人工智能可以根據照片做出個性判斷

來自HSE大學和開放大學人文與經濟學專業的俄羅斯研究人員證明，人工智能能夠比“人類”評估者更好地根據“自拍照”照片推斷出人的個性。相比其他四個特征，盡責性變得更容易辨認。基于女性面孔的個性預測似乎比男性面孔更可靠。該技術可用于在客戶服務，約會或在線輔導中找到“最佳匹配”。

5月22日，《科學報告》將發表文章“使用現實生活中的靜態面部圖像評估五種人格特質”。

從古希臘到切薩雷·隆布羅索(Cesare Lombroso)的生理學家都試圖將面部外觀與個性聯系起來，但是他們的大多數想法未能經受住現代科學的審查。少數已建立的特定面部特征與人格特征(例如面部寬高比)的關聯非常薄弱。要求人類評分者根據照片做出個性判斷的研究結果不一致，這表明我們的判斷過于不可靠，沒有任何實際意義。

但是，有很強的理論和進化論據表明，一些有關人格特征的信息，尤其是那些對于社交交流必不可少的信息，可能會通過人臉傳達出來。畢竟，面孔和行為都受基因和激素的影響，一個人的外貌所產生的社會經歷可能會影響一個人的個性發展。但是，最近來自神經科學的證據表明，人腦不用注視特定的面部特征，而是以整體方式處理面部圖像。

莫斯科的兩所大學，國立研究大學高等經濟學院(HSE)和人文與經濟開放大學的研究人員已經與一家名為BestFitMe的俄羅斯-英國商業初創公司合作，訓練了一系列人工神經網絡，以使其可靠基于人臉照片的個性判斷。所得模型的性能高于以前使用機器學習或人類評分器的研究報告的性能。人工智能能夠根據志愿者上傳的自拍照做出關于良心，神經質，外向性，友善和開放性的超乎尋常的判斷。結果得出的個性判斷在同一個人的不同照片中是一致的。

這項研究是在12,000名志愿者的樣本中完成的，他們完成了基于“五巨頭”模型的自我報告調查問卷，以測量人格特征，并上傳了31,000張自拍照。受訪者被隨機分為一個培訓和一個測試小組。使用了一系列神經網絡對圖像進行預處理，以確保圖像的質量和特征一致，并排除具有情感表情的面孔以及名人和貓的照片。接下來，訓練圖像分類神經網絡將每個圖像分解為128個不變特征，然后是一個多層感知器，該感知器使用圖像不來預測人格特質。

r = .24的平均效應大小表明，在58%的情況下，AI可以正確猜測兩個隨機選擇的個體在人格維度上的相對地位，而偶然的預期結果是50%。與自我報告的和觀察者的人格特質等級之間的相關性的元分析估計相比，這表明依賴靜態面部圖像的人工神經網絡的性能要優于普通人，后者無需事先相識即可親自達到目標。相比其他四個特征，盡責性變得更容易辨認。基于女性面孔的個性預測似乎比男性面孔更可靠。

有大量潛在的應用程序需要探索。在高速和低成本比高精度更重要的情況下，從現實生活中的照片中識別個性可以補充傳統的個性評估方法。人工智能可用于提出最適合客戶個性的產品，或在二元互動(例如客戶服務，約會或在線輔導)中為個人選擇可能的“最佳匹配”。