24.05.2020
Специалисты по психологии и искусственному интеллекту из Высшей школы экономики, ОГЭУ и компаний BestFitMe (Великобритания-Россия) и Artificial Intelligence LLC (Россия) научили каскадную нейронную сеть определять черты личности из «Большой пятёрки» по фотографии лица. Исследование опубликовано в журнале Scientific Reports 22 мая.
В своей новой работе специалисты из НИУ ВШЭ и технологических стартапов собрали через социальные сети 77 346 фотографий лиц от 25 202 добровольцев. Все фото были созданы с помощью веб-камер в контролируемых условиях (нейтральное выражение лица, фронтальный вид, взгляд направлен в объектив, хорошее освещение и отсутствие макияжа или украшений). Респондентов также попросили пройти усовершенствованную версию онлайн-опросника 5PFQ для определения портрета их личности и выраженности психологических черт из «Большой пятёрки». После отсева незаполненных или не до конца пройденных опросников, а также не подходящих для условий исследования фотоматериалов, был сформирован финальный датасет. В нём осталось 12 447 полностью валидных описаний черт личности из опросников и 31 367 фото. На один опросник от добровольца в среднем приходилось 2,59 фотопортрета от женщин и 2,42 от мужчин. Датасет был случайным образом поделен на две части. Первая (90% данных) — послужила тренировочной выборкой для нейросети. Вторая (10%) — контролем для оценки предиктивных возможностей обученного алгоритма.
Первоначально нейросеть натренировали различать лица разных людей, но стабильно опознавать лицо одного и того же человека. Затем алгоритм обучили раскладывать каждое изображение на 128 инвариантных признаков — регулярно повторяющихся индивидуальных особенностей. Внутри модели каждый инвариант был представлен как вектор в 128-мерном пространстве.
Полученные таким образом данные поступали в многослойный перцептрон. В нём искусственные нейроны сопоставляли признаки с личностными характеристиками добровольцев. Если они совпадали — данные «закреплялись». А если было расхождение, то вычисленная ошибка вновь подавалась на вход нейросети. Постепенно искусственный интеллект обучался всё точнее сопоставлять черты лица и характера.
Первые опубликованные результаты пока далеки от идеальных и скорее выглядят как доказательство концепции (proof of concept). Коэффициент корреляции между данными опросников и предсказаниями алгоритма колебался от небольшого 0,14 до обнадеживающего 0,36. Лучше всего нейросеть оценивала добросовестность и сознательность (conscientiousness) — корреляция в 0,36 для лиц мужчин и 0,335 для женщин, а хуже всего — открытость новому опыту (openness to experience). Интересно, что в целом алгоритм гораздо лучше предсказывал экстраверсию и эмоциональную стабильность для женщин, чем для мужчин.
В среднем размер эффекта — статистический показатель практической значимости модели — равнялся 0,24. Из этого следует, что алгоритм делал верное заключение почти в 60% случаев, тогда как случайное угадывание обычно совпадает лишь в 50%. Превосходство в 10% кажется незначительным, однако на самом деле по точности предсказаний искусственный интеллект существенно опережает людей, если они судят по чертам лица незнакомого им человека.
При дальнейшем улучшении качества работы алгоритма он может найти применение в рекомендательных системах интернет-магазинов и онлайн-сервисов. Большие перспективы здесь открываются и для HR-департаментов — быстрая психологическая диагностика прямо во время zoom-интервью с кандидатами на должность. Особенно эффективен метод будет в случае массового набора персонала в сферу обслуживания — таксистов, продавцов, клинеров и т.д. С его помощью можно быстро отсеять агрессивных, психически нестабильных и недобросовестных людей.
Другой возможный рынок — приложения и сайты для знакомств, а также сервисы для психологической оценки понравившихся незнакомцев из соцсетей. Их применение может серьезно повысить безопасность женщин при личных свиданиях с мужчинами, знакомыми только по онлайн-переписке.
Подробнее об исследовании на IQ.HSE
Нет комментариев