，对剩下的 4 万名患者进行了测试，算法对在 3 到 12 个月内死亡的患者的识别准确率达到了 90%，对存活期超过 1 年的患者，准确率达到 95%。
当然，这套“死亡算法”的过程仍然具有黑箱性，重症患者的样本也只是根据医疗水平较高的美国医院的数据得出，并不具有普适性。寿命和死亡对于大多数人而言，也只有一个平均数值的参考，生死大限仍然是一个复杂因素决定的事情，难以被精确预测。
与预测重症患者死亡时间这种较为客观化数据不同的是，通过 AI 预测自杀就是一件更艰难的事情了。本身自杀的原因就是复杂而不确定的。我们往往只能在悲剧发生之后，才会对其进行各种原因的追溯。
可能一个人自杀的成因由几十种甚至上百种因素导致，心理的、生理的以及经济上的。人类的预测基本跟瞎猜的概率差不多。而机器学习可以根据大量有过自杀倾向和自残行为的病患的医疗记录，来训练 AI 识别这些企图自杀的人。来自美国范德堡大学的演技团队通过这一算法测试的结果表明，其预测一个人是否会在未来两年内自杀的准确率为 80-90%，而预测一个人是否会在一周内自杀的准确率为 92%。
但这一预测也仅仅针对有过入院治疗记录的病患。而事实上很多自杀倾向的人并不会去医院接受治疗。另外，预测自杀概率的成因也很难解释，但研究人员发现，患者的睡眠障碍与自杀概率有很大的关系。这一点，值得我们警惕。
尽管这些 AI 算法对于人类疾病的诊断还存在着这样那样的缺陷，但是预测识别算法在医疗领域的应用则是一项创新的尝试，AI 或许将彻底改变现在的医疗诊断和疾病治疗方法，从流感到癌症，从抑郁症到自杀干预，AI 的引入将大大提前病患的诊断时间，能够进行及时的干预和治疗。
伴随争议的 AI 相面，靠谱吗？
俗话说，相由心生，那么反之，通过相貌可以判断一个人的内在特征吗？比如，性取向。这一点似乎正在得到来自 AI 算法的支持。
专门搞事情不嫌事大的斯坦福团队在 2017 年就推出了这一看脸预测性取向的 AI 算法，仅仅根据面部特征就能判断一个人是否是同性恋，男女生的判断准确度高达 81%和 74%。
一位来自南非的学生约翰重现了这一 AI 算法，并从某约会网站上抓取了 50 万张照片，选出一个 2 万张的性别、性取向平衡分布的数据集。然后他又将照片中的面部特征进行提取，转换成四千多个元素的特征向量，来训练出一个回归模型，从而预测新的照片中人物的性取向，测试成绩也达到了男生 68%、女生 77%的准确率。
显然，这一发现是极具争议的。除了对于同性恋等少数群体在个人隐私上的冒犯和人身安全的威胁外，单纯这一识别模型也只是证明了面部特征和性取向之间的相关性，而非因果关系。
然而相关性的研究也很要命。因为斯坦福团队的研究不止是用 AI 相面来判断性取向，也可以来判断人的智商、政治倾向，甚至犯罪倾向。
当然，我们人类自己也有这样的一套直觉或经验判断系统。我们也会根据一个人的表情、神态来判断其聪明程度、暴力倾向等。这似乎是从小孩子就开始的自然能力，而像久经考验的老警察更能从茫茫人群中发现那些可疑人员。这种能力确实非常神秘，但我们也常常出错。网上流传着马云老师屡屡被投资人错过的例子，就是一个很好的反例。光看外表很难断定一个人的才能。
而 AI 算法通过对特定人群的相关面部数据的学习，很快就能进行准确度还不错的特征判断。但这其中包含着种种问题。
首先，如果使用了有偏见的数据，就有可能训练出有偏见的算法模型，比如同性恋者可能更在意自己的外表，会化妆或者对照片进行美化，又比如，较高犯罪率的人群数据是来自有偏颇的司法机构提供的。
其次，本身这些特征在人群当中就存在着一些均衡分布比例。AI 给出的识别的概率并不比这些自然概率高出多少。只要存在着一定比例的错误，那么 AI 的预测的结果就会造成一些严重的后果和风险。
由于我们本身就有这样的预测冲动，现在又有了 AI 算法的帮忙，几乎更加难以抑制研究人员和商业公司将这些算法应用到生产生活当中的冲动了。
比如说 AI 面试。如果仅凭一张照片就能让 AI 给你的职业能力和职场表现打分，你可能会觉得非常不公平。虽然这有效地提高了一些大公司的简历的筛选效率，但同时也可能造成众多的“误伤”。也许就是你在拍照时，嘴角不够上扬，眼神不够坚定导致了分数低下。
还比如说 AI 性格测试。来自澳大利亚墨尔本大学的团队设计了一种 AI 生物识别模型，通过把面部特征和其个性特征相关联进行深度学习，可以分析检测者的出十几种性格特征。
这些研究和应用尽管都极具吸引力，但是在实际的应用仍然要小心谨慎。虽然偏见和歧视无处不在，但如果 AI 技术为这些偏见和歧视提供强大的相关性佐证，那对于普通人来说，显然不是一件值得庆幸的事情。
通过以上的 AI 识别技术的速览，我们才惊讶地发现原来人体的众多秘密正在被 AI 揭示。从最基础的身体数据的识别检测，再到复杂一些的疾病的识别和成因的判断，再到人类深层次行为的识别和预测，AI 正在步步深入其中，试图把人类的行为彻底还原为一件可预测、可计算的既定程序。
从理论上来说，这是有可能的。我们必须克服 AI 算法的黑箱属性，找到高识别率背后的的复杂成因。最终让 AI 变成可解释的，可溯源的一种技术。而从情感上，我们仍然希望自己是自由的，人的某些行为不可能被完全外界客观因素决定的。
在 AI 的应用上，我们始终要保持着一种警惕，那就是 AI 算法在复杂成因的行为的识别和预测都只存在着相关性，而非因果性。具体到一些实际的 AI 应用场景中，其结果仍然只是具有参考价值，而不能成为人们判断的最终依据。就像不能因为 AI 认为一个人犯罪倾向高就提前把他逮捕，一个人被判断智商不足，就剥夺其受教育的权利。
我们同样要留给 AI 技术不断演化、升级的空间。毕竟，执掌最终判断的权力仍然还在人类自己的手中。也许不久之后，这些奇奇怪怪的 AI 应用就会充斥在我们身边，成为我们规划、指导未来生活的重要参考。
