相面(相面软件免费)-测八字网

本文目录一览：

曾国藩教你怎么相面，全是干货，你确定不看看
登上Nature\u0026Science，AI「看面相」识别遗传病准确率达91%
内心的秘密写在脸上，科学家用面部识别预测性取向和犯罪倾向 |一刻·晨读

曾国藩教你怎么相面，全是干货，你确定不看看

周而复始轮于面，纹痣缺陷祸非轻。

限运并冲明暗便，更逢破败属悠冥。

又兼气色相形克，骨肉破败自零仃。

五岳四渎相朝挹，扶摇万里任腾飞。

谁识神仙真妙诀，相逢谈吐世人惊。”

这是一首晚清时期脍炙人口的相面歌。

麻衣神相图

相面是一门古老的学问，传统的相面术认为，人的面目以鼻子为中轴线，自上到下有十三个重要部位，每一个部位左右与其相对的还有其他一些部位，共计146个。这146个面部部位把人生的命运前途都包涵了。从面相学的角度看，人类小小的一张脸，却是方寸乾坤，气象万千。

据说，人的“面相”是前世修来的，人的荣华富贵、贫贱祸福、贤愚善恶等等，都体现在人的面相上，是为“相由心生”。此外，人的音容笑貌、皮肤骨骼也都预示着人一生的命运。

中国古代著名的相面大师“麻衣先生”在其名著《金锁赋》中写道：“相法百家归一理”，一个人能否精通相术，除了勤学苦练，还要有“悟性”，尤其重要的是要有“异人指点”。如果翻看几本相书，就自认看懂了相术，那是不可能的。

麻衣先生毕竟是传说中的“人物”，我们无法知晓他的“相术”到底如何。不过，晚清名臣曾国藩却是一个有史可证的“相面老手”。传统科举制度下的士大夫光靠饱读诗书、写一笔漂亮的八股文，要想在尔虞我诈的官场中如鱼得水是远远不够的。要想飞黄腾达，除了有“靠山”，还要精通易理，会察言观色，领会相面术。如此，方能在观察中审时度势，吃得开。曾国藩就是这样的一个人。

1811年11月26日（清嘉庆十六年十月十一日），曾国藩出生在湖南湘乡一个私塾先生家。自明代以来，曾氏家族就世代务农，虽不富有，却乐善好施，在乡里赢得了好名声。俗话说，好人有好报，不是不报，时刻未到。曾氏祖上几百年积累的“阴功”到曾国藩这一代，总算得到了“好报”。

1838年曾国藩进京参加会试，殿试取得三甲第四十二名，赐同进士出身。这一年会试的主考官是大学士穆彰阿。这位穆彰阿嫌曾国藩的旧名字（子城）太俗气，为其改名为“国藩”。1840年，曾国藩被授予翰林院检讨，官秩从七品。由此开始了他的仕宦生涯。其后十年，曾国藩七次升迁，连跃十级，官至礼部右侍郎。1851年洪秀全领导太平军起义，曾国藩受命运危难之间，奉旨编练“湘军”。在镇压太平军的过程中，曾国藩功勋卓著，一度权绾四省，位列三公，一生之功业达到顶峰。

毫无疑问，曾国藩在晚清仕途上是出类拔萃的成功人士。他的事业之所以如此成功，除了得力于天时地利之外，还与他有特殊的用人本领，即精通“相术”有关。曾国藩将传统的“相术”智慧用于湘军的人力资源管理上，得心应手，占尽了“人和”。一个人，在事业上占尽了天时、地利与人和，焉能不成功？

曾国藩

曾国藩为何醉心于相面这些所谓的“封建迷信”？其实这是那个时代读书人的“通病”。晚清时期，还是一个“信神”，“敬神”的时代，只有到了20世纪初期以后，西方文明科技文明大肆侵入之后，中国人的信仰观念才发生缓慢的变化：从“迷信鬼神”转向“崇拜科技”。

有人问了，曾国藩在日常生活中是如何信神的呢？举例说，1843年正月初一，这天住在京城的曾国藩早早起床，开始“敬神”，并“北向朝贺”。过会，曾国藩又“磨墨试笔”，只写了两个大字：“孝”和“敬”。吃完早饭，曾国藩就出门拜年去了。

