[-]

社交媒体是自拍照的战场，我们的自我建立在点赞、转发、评论上。但目前为止，只有人类能够成为你在早午餐时所发出的那张自拍照的评判者。

斯坦福的研究人员Andrej Karpathy使用了社交媒体上的照片，根据每张照片所收到的点赞数，训练了一个拥有1亿4千万个参数的神经网络，用于测量最终的自拍照。他采用了卷积神经网络，这是一个常用于图像的人工智能，由Yann LeCunn所发明——他现在在脸谱网领导着人工智能的研究。

首先，它给神经网络展示了200万张社交网络上所搜集的自拍照。根据观看者数量的占比，点赞数量越多的自拍照评分越高。随后，神经网络在多个抽象层面上分解这些照片，最终习得一张好的自拍照是什么样的。

该机器帮助Karpathy意识到关于自拍照的一些真相。首先，点赞数最多的自拍照由女性发出。当机器被要求为新照片进行评分时，在排名前100的照片里，没有一张是男性照片。同时，它偏好一些小伎俩，比如滤镜的使用、对脸部加重饱和度、添加边框等。

[-]

那么，什么样的照片是最差的呢？分数最低的自拍照绝大多数都太近了，并且光线很差。群体自拍照通常评分较低，即便它们在训练过程中被给予了偏好。

Karpathy在一个推特机器人上建立了这个人工智能，它可以为你的自拍照进行百分数的评分。目前为止，它颇为残酷。例如，在过去5年来，我唯一一张没有胡子的照片分数仅为44.7%；这意味着在100张自拍照中，我的这张照片有44.7%的几率进入前五十名。如果我的分数是90%，那么它就有90%的几率进入前半百。

试一试吧，看看这个人工智能机器如何评价你的自拍照。

本文译自 popsci，由 蛋花 编辑发布。

PREV : 有方向感的无人机
NEXT : 俄罗斯宣布2030年前要送人登月