L'algoritmo di visione artificiale impara a giudicare le persone dai loro volti

Gli psicologi sociali sanno da tempo che gli esseri umani esprimono giudizi affrettati l'uno sull'altro sulla base nient'altro che il nostro aspetto e, in particolare, i nostri volti. Usiamo questi giudizi per determinare se una nuova conoscenza è degna di fiducia o intelligente o dominante o socievole o divertente e così via.

Queste decisioni possono essere o meno giuste e non sono affatto obiettive, ma sono coerenti. Data la stessa faccia nelle stesse condizioni, le persone tendono a giudicarla allo stesso modo.

E questo solleva una possibilità interessante. I rapidi progressi nella visione artificiale e nel riconoscimento facciale hanno reso semplice per i computer riconoscere un'ampia gamma di espressioni facciali umane e persino valutare i volti in base all'attrattiva. Quindi è possibile per una macchina guardare un volto e ottenere le stesse prime impressioni che fanno gli umani?

Oggi riceviamo una risposta grazie al lavoro di Mel McCurrie all'Università di Notre Dame e ad alcuni amici. Hanno addestrato un algoritmo di apprendimento automatico per decidere se un volto è affidabile o dominante allo stesso modo degli esseri umani.

Il loro metodo è semplice. Il primo passaggio in qualsiasi processo di apprendimento automatico consiste nel creare un set di dati da cui l'algoritmo può apprendere. Ciò significa una serie di immagini di volti etichettati con il modo in cui le persone li giudicano: affidabili, dominanti, intelligenti e così via.

McCurrie e co lo creano utilizzando un sito Web chiamato TestMyBrain.org, una sorta di progetto di scienza dei cittadini che misura vari attributi psicologici delle persone che visitano. Il sito è uno dei siti di test cerebrali più popolari sul Web, con oltre 1,6 milioni di partecipanti.

Il team ha chiesto ai partecipanti di valutare 6.300 immagini di volti in bianco e nero. Ogni volto è stato valutato da 32 persone diverse per affidabilità e dominio e da 15 persone per QI ed età.

Una caratteristica interessante di queste valutazioni è che non esiste una risposta obiettiva: il test registra semplicemente l'opinione del valutatore. Naturalmente, è possibile misurare il QI e l'età e capire quanto bene le persone sono in grado di indovinare questi valori. Ma McCurrie e compagni non sono interessati a questo. Tutto ciò che vogliono misurare è la gamma di impressioni delle persone e quindi addestrare una macchina per riprodurre gli stessi risultati.

Dopo aver raccolto questi dati, il team ha utilizzato 6.000 immagini per addestrare il proprio algoritmo di visione artificiale. Usano altre 200 immagini per mettere a punto i parametri di visione artificiale. Tutto questo allena la macchina a giudicare i volti nello stesso modo in cui lo fanno gli umani.

McCurrie e compagni salvano le ultime 100 immagini per testare l'algoritmo di visione artificiale, in altre parole, per vedere se salta alle stesse conclusioni degli esseri umani.

I risultati costituiscono una lettura interessante. Naturalmente, la macchina riproduce lo stesso comportamento che ha imparato dagli esseri umani. Quando viene presentata con una faccia, la macchina fornisce più o meno gli stessi valori di affidabilità, dominio, età e QI di un essere umano.

McCurrie e compagni sono in grado di capire come fa la macchina. Ad esempio, possono dire quali parti della faccia sta usando la macchina per esprimere i suoi giudizi.

Il team lo fa coprendo diverse parti di una faccia e chiedendo alla macchina di esprimere il suo giudizio. Se il risultato è significativamente diverso dal valore abituale, presumono che questa parte del viso debba essere importante. In questo modo, possono dire su quali parti del viso la macchina fa più affidamento quando formula il suo giudizio.

Curiosamente, questi risultano essere simili alle parti del viso su cui fanno affidamento gli umani. Gli psicologi sociali sanno che gli esseri umani tendono a guardare la bocca quando valutano l'affidabilità e che un sopracciglio abbassato è spesso associato al dominio.

E queste sono esattamente le aree che l'algoritmo di visione artificiale impara a guardare dai dati di addestramento. Queste osservazioni indicano che i nostri modelli hanno imparato a guardare negli stessi posti degli umani, replicando il modo in cui giudichiamo gli attributi di alto livello l'uno nell'altro, affermano McCurrie e co.

Ciò porta a una serie di applicazioni interessanti. McCurrie e compagni lo applicano per la prima volta alla recitazione. Usano la macchina per valutare l'affidabilità e il predominio di Edward Snowden e Julian Assange dalle immagini dei loro volti. Quindi usano la macchina per fare la stessa valutazione degli attori che li interpretano in due mosse recenti, rispettivamente Joseph Gordon-Levitt e Benedict Cumberbatch.

In effetti, questo predice come una folla potrebbe valutare la somiglianza tra un attore e la persona che interpreta.

I risultati sono chiari. Si scopre che la macchina valuta entrambi gli attori in modo simile agli esseri umani che interpretano, ad esempio con un punteggio scarso in termini di affidabilità. I nostri modelli producono previsioni notevolmente simili tra i soggetti e i loro attori, a testimonianza dell'accuratezza delle rappresentazioni nei film, affermano McCurrie e co.

Ma la squadra può andare oltre. Applicano l'algoritmo di visione artificiale a ogni fotogramma di un film, che consente loro di vedere come cambiano le valutazioni nel tempo. Ciò fornisce una misura del modo in cui le percezioni delle persone potrebbero cambiare nel tempo. E questo è qualcosa che potrebbe essere utilizzato nella ricerca, nel marketing, nelle campagne politiche e così via.

Il lavoro suggerisce anche strade future da perseguire. Una possibilità è testare come cambiano le prime impressioni tra gruppi culturali o demografici.

Tutto ciò permette di iniziare a mettere in discussione i fattori che contribuiscono ai nostri preconcetti, che spesso dipendono da sottili spunti sociali. Può anche consentire ai robot di prevederli e ripeterli.

Un affascinante corollario di ciò è come questo tipo di ricerca potrebbe influenzare il comportamento umano. Se qualcuno scoprisse che la sua faccia è percepita come inaffidabile, come potrebbe reagire quella persona? Potrebbe essere possibile imparare a modificare questa percezione, magari modificando le espressioni facciali? Lavoro interessante!

Rif: arxiv.org/abs/1610.08119 : previsione delle prime impressioni con il deep learning

nascondere