整容业大革命:AI告诉你怎么整才漂亮?

全文共3536字,预计学习时长11分钟

图源:blackmodelspicture.net

如果给你400万“整容专款”,你会不会拿去整容?

 

你的女朋友很漂亮,但她告诉你她是整出来的,你会介意吗?

 

不知道从什么时候开始,整容似乎已成为年轻人的一种时尚,特别随着整容机构的普及整容趋于平价,除了明星,有钱人,青春期的学生也成为整容浪潮的主力追随者。

 

2018年之前,作为记者,我报道了许多整容手术的故事,以至于我开始怀疑自己是否也应该整容。

 

但如何决定做哪儿呢?看着镜子里的自己,我不知道怎样做才能使自己看起来更美丽。所以我向一家名为“Analyze My Face”的初创公司(现已倒闭)寻求了建议。

 

这家公司让我使用数码单反相机(DSLR)给自己的脸拍一张高分辨率的照片,然后用这张照片咨询牙科和整容外科医生,为我创建“最佳”脸部模型。显然,我可以使用填充物来填充不够突出的下巴,并在下眼睑上做“蝴蝶夫人”手术来填补凹陷,那时的经历使我印象深刻。

 

敢相信?今天做出这项美丽评估的,是算法而非人类

 

两年的时间对于科技行业来说并不短。现在,许多整形外科医生将照片和人工智能结合起来,打造一副3D渲染的面部图,能逼真地描绘面部运动和表情。接下来,使用工具分析面部特征,并告知每个推荐手术方案所能增加吸引力的百分比。

图源:EvanWeselmann

整容手术在全球仍然占据很大市场。美国的整容医生去年一年大约做了1770万次整形手术,美国整形外科学会(American Society of Plastic Surgeons)估计医美开销大概有165亿美元(不包括与重建相关的程序,它们通常被称为整形手术,而不是整容手术)。

 

很多外科医生对于任何可能提升他们本就利润丰厚的业务的工具都十分感兴趣,这些工具越来越多地以某些方式涉及到人工智能,即可以自己学习、行动和推理的智能系统。

 

我调查了今年举行的约20场整形外科会议,它们大多数都包含与人工智能相关的议程,以及关于软件程序的讨论,这些程序可以做很多事情,从测量面部吸引力到帮助医生向潜在客户推荐手术程序。

 

然而一些专家说,把对美的评估权交给算法可能不是一个好主意。整形外科医生Jungen Koimizu于2019年3月发行的《整形与重建外科杂志》上写道:“人工智能用于审美评估可能会破坏美的文化多样性。”

 

因为许多营销公司使用人工智能来瞄准潜在客户(从行为建模到预测见解和大数据分析的方方面面),这项技术有时甚至在患者做第一次整容手术预约之前就已介入。

 

杜克大学医学院的整形外科住院医生Heather Levites,通过使用一家名为CognoviLabs的情绪分析初创公司的工具(他父亲是这个公司的首席运营官),对社交媒体上提到整容手术关键词的帖子进行分析。

 

该工具扫描推文中提到的关键词,如抽脂和隆胸,并进行分析以了解潜在客户感兴趣的地方以及他们对此的复杂感受。它用六种不同的情绪进行归类:惊讶、愤怒、高兴、厌恶、恐惧和伤心。然后把这些数据分为三个指标:意识、参与和动机——推特用户的动机越强,他们坚持做整容手术的可能性越大。许多行为经济学家报告说,70%的决定是由情绪驱动的。

 

HeatherLevites对以下结果感到很惊讶。社交媒体用户很熟悉隆鼻手术,而Cognovi Labs公司却发现人们对该手术有着很强烈的消极反应。Heather Levites说:“为了做手术,我们不得不打断鼻骨,而这引起了愤怒和沮丧。”她表示可能会通过教育性社交媒体来消除这些情绪。人们不熟悉抽脂术,但吸脂手术在人们的情感依附中排名第一。这项分析帮助她理解了患者对于不同手术流程的感受,现在她正为另一项研究改善参数。

 

