人脸与政治倾向终端
Budots Media Philippines · 研究档案 2026-10-25 · English

人脸能否透露你的政治倾向？

./verdict --subject=faces --target=political_orientation

斯坦福大学十年来的研究给出的答案是：在数百万张人脸的层面上存在微弱信号，落到任何一个人身上，结果接近抛硬币。

互联网政治坐标迷因：20×20 网格，纵轴为威权—自由意志，横轴为经济左—右，格中是标志、旗帜和公众人物的面孔
互联网政治坐标 · 网络迷因，作者不详 · 位置只是观点；本页检验人脸是否携带这种信号
Road to Unfreedom title over a red theatre curtain and a road running to a city skyline相关档案Road to Unfreedom英国、美国、法国和波兰，1981–2026：改变人们能说什么、做什么、拒绝什么的法律
01 · 是否可行

群体：勉强可以。个人：不能。

斯坦福大学商学院（Stanford GSB）的 Michal Kosinski（科辛斯基）训练人脸识别模型来区分自由派与保守派。在大样本中，模型的表现优于随机水平，说明人脸确实携带一定信息。一旦控制表情、姿态和外貌修饰，这部分信息只能解释人与人之间约 5% 的差异。

Kosinski 将这些结果定位为隐私警示，而不是一种可用的工具。

02 · 关键数据

照片与数据

2021 · Scientific Reports1,085,795

来自美国、英国和加拿大的约会网站与 Facebook 照片。成对比较 AUC .72；人类评分者 .55。

2024 · American Psychologist591

实验室拍摄的照片：中性表情、头发后梳、不化妆。算法 r = .22，人类 r = .21。

2024 · 政治人物检验3,401

真实政治人物的照片。相关系数仅为 r = .13。

2018 · 性取向研究35,326

约会网站图片。批评者发现，信号的很大一部分来自外貌修饰和拍摄角度。

03 · 概率

对单个人判断正确的概率

将每项已发表的分数换算为对单个人的一次左/右判断，并假定左右两边人数相等。一个方块代表 2.5 个百分点；青色标记为抛硬币。

20 张照片的测试39–78%

观测值为 60% 时的 95% 区间。少量照片既不能证明有效，也不能证明无效。

100,000 人的 CCTV 人群4,097 : 1

每个真实威胁对应被误标的无辜者人数，即使采用已发表的最佳准确率也是如此。精确率 0.024%。

04 · 特征

模型捕捉到的是什么

头部姿态在 2021 年的研究中，自由派更常正对镜头。
表情在 2021 年的研究中，自由派表现出更多惊讶、更少厌恶。
下半脸在 2024 年的研究中，保守派往往下半脸更大。这是报告中唯一的结构性差异。
外貌修饰胡须、眼镜、妆容和发型随亚文化而不同。在日常照片中，它们贡献了信号的很大一部分。
人口学特征年龄、性别和族裔与政治倾向相关。加入这些变量后，2024 年的结果从 r = .22 升至 .31。
图像本身光照、滤镜和平台风格。这些都与生物学无关。
05 · 人格与性取向

其他特征呈现同样的模式

根据人脸推断人格和性取向的研究呈现同样的模式：大样本中效应很小，而且大部分信号来自自我呈现。

自拍 → 大五人格Kachur 等 2020：12,447 名志愿者，平均 r = .24。数据来自五位作者中三人的雇主。
三维人脸形状Hu 等 2017（上海，复旦大学）：834 名汉族成年人。人脸形状可解释 0.7–4% 的人格方差。
人类评判者Jaeger 等 2024：人们根据人脸形成的人格印象并不准确，而且人们高估了自己的准确度。可信度判断的元分析：r = .14。
招聘与薪酬NBER 2026：根据 96,000 名 MBA 毕业生的 LinkedIn 照片得出的“Photo Big 5”（照片大五人格）分数可以预测薪酬和职级。作者警告不要将其用于招聘。
性取向Wang & Kosinski 2018：成对比较准确率 81% / 74%。Leuner 2019：基于模糊处理照片的模型仍达到 63% / 72%，说明信号的很大一部分并非来自面部结构。
具备视觉能力的聊天机器人Jeon 等 2026：同一则竞选广告中出现女性时，GPT-4o、GPT-4o-mini 和 LLaVA 将其评为更偏自由派。这些模型套用了人口学刻板印象。
06 · 广告与政治画像

