Algoritmo de visión artificial aprende a juzgar a las personas por sus rostros

Los psicólogos sociales saben desde hace mucho tiempo que los humanos hacen juicios instantáneos sobre los demás basados ​​​​nada más que en la forma en que nos vemos y, en particular, en nuestras caras. Usamos estos juicios para determinar si un nuevo conocido es digno de confianza, inteligente, dominante, sociable, divertido, etc.

Estas decisiones pueden o no ser correctas y de ninguna manera son objetivas, pero son consistentes. Ante el mismo rostro en las mismas condiciones, la gente tiende a juzgarlo de la misma manera.

Y eso plantea una posibilidad interesante. Los rápidos avances en la visión artificial y el reconocimiento facial han facilitado que las computadoras reconozcan una amplia gama de expresiones faciales humanas e incluso clasifiquen las caras según su atractivo. Entonces, ¿es posible que una máquina mire una cara y obtenga las mismas primeras impresiones que los humanos?

Hoy recibimos una respuesta gracias al trabajo de Mel McCurrie en la Universidad de Notre Dame y algunos amigos. Han entrenado un algoritmo de aprendizaje automático para decidir si una cara es confiable o dominante de la misma manera que lo hacen los humanos.

Su método es sencillo. El primer paso en cualquier proceso de aprendizaje automático es crear un conjunto de datos del que el algoritmo pueda aprender. Eso significa un conjunto de imágenes de caras etiquetadas con la forma en que las personas las juzgan, ya sea confiables, dominantes, inteligentes, etc.

McCurrie y compañía crean esto utilizando un sitio web llamado TestMyBrain.org, una especie de proyecto de ciencia ciudadana que mide varios atributos psicológicos de las personas que visitan. El sitio es uno de los sitios de pruebas cerebrales más populares en la Web, con más de 1,6 millones de participantes.

El equipo pidió a los participantes que calificaran 6.300 fotografías de rostros en blanco y negro. Cada cara fue calificada por 32 personas diferentes por confiabilidad y dominio y por 15 personas por coeficiente intelectual y edad.

Una característica interesante de estas calificaciones es que no hay una respuesta objetiva: la prueba simplemente registra la opinión del evaluador. Por supuesto, es posible medir el coeficiente intelectual y la edad y determinar qué tan bien las personas pueden adivinar estos valores. Pero McCurrie y compañía no están interesados ​​en esto. Todo lo que quieren medir es el rango de impresiones de las personas y luego entrenar una máquina para reproducir los mismos resultados.

Habiendo recopilado estos datos, el equipo utilizó 6.000 de las imágenes para entrenar su algoritmo de visión artificial. Utilizan otras 200 imágenes para ajustar los parámetros de visión artificial. Todo esto entrena a la máquina para juzgar caras de la misma manera que lo hacen los humanos.

McCurrie y compañía guardan las últimas 100 imágenes para probar el algoritmo de visión artificial; en otras palabras, para ver si llega a las mismas conclusiones que los humanos.

Los resultados hacen una lectura interesante. Por supuesto, la máquina reproduce el mismo comportamiento que ha aprendido de los humanos. Cuando se le presenta una cara, la máquina da más o menos los mismos valores de confiabilidad, dominio, edad y coeficiente intelectual que daría un ser humano.

McCurrie y compañía pueden descifrar cómo la máquina hace esto. Por ejemplo, pueden decir qué partes de la cara está usando la máquina para emitir sus juicios.

El equipo hace esto cubriendo diferentes partes de una cara y pidiéndole a la máquina que haga su juicio. Si el resultado es significativamente diferente del valor habitual, asumen que esta parte de la cara debe ser importante. De esta manera, pueden saber en qué partes de la cara se basa más la máquina al hacer su juicio.

Curiosamente, estos resultan ser similares a las partes de la cara en las que confían los humanos. Los psicólogos sociales saben que los humanos tienden a mirar a la boca cuando evalúan la confiabilidad y que una ceja baja a menudo se asocia con el dominio.

Y estas son exactamente las áreas que el algoritmo de visión artificial aprende a observar a partir de los datos de entrenamiento. Estas observaciones indican que nuestros modelos han aprendido a mirar en los mismos lugares que los humanos, replicando la forma en que juzgamos los atributos de alto nivel entre nosotros, dicen McCurrie y compañía.

Eso conduce a una serie de aplicaciones interesantes. McCurrie y compañía primero lo aplican a la actuación. Usan la máquina para evaluar la confiabilidad y el dominio de Edward Snowden y Julian Assange a partir de fotografías de sus rostros. Luego usan la máquina para hacer la misma evaluación de los actores que los interpretan en dos movimientos recientes: Joseph Gordon-Levitt y Benedict Cumberbatch, respectivamente.

En efecto, esto predice cómo una multitud podría evaluar la similitud entre un actor y la persona que representa.

Los resultados son claros. Resulta que la máquina califica a ambos actores de manera similar a los humanos que representan; por ejemplo, todos obtienen una puntuación baja en confiabilidad. Nuestros modelos generan predicciones notablemente similares entre los sujetos y sus actores, lo que da fe de la precisión de las representaciones en las películas, dicen McCurrie y compañía.

Pero el equipo puede ir más allá. Aplican el algoritmo de visión artificial a cada cuadro de una película, lo que les permite ver cómo cambian las calificaciones con el tiempo. Esto proporciona una medida de la forma en que las percepciones de las personas pueden cambiar con el tiempo. Y eso es algo que podría usarse en investigación, marketing, campañas políticas, etc.

El trabajo también sugiere futuras vías a seguir. Una posibilidad es probar cómo cambian las primeras impresiones entre grupos culturales o demográficos.

Todo esto hace posible comenzar a desmenuzar los factores que contribuyen a nuestras ideas preconcebidas, que a menudo dependen de señales sociales sutiles. También puede permitir que los robots los predigan y los repitan.

Un corolario fascinante de esto es cómo este tipo de investigación podría influir en el comportamiento humano. Si alguien descubre que su rostro se percibe como poco confiable, ¿cómo podría reaccionar esa persona? ¿Sería posible aprender a cambiar esta percepción, tal vez cambiando las expresiones faciales? ¡Trabajo interesante!

Ref: arxiv.org/abs/1610.08119 : Predicción de primeras impresiones con aprendizaje profundo

esconder