Глубокие нейронные сети открывают новые возможности понимания черт лица, связанных с привлекательностью и добротой

Глубокие нейронные сети улучшают анализ черт лица, связанных с привлекательностью и добротой. Исследование показало, что эти методы точнее предсказывают оценки при личной встрече, чем традиционные подходы.

Современные технологии, такие как глубокие нейронные сети, позволяют ученым более точно анализировать черты лица, связанные с привлекательностью и добротой.

Новое исследование, опубликованное в журнале Evolution & Human Behavior, показывает, что эти методы машинного обучения превосходят традиционные подходы в прогнозировании того, как люди оценивают привлекательность и доброту при личной встрече.

Почему это важно?

Привлекательность лица играет ключевую роль в выборе партнера, но традиционные методы измерения черт лица, такие как мужественность, сходство и усредненность, имеют серьезные ограничения. Субъективные оценки подвержены предубеждениям, а методы, основанные на ориентирах (предопределенных точках на лице), не учитывают важные визуальные детали, такие как текстура кожи, цвет волос и контрастность.

Чтобы преодолеть эти ограничения, исследователи Эми А.З. Чжао и Брендан П. Циетч изучили потенциал глубоких нейронных сетей. Эти технологии позволяют более точно количественно оценивать характеристики лица, что улучшает прогнозы привлекательности и доброты в реальных условиях.

Как проводилось исследование?

В исследовании приняли участие 682 человека (344 женщины), набранных из Университета Квинсленда. Все участники были одинокими, гетеросексуальными и свободно владели английским языком. Они участвовали в эксперименте по скоростным свиданиям, где оценивали привлекательность и доброту лиц своих партнеров.

Для анализа черт лица исследователи использовали три метода:

1. Ручное размещение ориентиров: научные сотрудники вручную размещали 28 точек на лицах участников.

2. Автоматическое обнаружение ориентиров: система на основе искусственного интеллекта размещала 83 точки.

3. Глубокие нейронные сети: извлекали 4096 координат черт лица из каждого изображения.

Эти методы использовались для оценки трех ключевых характеристик: усредненности, мужественности и сходства.

Что обнаружили исследователи?

Глубокие нейронные сети показали лучшие результаты в прогнозировании оценок привлекательности и доброты по сравнению с традиционными методами. Например, мужественность мужских лиц, измеренная с помощью нейронных сетей, сильно коррелировала с привлекательностью, что подтверждает предыдущие исследования. В то же время мужественность женских лиц была отрицательно связана с привлекательностью, то есть более женственные черты считались более привлекательными.

Кроме того, нейронные сети оказались менее чувствительны к углу наклона головы на фотографиях, что является распространенной проблемой для методов, основанных на ориентирах.

Исследователи также обнаружили, что люди с более мужественными или женственными чертами лица предпочитают партнеров с аналогичными характеристиками. Этот эффект, известный как ассортативное спаривание, был выявлен только с помощью нейронных сетей, что подчеркивает их способность улавливать тонкие черты лица, влияющие на реальное влечение.

Сходство лиц также было связано с оценками доброты. Люди склонны воспринимать тех, кто выглядит как они, как более добрых и надежных. Этот эффект был заметен при использовании автоматических ориентиров и нейронных сетей, но менее выражен при ручном измерении.

Усредненность лица, которая часто считается ключевым фактором привлекательности, также была значимым предиктором положительных оценок, особенно при измерении с помощью нейронных сетей.

Ограничения исследования

Одним из недостатков глубоких нейронных сетей является их «черный ящик»: сложно определить, какие именно черты лица влияют на оценку. В отличие от методов, основанных на ориентирах, которые предоставляют четкие измерения, нейронные сети работают как сложные системы, которые трудно интерпретировать.

Что дальше?

Исследование открывает новые возможности для изучения того, как черты лица влияют на восприятие привлекательности и доброты. В будущем ученые могут использовать нейронные сети для анализа других аспектов внешности, таких как мимика или возрастные изменения.

Заключение

Глубокие нейронные сети предлагают более точный и комплексный подход к изучению черт лица, связанных с привлекательностью и добротой. Эти технологии могут помочь лучше понять, как люди оценивают друг друга в реальной жизни, и открыть новые горизонты в исследованиях человеческого восприятия.