目前的应用场景

用于广告和政治的用户画像依靠数字足迹：点赞、帖子和浏览记录。人脸用于身份识别和人口学属性估计。没有文献记录任何已部署的系统根据人脸定向投放政治广告。

心理定向投放Matz、Kosinski 等（PNAS 2017）：根据 Facebook 点赞推断人格并据此匹配的广告覆盖了 350 万人，点击量最多增加 40%，购买量最多增加 50%。
剑桥分析公司在 Stillwell 拒绝向剑桥分析公司（CA）提供 myPersonality 数据后，Kogan 的问卷应用收集了多达 8700 万 Facebook 用户的数据（ICO 2018）。英国信息专员办公室（ICO）后来认定，CA 的模型使用的是「普遍可得的技术」，其实际准确率「很可能远低于」所宣称的水平（ICO 2020）。Facebook 被美国联邦贸易委员会（FTC）处以 50 亿美元罚款（2019）。
广告牌与零售“受众分析”摄像头估计年龄、性别和情绪，用于衡量广告效果或切换广告。据报道，2024 年英国一个车站的试点以这种方式使用了 Amazon Rekognition。
人脸搜索Clearview AI 从网络抓取了数十亿张照片，为警方提供人脸搜索，已被多个欧洲监管机构处以罚款。
退出案例Meta 于 2021 年关闭了 Facebook 的人脸识别功能，并删除了超过 10 亿个人脸模板。HireVue 于 2021 年在招聘面试中停用了面部分析。
伪科学Faception 等初创公司推销“恐怖分子”或“高智商”人脸分类器，但没有发表任何验证结果。
法律欧盟《人工智能法》（AI Act）第 5(1)(g) 条禁止根据生物特征推断政治观点。中国：《个人信息保护法》（PIPL）将生物识别信息列为敏感个人信息；2025 年《人脸识别技术应用安全管理办法》豁免研发和算法训练。美国：伊利诺伊州 BIPA、得克萨斯州 CUBI、加利福尼亚州 CPRA 以及 FTC 的执法。
07 · 谁在做这类研究

开发特征分类器的公司与实验室

有文献记录实际使用的人脸模型分类的是族裔，而不是政治倾向。已报道的案例大多涉及中国的安防监控厂商。

商汤科技据美国财政部（2021），其软件「能够确定目标的族裔」，重点针对维吾尔族。商汤科技称这一说法毫无根据。
华为、旷视科技一份 2018 年的测试报告列有「维吾尔族警报」（IPVM 2020）。华为称这是一项测试；旷视科技表示其不对族群进行标注。
海康威视、大华、宇视摄像头、分析软件和一款 SDK 中的维吾尔族检测（IPVM 2019–2023）。
警方采购《纽约时报》2019：一座城市在一个月内进行了 500,000 次维吾尔族人脸核查。
中国高校上海交通大学（犯罪性，2016）、大连民族大学（族裔，论文附有关注声明 Expression of Concern）、中国科学院心理研究所、复旦大学和西北工业大学（西安）（人格）。
其他地区斯坦福大学（Kosinski）、丹麦（根据候选人照片推断意识形态，61%）、俄罗斯/英国（Kachur，自拍）、以色列（Faception）。
08 · 研究团队
CCTV 画面中的 Bart Sakwerda，带有人脸检测框

Bart Sakwerda

首席研究员 · Budots Media Philippines。安防、CCTV 与数字孪生项目。

credits --orchestration

研究工作流由 Claude Opus 5.5（Anthropic）编排：文献与 GitHub 调研、模拟、本网站。已邀请 Kimi 和 ChatGPT Codex 参与核查。

09 · 资料来源

按主题分类的资料来源

除带标签的条目外，每条资料均于 2026 年 10 月 24–25 日在线打开核对。概率数据来自项目模拟（experiments/sim_single_photo_limits.py）。含核实状态的完整列表：references/bibliography.md。