一个月之后，北京城的天象突变。1843年阴历2月12日，曾国藩与他的好友蕙西，连夜讨论“天象”。他说：“西南方有苍白气，广如一匹布，长数十丈，斜指天狼星”，曾国藩此时还对天象没有研究，他只是疑惑地说：“不知主何祥也？”次日上午，曾国藩又去朋友处聊天，对“风水之说”产生了兴趣。

这时的曾国藩尚闲居在翰林院，那是一个闲得无聊的部门，汇聚了一帮穷进士，在里面熬日子，等待哪天圣旨降临，获得某个部门的实缺，就离院别任去了。翰林院的日子，倒也清闲，故而曾国藩有足够的时间去研究“天象”、“风水”、“周易”和“相术”。

曾国藩日记手迹，道光二十一年十月廿二日，这则日记倒数第二行明确记载，曾国藩仍”读易“，易即《易经》也。

1858年，清军与太平军的决战进入关键阶段。这一年，也是湘军统帅曾国藩一生中最不顺的一年。这年7月13日，咸丰皇帝委任曾国藩兼办浙江军务，曾国藩于8月15日抵达江西南昌，与他的好友胡林翼会商进兵、筹饷之策。不料，11月15日，曾国藩的弟弟曾国华和湘军干将李续宾在安徽“三河镇”战死，史称“三河之役”。据史料记载，曾国华”英略盖世“，而李续宾号称“中兴名将”，二人战死沙场，令曾国藩的湘军“大震”。

亲胞弟的死亡，令曾国藩产生了某种“心电感应”，他在11月19日的日记中写道：“是日，眼蒙殊甚，不能写字”。当时通信方式落后，一直到12月22日，曾国藩才获悉三河战役失败事情，但其胞弟阵亡消息要到数日后他才知晓。这些不幸的事件，对曾国藩的心里产生了严重影响，也是在这个时候，曾国藩开始用“相面术”来安排湘军人事问题。

1858年11月19日，曾国藩在日记中记下了他几位部下的“面相”。如刘长春，湘乡城里人，27岁，“面貌俗”，“聪明而滑”；王品高，栗山铺人，31岁，“目下视，身长，结实，鼻好，耳好，目低”；11月27日，曾国藩又记载了几位将官的面相，如下：萧浮洒，“口拙讷，神不外散”；刘湘南，“眼黄有神光，鼻梁平沓，口圆有童心”；熊登武，“目有精光，三道分明，鼻色榫勾而梁方，口有神而纹俗”。11月28日，曾国藩又记载：周惠堂，“颧骨高，方口好，面有昏浊气，色浮，不甚可靠”。11月30日，曾国藩写道：黄东南，22岁，“目光三道，面麻，声不雄”。12月2日，曾国藩记载：唐顺利，38岁，常宁人，“目小有精光，眉粗，笨人”。如此云云，不一而足。

根据上面的曾国藩对部下的相术记载，可以得知，曾国藩主要是根据人的五官相貌、身形长短、声音、气色、谈吐等方面，对一个人的品行进行一个总体的评价，再据此决定是否委以重任。不过，曾国藩的相术，不是用来推断一个人的“吉凶祸福”，而是用来推断其“心术”是否“正”，是否可担当“重任”。

经过对部下相面的多次实践之后，1859年4月10日夜，曾国藩长久未眠。这一夜，曾国藩苦苦思考“相人之法”，并总结了“十二字真诀”，即“六美六恶”。所谓“六美”，曰“长、黄、昂、紧、稳、称”；而“六恶”是“村、昏、屯、动、忿、钝”。总的看，这“十二字”相人真诀都是偏向于观察一个人的“气象”。通过观察人的“气象”来裁断其“心术”。曾国藩是湘军统帅，他需要的是强兵干将，也希望重用的部下有“好运”，自然他也会沾“喜气”。

在“六美”中，曾国藩很看重“黄”，因为根据相法，“黄色”是“喜气色”，主功名富贵。麻衣神相说：“名成利遂，三台宫有黄光”，即指此言。用今天的话说，曾氏“六美”、“六恶”都是偏重于人的“情商”之高低。在曾国藩看来，情商是一个人能否成“大器”的关键！

古语云“有心无相，相逐生心；有相无心，相随心灭”。其意是说，凡人生得心地好，而相貌不好，则相貌会随着心地向善而变好。反之，一个人如果相貌好而心地坏，那么好的相貌也会随着坏心而变坏。简言之，“心”为人身之主，相由心生。话又说回来，一个人的面相再好，要想事业有成，也必须能吃苦，有恒心。

