普林斯顿大学开发“AI颜狗”,第一眼看到照片,就能预测人们对你的第一印象

2022 年 4 月 29 日 学术头条


本文源自:大数据文摘



世人皆是颜狗。


心理学家弗雷特说,以貌取人是人类的一种本能,这有可能是长期自然进化选择的结果。


因为人的大脑总是会选择对自己来说,是最不需要动脑思考的思维方式。


所以,人们就更倾向于通过外貌来判断一个人(能力、学识、身份、地位、个性特征)。而从遗传学和进化心理学角度来看,“以貌取人”很可能是人的一种进化缺陷。


这种缺陷表明,“颜值即正义”真的是有原因的。


这些第一印象,尽管常常不准确,却可能非常强大,塑造我们的关系,我们生活的方法面面,从找工作面试到法庭审判。


不过,这种通过颜值判断一个人的受欢迎程度的能力,AI也学会了。


史蒂文斯理工学院的研究人员,与普林斯顿大学和芝加哥大学合作,现在已经教会了一个人工智能算法来模拟人们的第一印象,并准确地预测人们将如何看待别人的脸部照片。这项研究成果发表在4月21日出版的《美国国家科学院院刊》上。

               

论文链接:

https://www.pnas.org/doi/full/10.1073/pnas.2115228119


AI模型反映人类刻板印象:戴眼镜的更聪明


史蒂文斯商学院(School of Business at Stevens)的认知科学家和人工智能专家Jordan w. Suchow说,“目前有大量研究集中在模拟人脸的物理外观上。”


“我们将人类的判断和机器学习结合起来,研究人们之间那种充满偏见的第一印象。”


Suchow和他的团队,包括普林斯顿大学的Joshua Peterson和Thomas Griffiths,以及芝加哥大学布斯商学院的Stefan Uddenberg和Alex Todorov。


他们收集了数千人给出的他们对1000多张电脑生成的人脸照片的第一印象,并根据照片主体的智商、选举能力、宗教信仰、是否值得信赖或外向程度等标准进行排名。




然后,这些反应被用来训练一个神经网络,让它仅仅根据人们的面部照片就对人们做出类似的快速判断。


通过这个AI模型,就可以做到,“给你一张脸的照片,我们可以利用这个算法来预测人们对你的第一印象,以及当他们看到你的脸时,他们会把哪些刻板印象投射到你身上,”Suchow解释说。


该算法的许多发现都与常见的直觉或文化假设相一致:例如,微笑的人往往被认为更值得信赖,而戴眼镜的人往往被认为更聪明。


有些特征是难以理解的


微笑的人更值得信赖,戴眼镜的更聪明,这种判断是很容易理解的,不过,在其他情况下,要准确理解算法为什么将某种特征赋予某个人就有点困难了,也就是说,尽管是根据人类的判断训练出来的模型,但是其中的机制大部分还是“黑箱”。


“这个算法并没有提供有针对性的反馈,也没有解释为什么给出的图片会引发特定的判断,”Suchow说。“但即便如此,它也能帮助我们理解别人如何看待我们——我们可以根据哪张照片让你看起来最值得信任来对一系列照片进行排名,例如,让你选择如何展现自己。”


虽然最初开发这个算法是为了帮助心理学研究人员生成用于感知和社会认知实验的人脸图像,但是这个新算法可以在现实世界中得到应用。


现代人都在小心翼翼地策划他们的公众形象,例如,只分享他们认为让他们看起来最聪明、最自信或最有吸引力的照片,很容易看出如何使用算法来支持这个过程,Suchow说。


因为已经有一种社会规范围绕着以积极的方式展现你自己,这回避了围绕着这项技术的一些道德问题,他补充说。


更让人苦恼的是,这个算法还可以用来处理照片,让拍摄对象以一种特殊的方式出现——也许让政治候选人看起来更值得信任,或者让他们的对手看起来不聪明或多疑。


虽然人工智能工具已经被用于制作“Deepfake”视频,展示从未发生过的事件,但新算法可以巧妙地改变真实的图像,以便操纵观众对其中人物的看法。


“有了这项技术,我们可以拍一张照片,然后创建一个修改版本,以便给人留下某种印象,”Suchow说。“出于显而易见的原因,我们需要对这项技术的使用方式保持谨慎。”


为了保护他们的技术,研究团队获得了一项专利,现在正在创建一个初创公司,为预先批准的道德目的授权该算法。“我们正在采取一切可能的措施,以确保这不会被用来造成伤害,”Suchow说。


虽然目前的算法只关注一大群观众对一张给定面孔的平均反应,但Suchow接下来希望开发出一种算法,能够预测一个人对另一个人的面孔的反应。这可以让我们更深入地了解快速判断是如何影响我们的社会互动的,并可能帮助人们在做出重要决定时认识到并超越他们的第一印象。


“重要的是要记住,我们正在模仿的判断并不能揭示一个人的真实个性或能力,”Suchow 解释说。“我们在这里所做的是研究人们的刻板印象,这是我们都应该努力去更好地理解的东西。”


相关报道:

https://www.pnas.org/doi/full/10.1073/pnas.2115228119

https://www.sciencedaily.com/releases/2022/04/220421181212.htm


点这里关注我👇记得标星~




热门视频推荐

更多精彩视频,欢迎关注学术头条视频


# 往期推荐 #


winter

【学术头条】持续招募中,期待有志之士的加入

强势招募兼职作者!邀你书写前沿科技内容

2021-12-21

 

登录查看更多
0

相关内容

PNAS是《美国科学院院报》(Proceedings of the National Academy of Sciences of the United States of America, 缩写。它是美国国家科学院的院刊,亦是公认的世界四大名刊(Cell,Nature,Science,PNAS)之一,百年经典期刊。自1914年创刊至今,PNAS提供具有高水平的前沿研究报告、学术评论、学科回顾及前瞻、学术论文以及美国国家科学学会学术动态的报道和出版。PNAS收录的文献涵盖医学、化学、生物、物理、大气科学、生态学和社会科学,最新发布的影响因子为9.661(2016),特征因子(Eigenfactor) 为1.23581(2016) 。
Yoshua Bengio最新《深度学习》MLSS2020教程,附104页PPT及视频
专知会员服务
128+阅读 · 2020年7月10日
为什么我们依然觉得AI换脸很“假”?
大数据文摘
0+阅读 · 2022年4月1日
科技圈 | AI顶尖女性学者是如何炼成的
学术头条
1+阅读 · 2022年3月8日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年6月20日
Arxiv
30+阅读 · 2021年7月7日
Arxiv
14+阅读 · 2020年12月17日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关VIP内容
Yoshua Bengio最新《深度学习》MLSS2020教程,附104页PPT及视频
专知会员服务
128+阅读 · 2020年7月10日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员