从人脸推断政治倾向 · 5 条
  1. Kosinski, M. (2021). Facial recognition technology can expose political orientation from naturalistic facial images. Scientific Reports 11, 100. doi — 1,085,795 张约会网站和 Facebook 照片（美国、英国、加拿大）；成对比较 AUC .72，人类评分者 .55。
  2. Kosinski, M., Khambatta, P., & Wang, Y. (2024). Facial recognition technology and human raters can predict political orientation from images of expressionless faces even when controlling for demographics and self-presentation. American Psychologist 79(7), 942–955. doi · arXiv — 591 张实验室照片：算法 r = .22，人类 r = .21，加入年龄、性别和族裔后 r = .31；3,401 名政治人物 r = .13。
  3. Rasmussen, S. H. R., Ludeke, S. G., & Klemmensen, R. (2023). Using deep learning to predict ideology from facial photographs. Scientific Reports 13, 5257. doi — 3,323 名丹麦候选人，准确率 61%。预测结果与微笑相关，对女性而言还与吸引力相关；模型也利用了面部以外的区域。
  4. Lindholm, A., Hjorth, F., & Schuessler, J. (2025). Facial finetuning: using pretrained image classification models to predict politicians' success. Political Science Research and Methods 13(4), 1031–1041. doi — 7,080 名丹麦政治人物；模型给出的吸引力和可信度分数与得票数相关。
  5. Rule, N. O., & Ambady, N. (2010). Democrats and Republicans can be differentiated from their faces. PLoS ONE 5(1), e8733. doi — 人类评判者对候选人照片的判断高于随机水平。
从人脸推断人格 · 10 条
  1. Kachur, A., Osin, E., Davydov, D., Shutilov, K., & Novokshonov, A. (2020). Assessing the Big Five personality traits using real-life static facial images. Scientific Reports 10, 8487. doi — 12,447 名志愿者，31,367 张照片；与自评结果的平均 r = .24。五位作者中有三人任职于提供数据的公司。
  2. Guenzel, M., Kogan, S., Niessner, M., & Shue, K. (2026). AI personality extraction from faces: Labor market implications. NBER Working Paper 34808. NBER — 约 96,000 名 MBA 毕业生的 LinkedIn 照片；“Photo Big 5”（照片大五人格）分数（Kachur 模型）可以预测薪酬、职级和工作变动。作者警告不要将其用于招聘。
  3. Hu, S., Xiong, J., Fu, P., et al. (2017). Signatures of personality on dense 3D facial images. Scientific Reports 7, 73. doi — 834 名汉族成年人的三维扫描（中国科学院—马普学会计算生物学伙伴研究所 CAS-MPG，上海；复旦大学）；人脸形状可解释 0.67–3.95% 的人格方差。
  4. Xu, J., Tian, W., Lv, G., Liu, S., & Fan, Y. (2021). Prediction of the Big Five personality traits using static facial images of college students with different academic backgrounds. IEEE Access 9, 76822–76832. doi — 西北工业大学（西安）；13,347 组学生照片–问卷配对；在分档类别上的准确率「超过 70%」，不能与相关系数直接比较。
