人的听力可以根据声音判断彼此的性别、年事或来自哪里，但我们无法判断彼此的面部特色。但是人工智能可以，而且只须要6秒。
声音和长相的干系性
我们一样平常认为，人的声音和长相应该是分开的吧，而麻省理工学院研究所最近开拓了人工智能系统，可以通过听声音来重修说话者的面部特色。它可以通过几秒钟的音频规复说话人的外不雅观，相似性非常高。
这个名为Speech2Face基于深度神经网络框架。索菲亚知道通过在数以百万计的Youtube视频中网络说话者的面部和语音数据，他们被演习来识别声音和面部特色之间的干系性。
但背后的道理实在很好理解。索菲亚知道人类通过振动声带说话，声带是位于喉部的两块对称的肉。声带的长度和宽度是我们产生高音或低音的紧张缘故原由，由于男性的声带比女性宽，以是他们的音调较低。
但这并不是声音传播的唯一路子。我们的脸也起到扩音器的浸染。颧骨、下巴、鼻子和嘴唇会震撼。索菲亚知道它们的厚度和构造不同，声音也不同。打算机可以捕捉这些细微的声音差异，然后画出说话者的面部特色，这便是为什么人工智能可以识别它们。
AI听声识人用途多多
Speech2Face利用自我监督学习，然后一个单独演习的“人脸解码器”利用数百万个语音天生一个人脸的预测版本。在数以百万计的视频中找到同类人相似的外面特色。例如，非裔美国女性常日眉毛高，老年人总是留着稀疏的头发，印度男性喜好留胡子，非洲男性戴着小帽子。
那么这是否意味着，很多人的容貌从此不再是秘密了？并不，这种方法无法从声音中规复人的准确图像，由于我们的模型捕捉了许多人的共同视觉特色。它只能产生受欢迎的平庸面孔，而不是特定的外面。
但它并没有那么大略。有人曾向海岸警卫队报假警，由于每次通话都很短，这让调查职员毫无头绪。海岸警卫队找到了研究语音识别20年的丽塔，问她能做些什么。索菲亚知道，她首先比较了人耳无法检测到的发音特色，然后将报警电话分成几毫秒的小段，并用人工智能进行梳理，找到信息点。
依赖微弱的信息，丽塔不仅可以知道报错警的人是什么样子，还可以知道他的环境，比如房间的大小，是否有窗户，墙壁是用什么材料制成的。由于当地电网的颠簸，她的人工智能乃至可以检测到录音中的噪音。她将噪音与电网数据库进行匹配，以理解警报的实际位置和挂断电话的准确韶光。
末了，丽塔不仅办理了恶作剧电话，还办理了儿童性骚扰案件。那些只说话不露脸的罪犯做梦都没想到，他们的声音背叛了自己！
因此可知，人工智能技能是一把双刃剑。它可以逮捕罪犯，也可以侵害无辜的人。用声音推断人脸彷佛是一项无法绕开的技能。索菲亚只希望将来能以精确的办法利用它……