最后,她希望能为不同领域的外科医生提供一种工具,以改善在线服务,并适应患者的需求。

 

专家说:把对美的评估权交给算法可能不是一个好主意

图源:Unsplash

整形外科医生对于人工智能的另一种流行的使用方法是像BioMedX和Crisalix的一些工具,它们创建3D模型以向患者展示他们手术后的样貌。但是这种软件面临一个挑战,它使用3D扫描来模拟人体,需要考虑光线、年龄或者不同肤色的变化。

 

在苏黎世,一位专门研究逼真3D人体制作的软件工程师Endri Dibra说,他创建的用以帮助女性模拟乳房重建手术结果的人工智能软件,对于有色人种并不适用(例如非裔美国人的皮肤容易产生瘢痕瘤疤痕,而软件并没有描述这些)。

 

这是因为他与瑞士的外科医生合作,构建了这项预测技术的数据库,而瑞士只有0.6%的人口是非裔美国人。整容外科医生把他们的白人患者送到他那里进行全身扫描,这样他就能利用他们的人体结构来训练软件进行真实合成与图像渲染。

 

Dibra去年创立了一家名为Arbrea Labs的公司。此公司正致力于为接受乳房重建和隆胸手术的女性开发增强现实成像工具。

 

目前他只向瑞士的医生出售隆胸产品。他说,一旦他的数据库中有更多类型的患者,他就会接触国际用户。他对于自己的数据缺乏多样性十分坦诚,这在人工智能领域十分罕见。

 

人工智能领域存在的偏见问题是有据可查的:包括亚马逊和IBM在内的公司被发现在它们的算法中包含着未公开的性别、美貌和种族偏见。亚马逊的招聘应用存在女性歧视,IBM和麻省理工学院开发的一款肖像生成应用将亚裔和非裔美国人的肤色统一为白色。

 

在评估美时,这些偏见可能具有很大的危害性。

图源:huaban

一些外科医生在手术之前使用人工智能工具为患者的美貌评分(通常基于金三角原则)。在整容工作完成后对面部进行二次扫描,就可以为他们变美的程度提供定量数据。这有可能保护外科医生免受对结果不满的患者的诉讼。

 

2014年发表的一篇论文指出,同样的能力也可用于预测术前到术后的变化,以看预期的手术是否能增加美丽。Jonathan Kanevsky告诉VentureBeat:“对于美容效果的量化不仅可以设立预期,还能阻止患者接受效果甚微的手术。”如果只好看了2%,你可能要重新考虑这场手术是否值得你花费时间和精力。

 

衡量美有很多实际的应用——但是谁能决定美是什么呢?

 

Koimizu在论文中提出了对人工智能评估美的担心,他担心外科手术可能会以符合白人和西方审美为标准来调整面部。结果呢?他警告说,“其他文化中的美的价值被边缘化。”

 

Koimizu补充到,“当每个人为吸引力评分,偏见是不可能完全不存在的。”他指出,目前使用的大多数人工智能数据库的种族和性别比例是失衡的,而这样的数据库是不具有代表性的。

吸引力并不是唯一引发问题的人工智能衡量标准。

图源:Unsplash

《整形和重建外科杂志》2019年10月的一份报告评估了机器算法能否辨认面部女性化手术是否成功。利用四个公共神经网络,医生让人工智能评估手术后的变性女性是否被成功归类为女性。

 

手术前,他们错误的概率是47%,手术后纠正为2%。对于跨性别者,一个能正确识别他们性别的客观评估可能有助于他们对自己的皮肤感到自信——但是定义男性或女性“是”什么可能和定义什么是“美”一样令人焦虑。

 

你不能把这些工具仅仅局限在一些应用上。提到整容外科手术中的人工智能,自然而然会联系到整形手术,它利用人工智能达到了好的效果。例如,来自哈佛医学院、马萨诸塞州眼耳科医院、澳大利亚皇家外科学院以及其他研究机构的外科医生利用人工智能评估面瘫病人的颅脑手术术后结果。他们尤其想知道病人的术后微笑是否传递了真实的情感?

