让我们面对现实吧。人工智能驱动的人脸识别系统无处不在。它被用于解锁我们的手机，允许我们进入办公楼，以及在机场以安全措施对我们进行筛查。

在我们最大的城市中，安全摄像头可以追踪我们在几个街区的每一个步伐。百货公司把摄像头对准我们，以确保我们不会偷走商品。

人脸识别也被用于我们的安全：医院和养老院依靠人脸识别来确保对可能患有痴呆症、受伤或处于困境的患者进行正确的识别。它被用于监测生命体征，提供关键的面部颜色和温度数据。它还有助于确保正确给予药物个体。

随着增强安全性的人脸识别的出现，伦理和隐私问题也随之而来。美国公民自由联盟和电子前沿基金会对由监视带来的潜在伦理违规问题发表了公开声明。

另一个令人担忧的领域是偏见。在2018年发布的一项里程碑式的研究中，发现三个主要的性别和种族分类系统存在显著偏见。

计算机科学家乔伊·布奥拉姆维尼发现，虽然较浅肤色的男性的识别错误率从未超过1%，但较深肤色的人的错误率高达20%。

进一步分析数据，发现较深肤色的女性的认可率比较浅肤色的男性低了34%。

这种偏见可能在执法、医疗保健和自动驾驶等领域产生严重的影响，仅举几例。

在这种背景下，索尼的研究人员准备了一份报告，将在定于十月初在巴黎举行的国际计算机视觉会议上提交。

他们提出了一个基于多维肤色分类的新系统，改进了几十年前的标准菲茨帕特里克皮肤分类。

在索尼的博客中，人工智能伦理研究科学家威廉·汤写道：“菲茨帕特里克皮肤分类是一种有价值但粗糙的工具，提供一个从浅到深的单维度的肤色视角。然而，当我们深入探讨人类肌肤的复杂世界以及其在人工智能模型中的表达时，我们意识到这种单维度方法可能无法捕捉到肤色复杂性的全部范围。”

汤指出，肤色在除了浅色和深色之外还有其他变化。他指出，例如，亚洲人的肤色随着年龄增长变得更黄，而白人的肤色则变得更红并且变暗。

为了解决这些特征，汤领导的团队，其中包括索尼研究员艾丽丝·香以及东京大学的普热米斯瓦夫·约尼亚克，开发了一个包含色调因素的多维肤色分类系统。

作者们表示，在解决图像数据库中的偏见问题时，他们从两件事情中得到了特别的启示：一次摄影展览和化妆品行业。

在2016年的一次TED演讲中，艺术家安杰丽卡·达斯展示了一张广泛展示全球各地人类肌肤颜色范围的海报。它们与Pantone色彩进行了配对。

汤说：“我特别被达斯提到的事实所感动，即‘没有人是黑色’和‘绝对没有人是白色’，而非常不同的种族背景有时会得到完全相同的Pantone颜色。”

另一个启示来自化妆品行业。汤表示，多年来，该行业一直致力于纠正其未能提供代表人类肤色多样性的化妆品颜色的问题。

汤说，缺乏全方位的颜色范围“是有问题的，因为它抹去了对东亚人、南亚人、西班牙裔人、中东人和其他那些不适应浅至深谱的人的偏见”，并补充说AI研究人员可能对这个偏见不了解，因为“很少有人有选购化妆品或与自己的肤色配对基础色时的经验”。

这篇名为“超越肤色：一种多维度的肤色外观测量”的研究论文发表在预印本服务器arXiv上。