斯坦福大学研究者采用logistic regression通过人脸图像预测性取向的研究是否科学？

先给你梳理下这个研究的核心情况：斯坦福的Michal Kosinki博士和Yilun Wang提出用AI（具体是logistic regression模型）通过单张人脸照片高准确率预测性取向，这类研究确实引发了不少伦理担忧——毕竟它可能把本就处于弱势的群体推向新的系统性侵害风险里。回到你问的科学性问题，咱们可以从几个维度拆解：

• 算法本身的成熟性：logistic regression是机器学习领域里非常经典的二分类算法，在处理标注明确的分类任务上有扎实的理论基础和广泛应用，从算法选型来说是符合科学规范的。但算法靠谱不代表研究结论的科学性就站得住脚。
• 样本与假设的局限性：首先，性取向本身是一个连续的光谱，而非非黑即白的二元划分，研究强行将其归为两类，这个基础假设本身就存在争议。另外，如果研究使用的样本是特定群体（比如仅来自某社交平台、特定地域或年龄层），那么模型的“高准确率”只能适用于该样本池，根本无法推广到更广泛的人群，这就大大削弱了研究的普适性。
• 相关性≠因果性的误区：研究得出的“人脸特征和性取向关联”，本质上可能只是相关性而非因果性。比如特定群体的妆容、发型、表情管理等社会文化行为，而非生理层面的人脸特征，才是模型识别的关键。把这种相关性解读为“人脸能直接判断性取向”，是典型的科学误导。
• 可重复性与同行评议的缺失：判断一项研究是否科学，很关键的一点是能否被其他研究者重复验证。如果这个研究的公开版本没经过严格的同行评议，或者其他团队无法复现其结果，那么它的科学性就要打个大大的问号。

总的来说，这个研究在算法选型上有科学依据，但在研究假设、样本设计和结论解读上存在明显的局限性，更重要的是它带来的伦理风险远大于其学术价值。

内容的提问来源于stack exchange，提问作者Seth Simba