Home Notizie recenti Usare il deep learning per prevedere i giudizi superficiali dei volti umani...

Usare il deep learning per prevedere i giudizi superficiali dei volti umani da parte degli utenti

131
0

Credito: Peterson et al.

Molti studi psicologici hanno confermato la natura parziale dei giudizi umani e del processo decisionale. Quando interagiscono con una nuova persona, ad esempio, gli esseri umani spesso formulano una serie di giudizi automatici e superficiali basati esclusivamente sul loro aspetto, caratteristiche facciali, etnia, tipo di corpo e linguaggio del corpo.

I ricercatori dei ricercatori della Princeton University, dello Stevens Institute of Technology e della Booth School of Business dell’Università di Chicago hanno recentemente cercato di prevedere alcune delle inferenze automatiche che gli esseri umani fanno sugli altri basandosi esclusivamente sulla loro faccia, utilizzando reti neurali profonde. Il loro articolo, pubblicato in PNASintroduce un modello di apprendimento automatico in grado di prevedere i giudizi arbitrari che gli utenti faranno su specifiche immagini di volti con notevole precisione.

“Come psicologi, siamo interessati a come le persone percepiscono e giudicano i volti, soprattutto quando ci sono conseguenze importanti, come decisioni di assunzione e condanna coinvolte”, ha detto a TechXplore Joshua Peterson, uno dei ricercatori che hanno condotto lo studio. “Tuttavia, la maggior parte il lavoro fino ad ora si limitava allo studio di rendering di volti 3D artificiali o piccole serie di fotografie”.

Negli ultimi anni, gli informatici hanno sviluppato un’ampia gamma di modelli avanzati di apprendimento automatico in grado di analizzare e classificare grandi quantità di dati, prevedere eventi specifici con buona precisione e generare immagini, registrazioni audio o testi. Tuttavia, durante la revisione della letteratura precedente incentrata sui giudizi sul volto umano, Peterson e i suoi colleghi hanno notato che pochissimi studi hanno esplorato questo argomento utilizzando strumenti di apprendimento automatico all’avanguardia.

“L’obiettivo principale del nostro recente studio era produrre un modello scientifico delle impressioni dei volti delle persone che si generalizzasse al maggior numero possibile di volti e attributi (ad esempio, affidabilità)”, ha affermato Peterson. “Volevamo anche che il modello raddoppiasse come strumento per generare e manipolare stimoli facciali in psicologia e rappresentasse anche un nuovo standard per lo studio di inferenze arbitrarie di attributi per i volti”.

Usare il deep learning per prevedere i giudizi superficiali dei volti umani da parte degli utenti

Esempi multipli di volti dal set di dati e valutazioni medie per ogni attributo Credito: Peterson et al.

In passato, i modelli basati su reti neurali profonde venivano utilizzati principalmente per rilevare automaticamente le espressioni facciali, le emozioni di base o la presenza di accessori specifici (ad es. occhiali, occhiali da sole, orecchini, ecc.). Peterson e i suoi colleghi, d’altra parte, desideravano utilizzare reti neurali profonde per modellare gli attributi relativi alla personalità che gli esseri umani potrebbero tipicamente dedurre dai volti, come l’affidabilità.

Le inferenze relative al viso sono parziali e arbitrarie, il che significa che possono essere completamente diverse in base a chi le sta realizzando. Pertanto, per modellarli con successo, i ricercatori hanno dovuto prima compilare un ampio set di dati contenente sia le immagini dei volti che i giudizi che molti esseri umani diversi hanno espresso su di loro.

“Anche se il nostro set di dati è il più grande del suo genere in psicologia, contenente oltre 1 milione di giudizi, non è ancora abbastanza grande per addestrare un modello di rete neurale da zero”, ha affermato Peterson. “Invece, assumiamo che i modelli esistenti abbiano già adeguatamente appreso la struttura generale dei volti da un set di dati più ampio senza etichetta, e quindi possiamo indirizzare i nostri dati comportamentali direttamente al problema rimanente di correlare quella struttura alle inferenze psicologiche”.

Invece di apprendere i pesi di una rete neurale completamente nuova, che è ciò per cui sono tipicamente programmati i modelli di deep learning per l’analisi dei volti, il modello sviluppato da Peterson e colleghi apprende specificamente i pesi che associano i giudizi di affidabilità alle caratteristiche facciali che erano già scoperto da un altro modello esistente. Ciò alla fine ha permesso ai ricercatori di interpretare gli stati interni opachi della loro rete neurale profonda da un punto di vista psicologico.

“Poiché la rete di base che abbiamo scelto è generativa, siamo anche in grado di manipolare i volti lungo queste dimensioni interpretabili, in modo tale che vengano giudicati più o meno, ad esempio, affidabili, cosa che abbiamo verificato in esperimenti comportamentali separati”, ha detto Peterson.

Il recente lavoro di questo team di ricercatori ha portato alla creazione di quello che potrebbe essere il set di dati più completo e dettagliato contenente pregiudizi e stereotipi relativi ai volti compilati fino ad oggi. In futuro, questo set di dati e la rete neurale profonda presentata nel loro articolo potrebbero essere utilizzati per indagare ulteriormente su questi pregiudizi, in particolare in contesti come il reclutamento professionale e i casi di diritto penale. Inoltre, potrebbero guidare lo sviluppo di strategie più efficaci per ridurre l’impatto di tali pregiudizi.

“L’attuale set di dati che alimenta il nostro modello è costituito dai giudizi di una popolazione prevalentemente bianca, nordamericana”, ha affermato Peterson. “Un’importante estensione del lavoro sarà chiedere in che modo i pregiudizi che stiamo studiando differiscono in popolazioni molto più diverse. Chiunque voglia aiutarci a farlo può partecipare al nostro studio giudicando i volti su https://demo.onemillionimpressions.com /v2/consenso/.”


© 2022 Scienza X Rete

Articolo precedenteLa Ferrari richiamerà più di 2.200 auto in Cina per il rischio di frenata
Articolo successivoL’inflazione dello Sri Lanka sale al 21,5% nel marzo 2022 durante la crisi economica