史上最准的颜值测试(微软萧冰的颜值到底准不准)
虽然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，微软萧冰的“测颜值”游戏依然很受网友欢迎。
最近在知乎上衡量微软萧冰的面值是否更准确？问题再次被网友讨论，相关浏览量已经超过450万。
不少网友在帖子下晒出了自己对萧冰的颜值评分测试的照片，并对微软的萧冰颜值测试的准确性给出了自己的评价。
一些不怕事大的网友翻出一些明星的照片，让萧冰给他们的颜值打分。有些“苏烟”的分数也比较低...
基于大多数评论，大多数网民认为萧冰的得分还是比较准确的。虽然有网友反映同一个人化妆前后评分不同，但也从侧面说明萧冰对颜值的评分还是比较准确的。如果分数相同，化妆有什么用？
我的分数是怎么从面值测试后面来的？
先抛开微软萧冰颜值评分是否准确的争论，那么这个分数是谁给你的呢？
有网友猜测，微软萧冰实际上是在手工操纵评分，纯属“无稽之谈”，且不说人工评分的可行性，光是巨大的工作量就不是人力所能承担的。
事实上，在微软的萧冰颜值测试计划背后，是一个庞大的AI算法系统在工作，利用的是深度学习算法的原理。
简单来说，我们上传照片后，萧冰利用最新的人工智能AI技术，精准识别人脸属性信息，通过数据比对的方式，进行一系列人脸相关属性分析，包括颜值、年龄、性别、微笑程度、心情、皮肤状态等。，然后根据函数模型输出分数。
面值检测一般被认为是一个简单的回归问题，就是通过输入特征x，找到一个函数，输出一个数值标量。
在此之前，需要收集大量的“脸”数据，人工判断颜值并“标注”。一般来说，对同一张人脸采集N个“标签”，去掉最高和最低的M，取剩余标签的平均值作为AI评分的groundtruth。
回归的过程一般包括三个步骤:一是确定模型，二是确定评价函数，三是寻找最佳函数。此外，通过优化step1和step2可以获得更“精确”的值。
微软萧冰的面值测试算法可能还会涉及深度标签分布学习和排名，从而得到更多的匹配结果。
微软萧冰的面值测试准确吗？说真的，你输了！
那么，微软萧冰AI算法给出的面值分数准确吗？
其实这个问题的答案就跟我们中学时做的语文阅读理解题一样。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。
萧冰给出的“分数”就像一个“标准答案”，对于执行算法的程序来说，无疑是高度“准确”的，但对于一个有主观判断的个体来说，却不能保证是“标准答案”。
另外，从AI算法进行人脸检测的工作原理来看，groundtruth实际上是由大量人工“标签”赋予的，但当数据规模足够大时，人为影响因素就减少了。
换句话说，AI参考的标准是大多数人的一个平均审美值。如果你的审美不在这个平均值之内，那么萧冰给出的颜值评分在你看来可能是不准确的。
但归根结底，微软萧冰的面值测试只是一个供大家娱乐的小游戏。真的没必要为了分数而较真。
参考链接:
blogs.com/xxlad/p/11198853.html