  5. Cai, L., & Liu, X. (2022). Identifying Big Five personality traits based on facial behavior analysis. Frontiers in Public Health 10, 1001828. doi — 中国科学院心理研究所；分析 30 秒视频中的面部动作，N = 82，r = .39–.48，没有独立的测试样本。
  6. Jaeger, B., Sleegers, W. W. A., Stern, J., Penke, L., & Jones, A. L. (2024). Testing perceivers' accuracy and accuracy awareness when forming personality impressions from faces. European Journal of Personality 38(6), 907–927. doi — 预注册研究：人类根据人脸形成的人格印象并不准确，而且人们高估了自己的准确度。
  7. Foo, Y. Z., Sutherland, C. A. M., Burton, N. S., Nakagawa, S., & Rhodes, G. (2022). Accuracy in facial trustworthiness impressions: Kernel of truth or modern physiognomy? A meta-analysis. Personality and Social Psychology Bulletin 48(11), 1580–1596. doi — 人脸层面 r = .14，「不太可能具有实际用途」。
  8. Hinds, J., & Joinson, A. (2024). Digital data and personality: A systematic review and meta-analysis. Psychological Bulletin 150(6), 727–766. doi — 涵盖所有类型数字足迹的基准：计算机预测的合并 ρ = .30（42 项研究）。
  9. Kosinski, M. (2017). Facial width-to-height ratio does not predict self-reported behavioral tendencies. Psychological Science 28(11), 1675–1682. doi — Kosinski 本人得出的零结果。
  10. 刘晨, 温芳芳, 佐斌 (2019). 以貌取人可行吗？——基于面孔的特质推理及准确性. 《心理科学》42(1), 150–156. jps.ecnu.edu.cn中文原文 — 华中师范大学的综述：面孔—特质推理具有「适度准确性」，其准确性取决于知觉对象、知觉者、文化和情境。
从人脸推断性取向 · 7 条
  1. Wang, Y., & Kosinski, M. (2018). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. Journal of Personality and Social Psychology 114(2), 246–257. doi — 35,326 张约会网站图片；基于一张图片，成对比较准确率为 81%（男性）和 74%（女性）。
  2. Leuner, J. (2019). A replication study: Machine learning models are capable of predicting sexual orientation from facial images. arXiv 1902.10739 — 20,910 张新的约会网站照片：68% / 77%。基于模糊照片的模型仍达到 63% / 72%，说明信号的很大一部分并非来自面部结构。
  3. Agüera y Arcas, B., Todorov, A., & Mitchell, M. (2018). Do algorithms reveal sexual orientation or just expose our stereotypes? Medium. archive — 两组人在眼镜、妆容、面部毛发和自拍角度上存在差异。
  4. Gelman, A., Mattson, G., & Simpson, D. (2018). Gaydar and the fallacy of decontextualized measurement. Sociological Science 5, 270–280. doi — 该分类器测量的是约会网站上的自我呈现，而不是总体人群中的性取向。
  5. GLAAD & Human Rights Campaign (2017). Joint statement on the Stanford study.未核实 — 称该研究「危险且有缺陷」；原始页面无法访问，引语来自媒体报道。
  6. 积木 (2017). 看脸的世界？通过面部识别技术，AI 可以了解许多个人信息. 爱范儿. ifanr.com中文原文 · 方嘉文 (2017). 你以为人工智能看出了"直"或"弯"？它只是看出了你的偏见. 爱范儿. ifanr.com中文原文 — 中文媒体对该研究及西方批评意见的报道。
  7. 柯鸣 (2018). 性取向被识别后，AI伦理的边界又在哪里？ 36氪. 36kr.com中文原文 — 该研究发表后关于 AI 伦理的评论，并提及中山大学的一个关系识别模型。

