吴和张也将他们的工作与 2014 年心理学期刊 Psychological Science 发表的一篇论文（Cogsdill 等人，从人脸推断性格：关于发育的研究［Inferring Character From Faces: A Developmental Study］）联系起来。这篇论文的其中一位作者就是我们中的一个人。这篇论文发现，即使是 3 岁到 4 岁的孩子，也能准确地区分“善意”（nice）和“不友好”（mean）的脸部图像。但关键是，没有人声称这些这些印象与一个人的性格有关。本文研究的是在人类发育早期对人脸表情类型（facial stereotype）的识别，使用的也是将这些不同类型的表情可视化的照片。［译注：这里指实验中使用的是心理学研究中常用的代表不同表情的人脸照片。］

　　所谓“友善”和“不友善”的脸看起来是什么样子？过去 10 年有关人脸表情社会感知的研究表明，人对一张脸的印象可以浓缩到一些基本层面，包括强势（dominance）、吸引力（attractiveness）和价值（valence，与“值得信赖”、“外向”等积极评价有关）。科学家开发了各种方法，将这些维度上的典型面部表情可视化。其中一种是，让实验参与者评判随机合成的面孔，是否可靠（trustworthy）和强势（dominance）。由于合成的人脸是根据不同面部特征的相对大小或位置得出的统计模型，所以可以计算出代表“值得信赖”或“不可信任”的人脸的平均特征；对于白人男性，可靠与不可靠的脸分别看起来像这样：

　　图4. 根据儿童和成人的判断，典型的“友善”（左）和“不友善”的人脸

　　看起来“不值得信任”的脸与吴和张论文中“罪犯”的脸（图3）看起来相似。

　　客观的谬误

　　吴和张在论文中并没有危言耸听，将人对一张脸的印象（如“不可信赖”）和所谓的客观现实（如“罪犯”）联系起来，而是声称我们看到的右边的面部特征潜在预示（imply）犯罪行为。这种不正确的断言依赖的是推定的客观性和输入、输出自己算法之间的独立性。

　　因为吴和张使用的算法是基于一种高度通用的深度学习技术——卷积神经网络，后者可以从任何类型的图像数据中学习模式——这种方法可以说是客观的，也就是说，深度学习/卷积神经网络本身并不对人脸面部特征或犯罪行为带有偏见。

　　输入被认为是客观的，因为吴和张的论文使用的是标准化的 ID 照片。输出也被认为是客观的，因为它是一种合法的判决（legal judgement）——是独立于输入的，因为在绝大多数文献中“正义”（justice）都被认为是“看不见的”（注释：正义女神经常被造成带眼罩的形象，代表其客观、不徇私、一视同仁的平等精神）。正如作者所说，

　　“由人类观察者主观判断会导致偏见，而我们是首次在没有任何人为偏见的情况下，研究了根据脸部特征自动推断犯罪分子。”

　　在这里，论文中声称输入和输出的客观性是具有误导性的。但是，这项工作最令人不安的是，它引用了两种不同形式的权威力量——科学和法律，让人群中存在高低贵贱之分的这种说法再次复苏并且予以证明。那些上唇弧度更加弯曲，眼睛更靠近的人都处于社会较底层，容易出现（用吴和张的话说就是）“一大堆异常（不合群）的个人特征”，最终导致这些人在法律上被判定为“罪犯”的可能性很高。

　　这种论调与 Cesare Lombroso 的话很相似。在探索面部外观输入与刑事判决输出之间相关性的可能原因之前，我们有必要停下来，回顾这些声称的历史。

　　“面相学”——科学种族主义

　　面相学和“类型”理论[10]

　　“面相学”的根源在于人类倾向于相关地、隐喻地、甚至是诗意地解释一个人的外表。这种想法至少可以追溯到古希腊人[11]，在文艺复兴时期的多米尼加·詹巴蒂斯塔·德拉·波塔的“人类生理学”（De humanaphysiognomonia）中尤其明显，书中展示：一个长得像猪的人就像猪一样[12]：

　　图5. 一半像男人，一半像公猪：摘自 Giambattista dellaPorta 的 De humanaphysiognomonia（那不勒斯，1586）

　　要在启蒙运动中理解这样的想法，有必要从中去除诗意的成分，集中精力在更具体的身体和行为特征上。在十七世纪，瑞士神学家约翰·卡斯帕拉夫特（Johann CasparLavater）基于眼睛、眉毛、嘴巴和鼻子的形状和位置来分析人的性格，以确定一个人是否具有“欺骗性”、“充满恶意”、“愚蠢”、还是”疯狂“。