波鴻（Bochum）的神經信息學工程師開發的算法可以像人類一樣準確估算年齡和種族。研究人員還不確定它會解釋哪些功能。

一個人的衰老過程伴隨著臉上的諸如皺紋，皺紋和斑點之類的明顯跡象。波鴻魯爾大學神經計算研究所（RUB）的研究人員開發了一種算法，可以非常可靠地解釋這些特征。RUB小組從2020年5月起將其報告發表在《機器學習》雜志上。

系統已學會估算

“我們不太確定我們的算法正在尋找什么功能，”神經計算研究所的Laurenz Wiskott教授說。這是因為系統已學會評估人臉。由波鴻（Bochum）的研究人員開發的成功算法是具有11個級別的分層神經網絡。作為輸入數據，研究人員向其提供了數千張不同年齡面孔的照片。在每種情況下都知道年齡。“傳統上，圖像是輸入數據，正確的年齡是輸入系統的目標，然后系統嘗試優化中間步驟來評估所需的年齡，”主要作者Alberto Escalante解釋說。

但是，波鴻的研究人員選擇了另一種方法。他們輸入了許多按年齡分類的臉部照片。然后，系統會忽略從一張圖片到另一張圖片變化的特征，而僅考慮那些變化緩慢的特征。維斯科特解釋說：“把它想象成一部包含數千張面孔照片的電影。” “該系統淡化了從一個面孔到另一個面孔不斷變化的所有特征，例如眼睛的顏色，嘴巴的大小，鼻子的長度。相反，它著重于在所有面孔上緩慢變化的特征。” 例如，所有面孔上的皺紋數量緩慢但穩定地增加。在估算照片中所描繪的人的年齡時，該算法平均要相距不到三年半。這意味著它甚至勝過人類，

該系統還可以識別種族出身

緩慢原則還使其能夠可靠地識別種族出身。這些圖像不僅按年齡分類，還按種族分類顯示給系統。因此，一個族群的特征在圖像之間并沒有很快改變。相反，它們變化緩慢，盡管突飛猛進。

他的算法估計有超過99%的概率照片的人的正確的民族，即使平均亮度的圖像被標準化，因此，膚色不是為識別標記顯著。