美感是天生的，还是后天学的？
这个问题困扰了哲学家几百年。我们很容易觉得某些脸庞赏心悦目，但这是文化的功劳，还是与生俱来的本能？科学家在婴儿和猴子身上都发现，它们会主动注视成年人认为更有吸引力的面孔。这似乎暗示审美有一定天生的成分。但问题在于：婴儿和猴子在出生后很快接触了视觉世界，可能早就学会了“什么是好看”。所以很难判断这种偏好是否被“刻”在神经回路里。
想解决这个难题，需要找到一个“从未学过审美”的观察对象。而人工智能中的深度神经网络，恰好提供了完美机会。尤其是那些“未训练”的网络：它们的连接完全是随机初始化的，既没见过人类照片，也不知道任何关于美的评价。如果这样的网络也能自发“认出”美丑，就说明审美可能只是基础视觉处理的“副产品”，不需要学习。
实验：给“不懂事”的AI看脸
由华南师范大学舒天信、张德龙等研究者开展的一项新实验，正是基于这一思路。论文发表于《心理学中的美学、创造力与艺术》期刊。研究团队先用另一种人工智能生成了海量高仿真人脸图像，并通过操控背后的潜在编码，让这些脸带有从低到高的“美丽值”。随后，他们请一群真人志愿者评估，以保证这些生成的脸看起来仍然像自然的人类面孔。
最终，研究者获得了一万多张带有明确美感梯度的人脸图片。接着，他们把这一万多张图片喂给一个“没受过训练”的经典深度神经网络AlexNet。AlexNet的结构模仿人脑视觉系统，由多层人工神经元组成：低层负责提取边缘、纹理等基础特征，高层逐步把这些拼成完整的目标。但在这个未训练版本中，神经元之间的连接权重完全是随机的——也就是说，它不具备任何视觉经验。
未曾训练，美感单元却“自己长出来”
尽管网络从未学习过美学，研究人员分析它的最后一个视觉处理层时，却惊讶地发现：一些特定的人工神经元开始对不同美感等级的人脸产生选择性反应——也就是所谓的“美感选择性单元”。这些单元在多次随机初始化后依然稳定存在，不看脸的方向和角度，就像是网络自主涌现出的“审美细胞”。
为了弄清这些单元到底在看什么，研究者对图片做了各种怪异的修改：一种方法把图片随机打碎成碎片，破坏脸的轮廓但保留局部细节；另一种方法保留大致的空间布局，却模糊掉细节；还有一种只给脸的简单线条。结果发现：只有当一张脸的局部特征和这些特征的排列方式都完整时，网络才能正确评估美感。也就是说，AI的美感判断同时依赖“长什么样”和“怎么排列”。
这恰好呼应了心理学中的双编码理论：人类认脸时同样依赖特征细节与整体结构的双重信息。人脑视觉系统也是先处理简单的几何特征和局部细节，再整合成完整的面部表征。AI的信息加工路径，似乎与人脑殊途同归。
美感是怎么“计算”出来的？
研究还揭示了美感选择单元的工作方式。在网络的更早期层中，一些神经元的活动会随面孔吸引力的提升而单调递增或递减。而终端的“美感单元”会把这些来自前级神经元的信号汇总起来：喜欢漂亮脸的单元，会接收到更多来自“魅力递增”神经元的兴奋性输入。这样，由许多简单线性规则拨动，就组合成了一个能区分面孔美丑的复杂解码器。
为了检验这些美感单元是否真的“好用”，研究者训练一个简单的排序算法，让算法只读这些美感单元的输出，来判断成对面孔中哪一张更吸引人。结果它表现得相当不错，而且在两张脸美丑差距越大时判断越准，甚至优于单纯分析像素强度的方法。
换套AI，换组人脸，结论依旧
为了确保这不是某个网络结构的偶然产物，研究者又使用了另一种不同的深度神经网络VGG-16，同样发现了自发出现的“美感单元”。此外，他们还用200张真实人类面孔（涵盖不同种族背景）进行测试，这些单元仍能有效地评估真实面孔的吸引力。这说明，这一现象并非只存在于人工合成的虚拟脸，而是具有一定的普遍性。
那么，人类审美是天生的吗？
这项研究为“美感源于内在”的假说提供了新证据。当一个完全没有外界经验的系统，仅凭对基础视觉信息的分层处理就能产生美感偏好，说明审美能力有可能是人类感觉系统天然结构的一部分。换句话说，我们之所以会觉得某些脸好看，很可能不是文化灌输的结果，而是视觉神经回路在进化中形成的默认倾向。
不过，研究者也谨慎地指出，AI的“美感”不等于人类的美感。AI只是检测出面部结构的某种数学特征——比如对称性、平均化等——但感受不到那种“怦然心动”的情绪体验。而且实验中用的人工脸都比较标准化，缺乏背景、发型、光线变化，真实世界的审美会受环境、记忆和个人主观偏好强烈影响。这个AI系统评估的仅仅是一种单一的吸引力基线，无法涵盖人类审美的丰富面向。
未来的路
下一步，科学家或许会让未训练的AI去识别风景画、建筑或艺术品，看看它们是否也能自发产生美感偏好。如果答案是肯定的，那就说明审美可能是视觉系统的一种普遍运作方式；如果只对人脸有效，则意味着我们可能有专门处理“人脸美”的特殊机制。无论哪种结果，都会让我们更接近那个古老问题的答案：美，究竟在哪里？