曾国藩的得意门生李鸿章，身极“长”，约一米九。

这一点，曾国藩也是承认的，他自己的座右铭就是：“能吃天下第一等苦，乃能做天下第一等人”。

作为晚清封疆大吏，曾国藩位极人臣，一生阅人无数。在此期间，有许多人被曾国藩相过面，但蒙其提携有加的，当首推未来的直隶总督兼北洋大臣李鸿章了。如前言，在湘军遭遇“三河战役”的惨败之后，曾氏就上奏朝廷，说：论大局之轻重，宜并力江北，图清中原；论目前之缓急，宜先攻景德镇，保全湖口。

这是一场硬仗，如何打，曾国藩心里也没有底。于是，曾国藩招贤纳士，北京翰林院编修李鸿章应召而至。多年前，曾国藩在京城为官时就见过李鸿章，对李鸿章产生非常好的印象，遂有师生之谊。

1858年12月25日，曾国藩得知李鸿章已经过了广信，即将来营会晤，令曾氏“为之欣喜”。

李鸿章来后，经常与曾国藩彻夜长谈。比如，1859年1月16日，曾国藩日记写道：夜，与少荃（李鸿章字）论江南北各路军务。次日夜，曾国藩又记载：夜与少荃熟叙。从面相上看，李鸿章完全符合曾国藩的相术“六美”！像李鸿章这样拥有“六美”气象的人，又得到曾国藩的提携，在仕途上若不春风得意，那叫才怪呢。

登上Nature\u0026Science，AI「看面相」识别遗传病准确率达91%

AI 人脸识别技术已被广泛用于手机解锁、移动支付，甚至「看面相」。近日，来自美国数字医疗公司 FDNA 的研究人员提出了一种深度学习应用 Face2Gene，可以帮助医生识别罕见基因疾病。他们的研究登上了医学期刊《Nature Medicine》，并被 Nature 和 Science 争相报道。

和大多数消费产品一样，Face2Gene 的 APP 可以搭载在智能手机里，其识别遗传病的 top-10 准确率高达 91%。研究者称，这种深度神经网络识别罕见病的准确率超过了人类医生。如果继续改进一些问题，它就可以帮助全球儿童获得更好的医疗条件了。

本月 7 日发表在《Nature Medicine》上的一篇论文提出了一种深度学习算法 DeepGestalt，可以帮助医生和研究人员通过分析人们的面部照片来发现罕见遗传病。在这篇论文中，研究者详细介绍了这项辅助诊断方法背后的技术——一个名为 Face2Gene 的智能手机 APP。该应用依靠深度学习算法和类脑神经网络来区分人类照片中与先天性和神经发育障碍有关的独特面部特征。利用从照片中推断出的模式，该模型可以定位到可能的诊断结果，并提供可能的选项列表。

研究人员正在提高算法能力，以帮助发现诸如德朗热综合征 (CdLS) 等遗传疾病的身体特征。

医生已经使用这种技术作为辅助手段，尽管它给出的诊断并不是决定性的。但是，研究者表示，这一工具引发了人们对伦理、法律方面的担忧，包括训练数据集中的种族偏见和数据集的商业成分，二者都可能会限制这一诊断工具的使用范围。

FDNA 是马萨诸塞州波士顿的一家数字医疗公司。在该公司首席技术官 Yaron Gurovich 的带领下，研究者们首先训练人工智能系统来区分德朗热综合征和天使人综合征，这两种疾病患者都有有别于其他疾病的明显面部特征。他们还教该模型区分对第三种疾病——努南综合征的不同基因形式进行分类。

接下来，研究者们给算法输入了涵盖 216 种不同综合征的 17000 多张确诊病例的图像。在用新面孔进行测试时，该 APP 的最佳诊断猜测准确率达到了 65%。如果考虑多个预测结果，则 Face2Gene 的 top-10 准确率可以达到约 90%。

缩小可能病症的范围

最终，FDNA 想开发该技术来帮助其他公司过滤、优先处理和解释 DNA 分析中发现的未知基因变异。但是要想训练模型，FDNA 需要数据。

因此目前医疗专家可免费使用 Face2Gene app，其中许多人将该系统作为诊断罕见遗传性疾病的第二选择，Nemours/Alfred I. duPont 儿童医院医学遗传专家、该研究的共同作者 Karen Gripp 说道。它还可以为对病人症状摸不着头脑的医生提供思路——「类似谷歌搜索」。

