隨著人工智能技術(shù)的不斷發(fā)展，AI似乎變得越來越“無所不能”，只需要一滴唾液或者汗液，就能診斷你的壓力有多大；甚至還能夠能夠通過你的聲音，推測出你長啥樣??？

最近，麻省理工學院人工智能實驗室（MIT CSAIL）發(fā)布了一項令人驚訝的研究——只需要聽6秒的聲音片段，AI就能推斷出說話者的容貌。

其實，從聲音推斷一個人的長相并不是玄學，平時我們在打電話時會根據(jù)對方的聲音腦補出相貌特征，這是因為年齡、性別、嘴巴形狀、面部骨骼結(jié)構(gòu)等，都會影響人發(fā)出的聲音。此外，語言、口音、速度通常會體現(xiàn)出一個的民族、地域、文化特征。

AI 正是根據(jù)語音和相貌的關聯(lián)性做出推測。為此，研究人員提取了幾百萬個 YouTube 視頻，通過訓練，讓深度神經(jīng)網(wǎng)絡學習聲音和面部的相關性，找到說話的人一些基本特征，并還原出相貌。在這個過程中，不需要人類標記視頻，由模型自我監(jiān)督學習。

當然，該研究也有翻車的時候。例如讓一個亞洲人分別說英語和中文，結(jié)果分別得到了一張西方人面孔和一張中國人面孔。還例如變聲期之前的兒童，也會導致模型誤判性別發(fā)生錯誤。