普林斯頓大學開發“AI顏狗”，第一眼看到照片，就能預測人們對你的第一印象

來源：大數據文摘

世人皆是顏狗。
心理學家弗雷特說，以貌取人是人類的一種本能，這有可能是長期自然進化選擇的結果。
因為人的大腦總是會選擇對自己來說，是最不需要動腦思考的思維方式。
所以，人們就更傾向于通過外貌來判斷一個人（能力、學識、身份、地位、個性特征）。而從遺傳學和進化心理學角度來看，“以貌取人”很可能是人的一種進化缺陷。
這種缺陷表明，“顏值即正義”真的是有原因的。
這些第一印象，盡管常常不準確，卻可能非常強大，塑造我們的關系，我們生活的方法面面，從找工作面試到法庭審判。
不過，這種通過顏值判斷一個人的受歡迎程度的能力，AI也學會了。
史蒂文斯理工學院的研究人員，與普林斯頓大學和芝加哥大學合作，現在已經教會了一個人工智能算法來模擬人們的第一印象，并準確地預測人們將如何看待別人的臉部照片。這項研究成果發表在4月21日出版的《美國國家科學院院刊》上。             

論文鏈接：https://www.pnas.org/doi/full/10.1073/pnas.2115228119
AI模型反映人類刻板印象：戴眼鏡的更聰明
史蒂文斯商學院（School of Business at Stevens）的認知科學家和人工智能專家Jordan w. Suchow說，“目前有大量研究集中在模擬人臉的物理外觀上。”
“我們將人類的判斷和機器學習結合起來，研究人們之間那種充滿偏見的第一印象。”
Suchow和他的團隊，包括普林斯頓大學的Joshua Peterson和Thomas Griffiths，以及芝加哥大學布斯商學院的Stefan Uddenberg和Alex Todorov。
他們收集了數千人給出的他們對1000多張電腦生成的人臉照片的第一印象，并根據照片主體的智商、選舉能力、宗教信仰、是否值得信賴或外向程度等標準進行排名。


然后，這些反應被用來訓練一個神經網絡，讓它僅僅根據人們的面部照片就對人們做出類似的快速判斷。
通過這個AI模型，就可以做到，“給你一張臉的照片，我們可以利用這個算法來預測人們對你的第一印象，以及當他們看到你的臉時，他們會把哪些刻板印象投射到你身上，”Suchow解釋說。
該算法的許多發現都與常見的直覺或文化假設相一致：例如，微笑的人往往被認為更值得信賴，而戴眼鏡的人往往被認為更聰明。
有些特征是難以理解的
微笑的人更值得信賴，戴眼鏡的更聰明，這種判斷是很容易理解的，不過，在其他情況下，要準確理解算法為什么將某種特征賦予某個人就有點困難了，也就是說，盡管是根據人類的判斷訓練出來的模型，但是其中的機制大部分還是“黑箱”。
“這個算法并沒有提供有針對性的反饋，也沒有解釋為什么給出的圖片會引發特定的判斷，”Suchow說。“但即便如此，它也能幫助我們理解別人如何看待我們——我們可以根據哪張照片讓你看起來最值得信任來對一系列照片進行排名，例如，讓你選擇如何展現自己。”
雖然最初開發這個算法是為了幫助心理學研究人員生成用于感知和社會認知實驗的人臉圖像，但是這個新算法可以在現實世界中得到應用。
現代人都在小心翼翼地策劃他們的公眾形象，例如，只分享他們認為讓他們看起來最聰明、最自信或最有吸引力的照片，很容易看出如何使用算法來支持這個過程，Suchow說。
因為已經有一種社會規范圍繞著以積極的方式展現你自己，這回避了圍繞著這項技術的一些道德問題，他補充說。
更讓人苦惱的是，這個算法還可以用來處理照片，讓拍攝對象以一種特殊的方式出現——也許讓政治候選人看起來更值得信任，或者讓他們的對手看起來不聰明或多疑。
雖然人工智能工具已經被用于制作“Deepfake”視頻，展示從未發生過的事件，但新算法可以巧妙地改變真實的圖像，以便操縱觀眾對其中人物的看法。
“有了這項技術，我們可以拍一張照片，然后創建一個修改版本，以便給人留下某種印象，”Suchow說。“出于顯而易見的原因，我們需要對這項技術的使用方式保持謹慎。”
為了保護他們的技術，研究團隊獲得了一項專利，現在正在創建一個初創公司，為預先批準的道德目的授權該算法。“我們正在采取一切可能的措施，以確保這不會被用來造成傷害，”Suchow說。
雖然目前的算法只關注一大群觀眾對一張給定面孔的平均反應，但Suchow接下來希望開發出一種算法，能夠預測一個人對另一個人的面孔的反應。這可以讓我們更深入地了解快速判斷是如何影響我們的社會互動的，并可能幫助人們在做出重要決定時認識到并超越他們的第一印象。
“重要的是要記住，我們正在模仿的判斷并不能揭示一個人的真實個性或能力，”Suchow 解釋說。“我們在這里所做的是研究人們的刻板印象，這是我們都應該努力去更好地理解的東西。”
相關報道：https://www.pnas.org/doi/full/10.1073/pnas.2115228119https://www.sciencedaily.com/releases/2022/04/220421181212.htm