Gripp 也是 FDNA 的首席医疗官，她使用该算法帮助诊断一个小女孩的 Wiedemann–Steiner 综合征。这个小女孩才四岁，由于年龄较小，除了掉落大部分乳牙并长出多个恒牙，很多典型的躯体症状尚未显现。

Gripp 读了很多关于患有 Wiedemann–Steiner 综合征的儿童牙齿过早生长的案例报告，这是由一种叫作 KMT2A 的基因变异引起的罕见疾病。为了支撑该诊断的置信度，Gripp 将这个患者的照片上传到 Face2Gene。软件上出现了「Wiedemann–Steiner 综合征」。

接着，Gripp 用靶向 DNA 测试进一步确定了这一诊断结果。她说，该 AI 方法可以帮助她缩小可能病症的范围，节约了更昂贵的多基因检测（multi-gene panel testing）费用。

DeepGestalt 高级流程和网络架构。该网络由十个卷积层组成，除了最后一个之外的所有层都是批量归一化和 ReLU。在每对卷积层之后是池化层（在前四对之后的最大池，和在第五对之后的平均池）。然后是具有 dropout（0.5）和 softmax 层的全连接层。

「打败人类」

Gurovich 表示，随着更多医疗专家将病人的照片上传到该 APP，该项目的准确率也得到略微提高。现在该项目的数据库中大约有 15 万张照片。

在去年八月举办的一个先天性缺陷研讨会上，人们对 Face2Gene 和临床医生的准确率进行了一次非正式对比，结果表明 Face2Gene 优于人类。南卡罗来纳州格林伍德遗传中心（Greenwood Genetic Center）遗传学家 Charles Schwartz 向参与者发放十个儿童的面部照片（症状「容易识别」），然后让参与者进行诊断。

只在两张照片上有半数以上的临床遗传学家诊断出正确结果。而 Face2Gene 正确识别了其中 7 张照片里的症状。

「我们输得很惨，Face2Gene 打败了我们。」美国国家人类基因组研究所（US National Human Genome Research Institute）临床遗传学家 Paul Kruszka 说道。「我认为儿科医生和遗传学家将会有一个类似的 app，并像使用听诊器一样使用它。」

筒仓效应和偏见

但只有训练数据集够好，算法才足够好用，因此这种技术存在风险。尤其是涉及那种全球患者人数极少的罕见疾病时，公司和研究人员各自为营，将其数据集商业化。「这会威胁到这项技术的主要潜在优势。」带头促进这一领域数据共享的牛津大学计算生物学家 Christoffer Nellåker 说道。

训练数据集（其中大部分为白人）中的种族偏见仍是一大问题。2017 年的一份儿童智力障碍研究表明，Face2Gene 对唐氏综合征的识别率在比利时白人小孩中为 80%，而在刚果黑人小孩中仅为 37%。然而，随着训练数据集变得更加多样化，算法对非洲面孔的识别准确率亦随之提升，表明多样化人群的更公平表示是可以实现的。

「我们知道这个问题需要解决，但随着我们技术的发展，偏见会越来越少。」Gurovich 表示。

论文：Identifying facial phenotypes of genetic disorders using deep learning

https://www.nature/articles/s41591-018-0279-0

摘要：综合征遗传病影响了 8% 的人口。很多综合征具有可识别的面部特征，这些特征对于临床遗传学家来说具有很高的信息价值。最近的研究表明，面部分析技术识别综合征的能力已经达到了专业医生级别。然而，这些技术只能识别少数疾病表型，因而在临床诊断中发挥的作用有限，临床诊断中需要识别的综合征有上百种。本文提出一种面部图像分析框架 DeepGestalt，该框架利用计算机视觉和深度学习算法量化了数百种综合征的相似性。

在最初的三个实验中，DeepGestalt 的表现超越了临床医师。其中两个实验用于区分患有目标综合征和其它综合征的患者，剩下的一个用于区分努南综合征的不同基因亚型。最后一个实验是反应真实临床问题，而这次 DeepGestalt 在 502 张不同图像上识别正确综合征的 top-10 准确率达到了 91%。该模型是在一个包含 17000 张图像的数据集上训练的，这些图像共呈现了 200 多个综合征，通过社区驱动的表型平台进行策划。DeepGestalt 为临床遗传学、基因测试、医学研究和精准医疗中的表型评估增加了相当大的潜在价值。

