为什么不能从人脸推断犯罪倾向：标签、偏差与因果边界

人脸识别回答“这两张脸是否属于同一人”，而所谓犯罪倾向推断试图从外貌判断一个人的行为或法律身份。两者目标完全不同。后者把复杂的社会、法律和时间过程压成先天外观标签，首先需要证明问题本身成立，而不是先比较分类器分数。

“被定罪”不是面部生物属性

法律结果取决于行为、证据、执法覆盖、起诉和审判，不是拍照时可以从骨骼直接读取的特征。未被定罪也不等于从未违法，被定罪群体也不代表所有犯罪行为。将两者作为正负类，会把制度选择误写成自然类别。

若一组来自羁押或证件流程，另一组来自职业照或公开头像，表情、光照、镜头、裁剪、压缩、衣着和背景都会不同。即使人工去掉背景，拍摄规范仍可能留在像素统计中。模型只需找到稳定差异，不会询问它是否与目标概念有关。

人脸框尺寸、插值算法、锐化、JPEG量化和相机色彩都会编码数据管线。可以训练一个模型直接预测照片来源；若来源预测很容易，目标分类器就有充分机会利用同一捷径。

训练与测试都来自相同照片管线时，较高分数只能说明偏差能够复制。更严格的检查应按数据来源、拍摄机构和时间整组留出，统一姿态与图像处理，做来源预测基线，并测试模型在交换拍摄条件后是否崩溃。

年龄、性别或族群大致匹配后，职业、收入、地区、相机、表情和司法选择仍可能不同。未知混杂无法靠一张人口统计表消失。若研究声称面部几何导致犯罪，需要独立因果机制与干预证据；分类关联远远不够。

优化器会忠实放大训练标签和数据选择中的规律。2016年的争议研究及其回应使用监督分类区分被定罪与未定罪照片；争论的核心不只是模型类型，而是标签能否代表声称的属性、图像条件是否泄漏，以及结论可能怎样被使用。

某种外观与法律结果可能通过歧视、资源差异或社会反应形成统计联系。使用模型据此加强监控，会把历史不公变成下一轮标签，形成反馈回路。高风险决策还涉及正当程序、申诉、隐私和无罪推定，不能由预测相关性取代。

发表目标、标签和可复用代码会影响后续模仿与部署。研究者应在收集前完成伦理与法律审查，说明不可支持的用途，并考虑是否存在伤害更小、科学问题更清楚的替代研究设计。

NIST的人脸识别人口差异评估显示，即便是边界更清楚的身份匹配任务，不同算法也存在人口统计性能差异。这并不为性格或犯罪推断背书，反而提醒所有面部技术都要按任务、错误类型和受影响群体独立评估。

满足这些条件时，正确改进不是换更大的网络，而是停止构建该分类器，把资源用于可审计的案件流程与偏差检测。

机器学习能够发现数据里的差异；科学与伦理要求我们继续追问，这个差异是什么、为何存在，以及是否有权据此对人作出判断。

建立不含标签的图像审计：比较分辨率、压缩、裁剪、光照、姿态、背景、相机和文件元数据，训练一个只预测数据来源的分类器。若来源很容易被识别，犯罪标签模型就可能把拍摄流程当成捷径。统一裁剪只能去掉部分背景，无法消除成像与选择过程留下的指纹。

进一步使用同一机构、同一设备和相近时间的严格匹配样本，按来源成组切分；若性能大幅下降，说明原结果依赖混杂。即使仍有差异，也要画因果图：被定罪、社会环境、执法选择、照片流程与面部外观如何关联。统计可分不等于存在可用于个体判断的生物机制。

这类系统可能强化对特定群体的监控与歧视，错误又难以由个人纠正。伦理审查不能等模型训练完再补，应在立项时评估标签合法性、受影响者、可预见误用、申诉与停止条件。无法取得知情同意或合理公共利益时，不公开可直接用于筛查个体的模型与接口。

更合理的计算机视觉任务可以聚焦照片质量、身份核验中的同一人匹配或已取得授权的表情动作检测，但它们也各有边界。身份匹配不应扩展为人格推断，表情动作不等于心理状态，更不等于犯罪倾向。

研究报告应公开负结果、切分方式、数据治理和群体误差，而不是用“算法没有情绪”回避训练数据与使用机构的选择。技术中立无法消除决策后果；当标签本身是社会制度产物，停止错误问题往往比优化模型更科学。

任何声称发现稳定面部差异的结果，都应接受独立团队在新机构、统一拍摄协议和预注册分析上的复核；在此之前，不应把探索性相关包装成可部署能力。