Algorytm widzenia maszynowego uczy się oceniać ludzi po ich twarzach

Psychologowie społeczni od dawna wiedzą, że ludzie dokonują pochopnych osądów o sobie na podstawie jedynie naszego wyglądu, a w szczególności naszych twarzy. Używamy tych osądów, aby określić, czy nowy znajomy jest godny zaufania, sprytny, dominujący, towarzyski lub pełen humoru i tak dalej.

Decyzje te mogą być słuszne lub nie, iw żadnym wypadku nie są obiektywne, ale są spójne. Mając tę ​​samą twarz w tych samych warunkach, ludzie mają tendencję do oceniania jej w ten sam sposób.

A to rodzi interesującą możliwość. Szybkie postępy w dziedzinie widzenia maszynowego i rozpoznawania twarzy sprawiły, że komputery mogą w prosty sposób rozpoznawać szeroki zakres ludzkiej mimiki, a nawet oceniać twarze według ich atrakcyjności. Czy zatem maszyna może patrzeć na twarz i odbierać takie same pierwsze wrażenie, jakie robią ludzie?

Dziś otrzymujemy odpowiedź dzięki pracy Mel McCurrie z University of Notre Dame i kilku kumpli. Wyszkolili algorytm uczenia maszynowego, aby decydować, czy twarz jest godna zaufania lub dominująca w taki sam sposób, jak ludzie.

Ich metoda jest prosta. Pierwszym krokiem w każdym procesie uczenia maszynowego jest stworzenie zestawu danych, z którego algorytm może się uczyć. Oznacza to zestaw zdjęć twarzy oznaczonych sposobem, w jaki ludzie je oceniają — czy są godne zaufania, dominujące, sprytne i tak dalej.

McCurrie i współpracownicy tworzą to za pomocą strony internetowej o nazwie TestMyBrain.org, będącej rodzajem projektu nauki obywatelskiej, który mierzy różne cechy psychologiczne odwiedzających. Witryna jest jedną z najpopularniejszych witryn do testowania mózgu w sieci, z ponad 1,6 miliona uczestników.

Zespół poprosił uczestników o ocenę 6300 czarno-białych zdjęć twarzy. Każda twarz została oceniona przez 32 różne osoby pod względem wiarygodności i dominacji oraz przez 15 osób pod względem IQ i wieku.

Interesującą cechą tych ocen jest brak obiektywnej odpowiedzi – test po prostu rejestruje opinię oceniającego. Oczywiście możliwe jest zmierzenie IQ i wieku oraz sprawdzenie, jak dobrze ludzie są w stanie odgadnąć te wartości. Ale McCurrie i spółka nie są tym zainteresowani. Wszystko, co chcą zmierzyć, to zakres ludzkich wrażeń, a następnie wytrenować maszynę, aby odtwarzała te same wyniki.

Po zebraniu tych danych zespół wykorzystał 6000 obrazów do trenowania algorytmu widzenia maszynowego. Wykorzystują kolejne 200 obrazów do dostrojenia parametrów widzenia maszynowego. Wszystko to uczy maszynę oceniania twarzy w taki sam sposób, jak robią to ludzie.

McCurrie i spółka zapisali ostatnie 100 zdjęć, aby przetestować algorytm widzenia maszynowego – innymi słowy, aby sprawdzić, czy wyciąga on te same wnioski, co ludzie.

Wyniki stanowią ciekawą lekturę. Oczywiście maszyna odtwarza to samo zachowanie, którego nauczyła się od ludzi. Gdy maszyna ma twarz, daje mniej więcej te same wartości wiarygodności, dominacji, wieku i IQ, co człowiek.

McCurrie i spółka są w stanie wyjaśnić, w jaki sposób maszyna to robi. Na przykład mogą powiedzieć, których części twarzy maszyna używa do dokonywania ocen.

Zespół robi to, zakrywając różne części twarzy i prosząc maszynę o dokonanie oceny. Jeśli wynik znacznie różni się od zwykłej wartości, zakładają, że ta część twarzy musi być ważna. W ten sposób mogą stwierdzić, na których częściach twarzy maszyna polega najbardziej podczas dokonywania oceny.

Co ciekawe, okazują się one podobne do części twarzy, na których polegają ludzie. Psychologowie społeczni wiedzą, że ludzie mają tendencję do patrzenia na usta podczas oceny wiarygodności i że opuszczone brwi często kojarzą się z dominacją.

I to są dokładnie te obszary, na które algorytm wizji maszynowej uczy się patrzeć na podstawie danych treningowych. Te obserwacje wskazują, że nasze modele nauczyły się patrzeć w te same miejsca, co ludzie, powtarzając sposób, w jaki oceniamy atrybuty wysokiego poziomu w sobie nawzajem, mówią McCurrie i spółka.

Prowadzi to do wielu interesujących zastosowań. McCurrie i spółka najpierw stosują to do aktorstwa. Używają maszyny do oceny wiarygodności i dominacji Edwarda Snowdena i Juliana Assange'a na podstawie zdjęć ich twarzy. Następnie używają maszyny do dokonania tej samej oceny aktorów, którzy grają ich w dwóch ostatnich ruchach – odpowiednio Josepha Gordona-Levitta i Benedicta Cumberbatcha.

W efekcie pozwala to przewidzieć, jak tłum może ocenić podobieństwo między aktorem a osobą, którą przedstawia.

Wyniki są jasne. Okazuje się, że maszyna ocenia obu aktorów w podobny sposób do ludzi, których przedstawiają – na przykład wszyscy mają słabe wyniki pod względem wiarygodności. Nasze modele dają niezwykle podobne przewidywania między badanymi a ich aktorami, potwierdzając dokładność przedstawień w filmach, mówią McCurrie i spółka.

Ale zespół może iść dalej. Stosują algorytm widzenia maszynowego do każdej klatki filmu, co pozwala im zobaczyć, jak oceny zmieniają się w czasie. Stanowi to miarę tego, w jaki sposób postrzeganie ludzi może zmieniać się w czasie. I to jest coś, co można wykorzystać w badaniach, marketingu, kampaniach politycznych i tak dalej.

Praca sugeruje również przyszłe kierunki, którymi należy podążać. Jedną z możliwości jest sprawdzenie, jak zmieniają się pierwsze wrażenia między grupami kulturowymi lub demograficznymi.

Wszystko to pozwala zacząć odrywać czynniki, które składają się na nasze uprzedzenia, które często zależą od subtelnych sygnałów społecznych. Może również umożliwić robotom ich przewidywanie i powtarzanie.

Fascynującym następstwem tego jest to, jak tego rodzaju badania mogą wpływać na ludzkie zachowanie. Gdyby ktoś odkrył, że jego twarz jest postrzegana jako niegodna zaufania, jak mogłaby zareagować? Czy dałoby się nauczyć, jak zmienić to postrzeganie, być może poprzez zmianę mimiki? Ciekawa praca!

Nr ref.: arxiv.org/abs/1610.08119 : Przewidywanie pierwszych wrażeń dzięki głębokiemu uczeniu

ukryć