内心的秘密写在脸上，科学家用面部识别预测性取向和犯罪倾向 |一刻·晨读

By 超神经

中国的一句老话「相由心生」，最近通过斯坦福的科学家用人脸识别技术得到了验证。

他们的研究中，提出了一个大胆的猜测：人的性取向和犯罪倾向，都可以通过人脸的面部识别分析出来。听起来很不可思议，当然，有人好奇，希望尽快得到实践应用，也有人大力抨击，认为这是一种极大地歧视。

面部识别，最广泛的用途是在安防、监控、金融风控等领域，主要用作实人认证。而现在，面部识别在斯坦福大学课题组的带领下找到了新的方向，他们希望通过面部识别，研究人的性取向和犯罪倾向。

之所以研究性取向，也是因为社会的进步让边缘文化得到发展，进一步融合进主流文化并得到更多人的接纳。不同多数人的性别认知越来越被接受，不同的性取向也得到了社会的认同，甚至法律上的认同。

尤其是社交类型的软件，不仅有很多专为少数性向人群设计的 app，包括 Facebook 早在 2014 年就开始注重性别和性向类型的区分，将在用户的性别选项中，将原本的二项选择增添到了 58 项之多，包括 Androgyne （两性人）， Male to Female（男变女）， Transgender Female（跨性女）， Two-spirit（两魂人等）。

Facebook 注册页面的性别选项曾高达 71 个（左图）

Google I/O 2019 注册页面的性别选项有 5 个和自定义（右图）

而现在的网站上，已经见不到这些选项，除了男性和女性之外，还有一个自定义选项，意味着你可以在填上任意的性别。

但如果有人告诉你，通过你的照片就会知道你有多大几率有可能变弯，你会是什么反应？再如果，通过照片推论你有不小的犯罪几率呢?

当 AI 化身 Gaydar

斯坦福大学的团队在 2017 年发布了一篇论文《Deep neural networks are more accurate than humans at detecting ual orientation from facial images》（翻译：深度神经网络比人预测图像中人物的性取向更准确》），第一次将 AI ，面部图像，同性恋这三者关联了起来。

通过多张图像合成的性取向面孔图像和脸部特征

通过从社交网站摄取的面部照片，利用深度神经网络（ DNN ）学习了一些特征之后，再通过一些机器学习的方法，达到分辨性取向的目的。

他们最后的结果是 AI 模型的识别准确率要优于人类，机器算法可以通过面部的一些特征来分辨出人物的性取向。

在不到一年的时间，一位叫 John Leuner 的硕士生将这个研究复现和改进，他的论文《A Replication Study: Machine Learning Models Are Capable of Predicting Sexual Orientation From Facial Images》（翻译：《研究复现：机器学习模型可以预测部分人脸图像的性取向》，

基本上使用了类似的方法，但同时做出了一些改进，使用了不同的的数据集，增加了对人物图片的抗干扰能力等等。

这项研究得到了什么

斯坦福大学的方法用了两个模型，一个基于深度神经网络（ DNN ），一个基于面部形态学（ FM ），而 John 加入了模糊照片分类器的一个模型。

他的论文中，通过线上相亲网站的 20910 张照片组成的数据集，训练并确定了三个模型的预测能力。

由于模型使用了不同国家，种族的数据，所以适用性变得更好了。此外，针对模糊的照片也做了研究，对高度模糊的照片，AI 能从面部和背景的综合信息进行预测。

而且即使人物刻意化妆、戴眼镜、面部毛发遮挡、变换面部拍照角度时，测试发现模型预测的结果不会发生变化。也就是说即使一个直男，扮成了女装大佬的样子， DNN 也能看出你其实是个直男。

不同装扮扮和角度的同一者测试照片

总体来说， Leuner 的研究，是对斯坦福那项研究的重复和改进，同样的都用数据证明了，面部信息能够被用来判断一个人的性取向问题。

凭什么用 AI 公开他人的秘密？

那么这样一项研究，AI 优于人类，在一些方面会促进人的认知和定位，或者帮助法律避免悲剧，那为什么会引起轩然大波呢？

一方面是涉及到同性恋这个敏感话题，在斯坦福论文发布在 arXiv 的时候，就引起了轩然大波，有同性恋群体更是不遗余力的抵抗，认为收到了来自技术的侵害。

在 2016 年，就有类似的一个研究触发了广泛的社会讨论。