波鸿的神经信息学工程师开发的算法可以像人类一样准确地估计年龄和种族。研究人员不确定它将解释什么功能。
一个人的衰老过程伴随着脸上的皱纹、皱纹、斑点等明显的迹象。鲁尔大学神经计算研究所(RUB)的研究人员开发了一种算法，可以非常可靠地解释这些特征。RUB集团从2020年5月开始在杂志《机器学习》上发表报告。
系统已经学会估计
"我们不太确定我们的算法在寻找什么函数。神经计算研究所的Laurenz Wiskott教授说。这是因为系统已经学会了评估人脸。波鸿的研究人员开发的一种成功算法是一种具有11个级别的分层神经网络。作为输入数据，研究人员向他们提供了数千张不同年龄的人脸照片。知道每种情况下的年龄。"传统上，图像是输入数据，正确的年龄是输入系统的目标，然后系统试图优化中间步骤来评估所需的年龄，首席作者阿尔贝托埃斯卡兰特解释道。
然而，波鸿的研究人员选择了另一种方法。他们输入了许多按年龄分类的面部照片。然后，系统会忽略从一张图片到另一张图片变化的特征，只考虑那些变化慢的特征。维斯科特解释说，“quot把它想象成一部有成千上万张人脸照片的电影。""该系统淡化了一张脸与另一张脸之间不断变化的所有特征，如眼睛的颜色、嘴巴的大小、鼻子的长度。相反，它专注于所有人脸上缓慢变化的特征。"例如，所有脸上的皱纹数量缓慢但稳定地增加。当估计照片中描绘的人的年龄时，算法之间的平均距离不到三年半。这意味着它它甚至比人更好，
该系统还可以识别民族血统。
慢的原则也使它能够可靠地识别民族血统。这些图像不仅按年龄分类，还按种族显示给系统。因此，一个族群的特征不会在图像之间迅速改变。相反，它们变化缓慢，尽管是跳跃式的。
他的算法估计，即使图像的平均亮度被标准化，也有超过99%的概率人们会拍摄正确的种族群体的照片，因此肤色对于识别标记来说并不显著。