未找到针对新人群的同行评议重复研究（2020–2026），也未找到针对性取向的视觉语言模型测试。

AI 模型与刻板印象 · 3 条
  1. Jeon, S., Lee, M. H. J., Montgomery, J. M., & Lai, C. K. (2026). From faces to politics: Vision-language models (sometimes) link visual demographic characteristics to ideological labels. Political Analysis 34(4), 613–621. doi — GPT-4o、GPT-4o-mini 和 LLaVA 将出现女性的相同广告评为更偏自由派（b = .41，而调查中的差距为 .15）；Gemini 拒绝对人脸评分。
  2. Hausladen, C. I., Knott, M., Camerer, C. F., & Perona, P. (2025). Social perception of faces in a vision-language model. FAccT '25, 639–659. doi · arXiv — CLIP 的判断随表情变化的幅度大于随年龄变化的幅度，随光照变化的幅度与随年龄变化的幅度大致相当。
  3. Peterson, J. C., Uddenberg, S., Griffiths, T. L., Todorov, A., & Suchow, J. W. (2022). Deep models of superficial face judgments. PNAS 119(17), e2115228119. doi · One Million Impressions — 对人们如何判断合成人脸进行建模。
批评意见与相面术的历史 · 7 条
  1. Agüera y Arcas, B., Mitchell, M., & Todorov, A. (2017). Physiognomy's new clothes. Medium. summary
  2. Stark, L., & Hutson, J. (2022). Physiognomic artificial intelligence. Fordham Intellectual Property, Media & Entertainment Law Journal 32(4). Fordham — 定义了“相面术式 AI”（physiognomic AI），并主张以法律予以禁止。
  3. Andrews, M., Smart, A., & Birhane, A. (2024). The reanimation of pseudoscience in machine learning and its ethical repercussions. Patterns 5(9), 101027. doi — 讨论了 Kosinski 2024、Wang & Kosinski 2018、Wu & Zhang 2016 和 Kachur 2020。
  4. Todorov, A., Olivola, C. Y., Dotsch, R., & Mende-Siedlecki, P. (2015). Social attributions from faces. Annual Review of Psychology 66, 519–545. doi · Todorov, A. (2017). Face Value. Princeton University Press.
  5. Wu, X., & Zhang, X. (2016). Automated inference on criminality using face images. arXiv 1611.04135 — 上海交通大学；用已定罪男性的证件照对比其他人的网络照片，存在抽样混杂。第 3 版（2017）是作者对批评者的回应。
  6. 虞涵棋, 杨漾 (2017). 谷歌研究员质疑"看脸识罪犯"，交大教授撰文：我被扣帽子了. 澎湃新闻. thepaper.cn中文原文 — 武筱林的回应；报道称研究使用 1,856 张照片，宣称准确率为 89%。
  7. Eckles, D., Gordon, B. R., & Johnson, G. A. (2018). Field studies of psychologically targeted ads face threats to internal validity. PNAS 115(23). doi — 由于 Facebook 的广告投放机制，Matz 2017 的各组之间并非随机化比较。
剑桥分析公司与心理画像定向投放 · 14 条
  1. Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. PNAS 110(15), 5802–5805. doi — Facebook 点赞可以预测人格、政治倾向和性取向。
  2. Youyou, W., Kosinski, M., & Stillwell, D. (2015). Computer-based personality judgments are more accurate than those made by humans. PNAS 112(4), 1036–1040. doi
  3. University of Cambridge Psychometrics Centre. myPersonality. psychometrics.cam.ac.uk — 「已不再运行，数据也不再共享」；截至 2012 年有超过 600 万名志愿者参与。
  4. Information Commissioner's Office (2018). Investigation into the use of data analytics in political campaigns. ICO (PDF) — 多达 8700 万 Facebook 用户；Stillwell 拒绝剑桥分析公司使用 myPersonality，于是 Kogan 自行开发了应用；Facebook 被处以 £500,000 罚款。
  5. Denham, E. (2020). Letter to the DCMS Committee on the ICO investigation. ICO (PDF) — 这些模型是「使用普遍可得技术的、已被广泛认可的流程」；对新对象的实际准确率「很可能低得多」；GSR 的数据不可能被用于英国脱欧公投。
  6. House of Commons DCMS Committee (2019). Disinformation and 'fake news': Final Report, HC 1791. PDF · Oral evidence of C. Wylie, 27 Mar 2018, HC 363. parliament.uk部分核实
  7. US Federal Trade Commission (2019). Final settlement with Cambridge Analytica's former CEO and the app developer. ftc.gov · $5 billion penalty for Facebook. ftc.gov — 被收集的数据及其衍生模型必须删除。
  8. Matz, S. C., Kosinski, M., Nave, G., & Stillwell, D. J. (2017). Psychological targeting as an effective approach to digital mass persuasion. PNAS 114(48), 12714–12719. doi — 覆盖 350 万人；点击量最多增加 40%，购买量最多增加 50%。
  9. Tappin, B. M., Wittenberg, C., Hewitt, L. B., Berinsky, A. J., & Rand, D. G. (2023). Quantifying the potential persuasive returns to political microtargeting. PNAS 120(25), e2216261120. doi — 基于多个属性的定向没有带来额外效果；获得说服效果未必需要大量个人数据。
  10. Simchon, A., Edwards, M., & Lewandowsky, S. (2024). The persuasive effects of political microtargeting in the age of generative AI. PNAS Nexus 3(2), pgae035. doi · Matz, S. C., et al. (2024). The potential of generative AI for personalized persuasion at scale. Scientific Reports 14, 4692. doi
  11. Gibney, E. (2018). The scant science behind Cambridge Analytica's controversial marketing techniques. Nature. doi · Allen, J., & Abbruzzese, J. (2018). Cambridge Analytica's effectiveness called into question. NBC News. nbcnews.com
  12. Bakir, V. (2020). Psychological operations in digital political campaigns: Assessing Cambridge Analytica's psychographic profiling and targeting. Frontiers in Communication 5, 67. doi · Hersh, E. D. (2015). Hacking the Electorate. Cambridge University Press. doi
  13. Lomas, N. (2020). Latest Cambridge Analytica leaks ("Hindsight Files"). TechCrunch. techcrunch.com — Brittany Kaiser 公布的内部文件；未找到公开索引。
  14. DeepTech深科技 (2018). "剑桥分析"究竟如何通过"点赞"来影响投票倾向？ 安全内参. secrss.com中文原文 — 中文解读文章；指出缺乏证据证明该方法改变了选举结果。

