「帅不帅」「美不美」，微软小冰告诉你
尽管微软早在几年前就推出了「测颜值」的功能，但随着AI技术的不断进步以及与微信等其他软件的结合使用，微软小冰「测颜值」的小游戏到现在仍然很受网友欢迎。
最近，知乎上「微软小冰测颜值是否比较准？」的问题又被网友们讨论了起来，相关浏览量已经超过了450万。
许多网友都在帖子下面晒出了自己体验小冰颜值评分测试的照片，并给出了自己对微软小冰颜值测试准确性的评价。
更有看热闹不怕事大的网友翻出一些明星的素颜照来让小冰进行颜值打分，有些「素颜」的得分也是比较低……
综合大部分评论来看，大多数网友觉得小冰的评分还是比较准的。虽然有些网友反映同一个人化妆前后的评分不一样，但也从侧面说明了小冰对颜值的评分还是比较准的，要是评分一样，化妆还有什么用呢？
颜值测试背后，我的分数是怎么来的？
暂且将微软小冰颜值评分准不准的争论放在一边，那么这个分数到底是谁给你打出来的呢？
有些网友猜测微软小冰背后实际上是人工在操纵评分，这纯属是「无稽之谈」，且不说人工评分可不可行，单是庞大的工作量就不是人力所能够承担的。
实际上，微软小冰颜值测试程序背后，是一套庞大的AI算法系统在起作用，采用的是深度学习算法的原理。
简单来说，就是我们上传照片后，小冰通过采用最新人工智能AI技术进行精准识别人脸属性信息，并通过数据比对等方式进行一系列人脸相关的属性分析，包括颜值、年龄、性别、微笑程度、情绪、皮肤状态等，然后根据函数模型输出分数。
人脸颜值检测一般视为一个简单的regression（回归）问题，就是找到一个函数 function，通过输入特征 x ，输出一个数值 Scalar 。
在此之前，要收集大量的“人脸”数据，人为的判断颜值并「标注」。一般而言，对同一张脸采集N个「标注」，去掉最高和最低的M个，取剩余标注的平均值来作为AI评分的groundtruth。
Regression的过程一般包括3个步骤：一是确定一个模型，二是确定评价函数，三是找出最好的一个函数。此外，还可以通过对step1和step2的优化来得到更为“准确”的值。
而微软小冰的颜值测试算法可能还涉及到Deep Label Distribution Learning（标签分布学习算法）和ranking（排名），以便得出更加匹配的结果。
微软小冰的颜值测试准不准？较真你就输了！
那么，微软小冰AI算法给出的颜值分数到底准不准呢？
实际上，对于这个问题的回答就好比我们中学时做的语文阅读理解题，参考答案会给出一个所谓的「标准答案」，但实际上几乎没有人的答案和「标准答案」完全一样。
而小冰给出的「分数」，就好比「标准答案」，对于执行算法的程序而言，它无疑是高度「准确」的，但对于有着主观判断的个人来说，就无法保证始终是「标准答案」了。
此外，从人脸检测的AI算法的运行原理上来看，groundtruth实际上是由大量人为的「标注」给出的，只不过当这个数据规模足够大的时候，人的影响因素就降低了。
也就是说，AI参考的标准，是大部分人的一个平均审美值，如果你的审美不在这个平均值内，那么小冰给出的颜值分数在你看来可能就是不准的。
不过说到底，微软小冰的颜值测试不过是一个供大家娱乐的小游戏，为了分数去较真着实没有必要。
参考链接：
https://www.cnblogs.com/xxlad/p/11198853.html