 

这是一项有用的评估。在意大利,外科医生正将人工智能应用于伤口护理。他们的算法检测到受损皮肤的正确率为94%,可用于定制治疗方案。

 

人工智能在整形和整容手术中的一些应用明显属于好的范畴。但以此来判断什么是美,并根据算法的建议进行操作则令人毛骨悚然。

插画:整容液 图源:zcool

至少就目前来说,外科医生只是把人工智能当作参考,而不是上帝。只要我们意识到这一点,可能就不会有什么问题。

 

话说回来,美丽真的可以有统一标准吗?先不论各国个人审美的差异,“情人眼里出西施”这种情况又该如何考虑?

 

所以,在小芯看来,自然自信才是让你闪闪发光的不二法器!

推荐阅读专题

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

编译组:贺宇、林柯秀

相关链接:

https://onezero.medium.com/plastic-surgeons-are-using-a-i-to-determine-beauty-14444df05325

如需转载,请后台留言,遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017 论文集:34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你

以下是对提供的参考资料的总结,按照要求结构化多个要点分条输出: 4G/5G无线网络优化与网规案例分析: NSA站点下终端掉4G问题:部分用户反馈NSA终端频繁掉4G,主要因终端主动发起SCGfail导致。分析显示,在信号较好的环境下,终端可能因节能、过热保护等原因主动释放连接。解决方案建议终端侧进行分析处理,尝试关闭节电开关等。 RSSI算法识别天馈遮挡:通过计算RSSI平均值及差值识别天馈遮挡,差值大于3dB则认定有遮挡。不同设备分组规则不同,如64T和32T。此方法可有效帮助现场人员识别因环境变化引起的网络问题。 5G 160M组网小区CA不生效:某5G站点开启100M+60M CA功能后,测试发现UE无法正常使用CA功能。问题原因在于CA频点集标识配置错误,修正后测试正常。 5G网络优化与策略: CCE映射方式优化:针对诺基亚站点覆盖农村区域,通过优化CCE资源映射方式(交织、非交织),提升RRC连接建立成功率和无线接通率。非交织方式相比交织方式有显著提升。 5G AAU两扇区组网:与三扇区组网相比,AAU两扇区组网在RSRP、SINR、下载速率和上传速率上表现不同,需根据具体场景选择适合的组网方式。 5G语音解决方案:包括沿用4G语音解决方案、EPS Fallback方案和VoNR方案。不同方案适用于不同的5G组网策略,如NSA和SA,并影响语音连续性和网络覆盖。 4G网络优化与资源利用: 4G室分设备利旧:面对4G网络投资压减与资源需求矛盾,提出利旧多维度调优策略,包括资源整合、统筹调配既有资源,以满足新增需求和提质增效。 宏站RRU设备1托N射灯:针对5G深度覆盖需求,研究使用宏站AAU结合1托N射灯方案,快速便捷地开通5G站点,提升深度覆盖能力。 基站与流程管理: 爱立信LTE基站邻区添加流程:未提供具体内容,但通常涉及邻区规划、参数配置、测试验证等步骤,以确保基站间顺畅切换和覆盖连续性。 网络规划与策略: 新高铁跨海大桥覆盖方案试点:虽未提供详细内容,但可推测涉及高铁跨海大桥区域的4G/5G网络覆盖规划,需考虑信号穿透、移动性管理、网络容量等因素。 总结: 提供的参考资料涵盖了4G/5G无线网络优化、网规案例分析、网络优化策略、资源利用、基站管理等多个方面。 通过具体案例分析,展示了无线网络优化中的常见问题及解决方案,如NSA终端掉4G、RSSI识别天馈遮挡、CA不生效等。 强调了5G网络优化与策略的重要性,包括CCE映射方式优化、5G语音解决方案、AAU扇区组网选择等。 提出了4G网络优化与资源利用的策略,如室分设备利旧、宏站RRU设备1托N射灯等。 基站与流程管理方面,提到了爱立信LTE基站邻区添加流程,但未给出具体细节。 新高铁跨海大桥覆盖方案试点展示了特殊场景下的网络规划需求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值