Искусственный интеллект определил черты личности
Искусственный интеллект определил черты личности по фото
4.7Каскад нейронных сетей, созданный российскими учеными, смог распознать взаимное расположение двух индивидов на личностной шкале лучше, чем человек.
Hi-Tech
# искусственный интеллект
# нейросеть
# физиогномика
# черты личности
https://naked-science.ru/wp-content/..._Fig1_HTML.jpgКомпозиционные фото, на которых обучался ИИ / © Kachur, Osin et al., Scientific Reports, 2020
Ученые продемонстрировали, что искусственный интеллект может определять черты характера человека по фотографиям гораздо лучше людей. Статья об этой разрабосттке опубликована в научном издании Scientific Reports.
Еще со времен расцвета древнегреческой цивилизации ученые пытались найти связь между внешностью и личностными качествами. Но большинство гипотез, ими выдвинутых, в итоге были опровергнуты. Немногочисленные установленные корреляции специфических черт лица (таких как отношение ширины лица к росту человека) с особенностями личности выражены довольно слабо. Все исследования, в которых люди выносили суждения о личности других на основе фотографий, давали крайне противоречивые результаты.
Тем не менее существуют веские теоретические и эволюционные аргументы, позволяющие предположить, что облик человека содержит информацию о личностных характеристиках, в частности о тех качествах, которые необходимы для социального взаимодействия. В конце концов, и внешность, и поведение определяются генами и гормонами.
Однако последние данные нейробиологии свидетельствуют о том, что человеческий мозг обрабатывает изображения лиц комплексно, а не рассматривает отдельные конкретные черты. Исследователи из двух московских университетов, НИУ ВШЭ (Высшая школа экономики) и Открытого гуманитарно-экономического университета, совместно с российско-британским стартапом BestFitMe решали эту проблему при помощи искусственного интеллекта. Они обучали каскадные нейронные сети для выработки надежных личностных суждений на основе фотографий человеческих лиц.
https://naked-science.ru/wp-content/...1-778x1024.jpgАрхитектура нейросети, использованной учеными. Схема состоит из двух частей: нейросеть компьютерного зрения NNCV и нейросеть персональной диагностики личности NNPD / © Kachur, Osin et al., Scientific Reports, 2020Производительность полученной в этой работе модели была выше, чем во всех предыдущих исследованиях, в которых для решения похожих задач использовалось машинное обучение или оценки, вынесенные человеком. Искусственный интеллект мог выносить достоверные суждения о добросовестности, нейротизме, экстраверсии, доброжелательности и открытости на основе селфи, загруженных онлайн. При этом «нейросетевые суждения» были одинаковыми для разных фотографий одних и тех же людей.
Исследование выполнили на выборке из 12 тысяч добровольцев, которые предварительно заполнили анкету самоотчета, созданную на основе пятифакторного теста личности, включающего перечисленные выше качества. Также эти добровольцы загрузили в базу данных проекта в общей сложности 31 тысячу снимков.
Все фотографии были случайным образом разделены на обучающую и тестовую выборки. Для предварительной обработки изображений использовался ряд нейросетей, которые исключали фото с ярким выражением эмоций, а также снимки знаменитостей и кошек.
ИИ, разработанный российскими учеными, может давать правильное предположение о взаимном расположении двух случайно выбранных индивидуумов на личностной шкале в 58% случаев (напомним, при случайном угадывании этот показатель составляет 50%). Это указывает на то, что искусственная нейронная сеть, основанная на статических изображениях лица, превосходит в такой оценке среднестатистического человека, который оценивает внешность незнакомого человека.
Распознавание личности по реальным фотографиям может дополнить традиционные подходы к оценке личности в ситуациях, когда высокая скорость и низкая стоимость оценки важнее высокой точности. Искусственный интеллект можно использовать в маркетинге, для предложения продуктов, которые наилучшим образом подходят для личности клиента, или для выбора возможных «наилучших совпадений» среди людей, участвующих в парном взаимодействии — например, при обслуживании клиентов и в онлайн-обучении.
