用例:拿 5 个 AI 工具对比 Visagism 和 phenotype 面部分析
1. 总结
我把自己的面部照片传到五个 AI 工具上,让它们回答同样的问题:面部特征、visagism 印象和 phenotype。我把答案按主题归类,想看看这些工具在哪儿一致、哪儿分歧,以及各自怎么应对那些容易引出猜测性结论的问题。
一句话结论: 在「描述」看得见的东西上,这几个 AI 很一致;在「解读」这些东西上,它们分歧很大;而让它们从一张脸「推断出身」时,就不可靠了。
2. 背景
Visagism 是把面部特征跟一个人给人的印象联系起来的做法,常用来指导发型、胡子、眼镜和个人风格的选择。因为每个 AI 的训练和行为都不一样,我想知道这种分析在不同工具之间有多大的可复现性,以及我该多信任它。
3. 目标
评估这些工具如何:
- 描述可见特征:脸型、眼睛、眉毛、鼻子、嘴唇和颧骨。
- 从 visagism 角度解读这张脸传达的视觉印象。
- 应对不确定或带猜测性的问题,比如 phenotype。
4. 方法
| 项目 | 细节 |
|---|---|
| 工具 | Claude Sonnet 5.5、ChatGPT Go、Gemini、Grok、DeepSeek |
| 输入 | 3 张照片(正面中性表情、侧面、微笑表情) |
| 问题 | 这张脸是什么脸型?嘴唇什么形状?眼睛什么形状?眉毛什么形状?鼻子什么形状?这张脸的颧骨在哪里?这张脸看起来有哪些 phenotype?从 visagism 角度看,这张脸传达了什么印象? |
| 记录 | 答案按主题归类到笔记 [[Rosto]] 里 |
| 分析 | 并排对比,找出共识、分歧和拒绝回答 |
5. 结果
5.1 描述性特征
| 特征 | AI 之间的共识 | 分歧 |
|---|---|---|
| 脸型 | 鹅蛋脸(5 个中 5 个) | DeepSeek 另外加了一些菱形脸的特征 |
| 眼睛 | 杏仁眼(5 个中 5 个) | 变体:略偏圆、水平、深陷、轻微内双 |
| 眉毛 | 柔和拱形(Gemini、Grok、DeepSeek);直带一点拱(Claude、ChatGPT) | 有没有注意到轻微不对称 |
| 鼻子 | 笔直、鼻头略圆(5 个中 5 个) | 只有尺寸:中等还是适中 |
| 嘴唇 | 中等、下唇更饱满、柔和的唇峰 | Gemini 认为是「丰满」;DeepSeek 看到清晰的唇峰 |
| 颧骨 | 在眼睛下方、柔和(Claude、Gemini、Grok) | 最大的分歧: ChatGPT 找不到颧骨;DeepSeek 认为颧骨高且突出 |
5.2 Visagism 印象
尽管措辞不同,但有几个反复出现的主题:
- 五官的柔和感,与眼神的严肃和深度形成对比。
- 亲切感和分寸感,不流于表面。
- 敏感、共情,以及一种平静的气场。
| 工具 | 主要解读 |
|---|---|
| Claude Sonnet 5.5 | 信息混杂:一张温和的脸,但并非一眼就开放 |
| ChatGPT Go | 柔和、亲切、有分寸 |
| Gemini | 热情、共情、有深度,带着一种安静的坚定 |
| Grok | 敏感、善于观察,偏「深沉」而不是「轻快」,偏「真实」而不是「刻意打造」 |
| DeepSeek | 两种原型:上 T 区(智者:内敛、聪明、有磁性)和下 T 区(诱惑者) |
亮点: DeepSeek 给的分析最详细、最有结构,把脸分成了几个区域。它也是跟其他工具偏离最大的一个,这说明解读有多依赖所用的框架。
5.3 Phenotype:最不一致的地方
| 工具 | 行为 |
|---|---|
| Claude Sonnet 5.5 | 没回答,把话题带开了 |
| ChatGPT Go | 尝试了一下,然后结论是「无法确定」 |
| Gemini | 直接回答:原住民和伊比利亚/地中海血统的混合 |
| Grok | 给了个泛泛的答案(「pardo,混血」),没深入 |
| DeepSeek | 最详细:地中海型,列出了几种可能的出身 |
答案从拒绝回答到详细假设都有,而且没有收敛。这是这次实验最有价值的发现:问题越具体,答案就越不一致(也越站不住脚)。
6. 批判性分析
做得好的地方
- 描述可见特征:独立工具之间一致性很高,说明这一层可靠性不错。
- Visagism 印象:因为主题反复出现,可以当作思考个人形象的一个起点。
几个 AI 共同的局限
- Visagism 是主观解读。这些印象不该被当成对性格的结论。
- Phenotype、族裔或血统没法从一张照片可靠判断。说出具体出身的答案,都是带着自信的猜测。
- 结果取决于照片质量、角度、光线和所用的提示词。
- 样本很小(一张脸、五个工具),也没有专业 visagist 的验证。
关于工具行为
- 像 Claude 和 ChatGPT 那样拒绝回答、或说分析不成立,比把某个出身当事实说出来更诚实。直接回答感觉更「有用」,但它们传达的是一种照片根本撑不起来的确定性。
7. 实际应用
- 把形状上的共识(鹅蛋脸、直鼻、杏仁眼)当参考,用来选发型、胡型和眼镜。
- 用反复出现的印象(柔和、深沉、有分寸)来思考我在职业照和线上主页上想传达什么。
- 把分歧当作警示信号:AI 意见不一致的地方,信息往往很弱。
8. 结论
把几个 AI 放在一起对比,能把一个主观分析变得更有分量:所有工具里都出现的东西,大概率可靠;只有一个工具出现的东西,值得怀疑。用来描述一张脸、思考它传达的形象,这个方法挺好用。用来推断出身或血统,它就不行了——而对比恰好能说明为什么。