数据。公开：上述 ICO、FTC 和 DCMS 文件。不公开：Kogan 的应用收集的个人档案（FTC 下令删除；ICO 销毁了查获的副本）以及 myPersonality 数据集（2018 年停止共享）。本项目只链接官方记录，不使用泄露的副本。

谁在开发：公司与实验室 · 9 条
  1. US Treasury (10 Dec 2021). Sanctions on SenseTime. treasury.gov — 称其软件「能够确定目标的族裔，尤其侧重于识别维吾尔族人」。商汤科技称相关指控毫无根据。
  2. US Treasury (16 Dec 2021). Chinese military-industrial complex companies, incl. Megvii, Yitu, CloudWalk. treasury.gov
  3. IPVM (2020). Huawei / Megvii "Uyghur alert" test report. ipvm.com — 华为：「只是一项测试」；旷视科技：其设计并非用于标注族群。
  4. Rollet, C. (2020). Uniview Uyghur recognition. IPVM. ipvm.com — 一款 SDK 中的族裔代码只列出了维吾尔族；报道还提到海康威视（2019）和大华（2020）。
  5. Asher-Schapiro, A. (2021). Chinese tech patents tools that can detect, track Uighurs. Thomson Reuters Foundation. context.news — 华为与中国科学院、旷视科技以及阿里巴巴的专利申请；附有公司回应。
  6. Wang, C., Zhang, Q., Liu, W., Liu, Y., & Miao, L. (2019). Facial feature discovery for ethnicity recognition. WIREs Data Mining and Knowledge Discovery 9(1), e1278. doi · IPVM (2021) on its ethics. ipvm.com — 大连民族大学与科廷大学合作；300 名维吾尔族、藏族和朝鲜族学生；已发布关注声明（Expression of Concern），未登记撤稿。
  7. Mozur, P. (2019). One month, 500,000 face scans: How China is using A.I. to profile a minority. The New York Times. nytimes.com部分核实
  8. Human Rights Watch (2017). China: Voice biometric collection threatens privacy. hrw.org — 科大讯飞；涉及声纹，而非人脸。
  9. Globes (2016). Israeli co Faception claims it can spot terrorists. globes.co.il — 15 个“分类器”，宣称准确率 80%，没有发表验证结果。
法律：欧盟、中国、美国 · 5 条
  1. Regulation (EU) 2024/1689 (AI Act), Art. 5(1)(g). EUR-Lex — 禁止推断种族、政治观点、宗教、性生活或性取向的生物特征分类。
  2. 《中华人民共和国个人信息保护法》 (2021), Art. 28–29. cac.gov.cn中文原文 — 生物识别信息和宗教信仰属于敏感个人信息；须取得单独同意。没有明文禁止推断政治倾向。
  3. 最高人民法院关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定, 法释〔2021〕15号. court.gov.cn中文原文 — 违反法律规定在公共场所进行人脸验证、辨识或分析，属于侵害人格权益。
  4. 国家互联网信息办公室、公安部《人脸识别技术应用安全管理办法》 (2025), in force 1 June 2025. cac.gov.cn中文原文 — 第 2 条第 2 款豁免研发和算法训练；超过 100,000 人须备案。
  5. US: Illinois BIPA, Texas CUBI, California CPRA, FTC enforcement (Rite Aid, 2023).凭记忆