Чи може штучний інтелект судити про красу? Виявляється, він завищує оцінки
Сучасні моделі штучного інтелекту (ШІ) дивовижно точно відтворюють відносний порядок оцінок людської привабливості облич, проте їх абсолютні бали зазвичай вищі, ніж у звичайних людей. Це говорить про те, що ШІ добре розуміє співвідношення краси, але систематично переоцінює зовнішність у порівнянні зі стандартами середньостатистичного спостерігача. Ці цікаві результати було опубліковано у вигляді препринту на платформі arXiv.
Що таке привабливість і як її оцінюють люди?
Привабливість обличчя — це радше психологічне явище, ніж фізична характеристика. Враження про красу формуються в голові спостерігача та залежать від загальних вподобань, таких як симетрія обличчя і молодість, а також від особистих смаків. Крім того, різні групи населення мають свої унікальні патерни оцінок. Наприклад, згідно з дослідженням 2026 року, описаним на PsyPost, і чоловіки, і жінки одностайно вважають жіночі обличчя привабливішими за чоловічі.
Дослідження з оцінки краси за допомогою ШІ
Вчені з QOVES, на чолі з психологом Сантьяго Грандесом, вирішили перевірити, чи оцінює штучний інтелект обличчя подібно до людей. Їх цікавило, чи відображають моделі МЛПМ (мультимодальні великі мовні моделі), навчені на величезних інтернет-даних, думки середньостатистичного користувача. На відміну від традиційного розпізнавання пікселів, ці системи інтерпретують зображення крізь призму супровідних текстів та підписів у мережі.
Основні передумови дослідження
- MLLMs, як ChatGPT або Claude, стають популярними для оцінки своєї зовнішності.
- Ці моделі вчаться на текстах, схильні до соціальної бажаності, часто намагаючись відповідати ввічливо та доброзичливо.
- Вчені хотіли з’ясувати, чи є в цих оцінках об’єктивність або ж це просто вияв ввічливості та позитивності.
Методика експерименту
Для тестування використали Face Research Lab London Set — набір з 102 фотографій людей, приблизно порівну чоловіків і жінок різних етнічних груп. Люди-учасники оцінили кожне обличчя за шкалою від 1 (набагато менш привабливе за середнє) до 7 (набагато більш привабливе). Усього у дослідженні взяли участь 2513 респондентів.
Потім ті ж зображення оцінили чотири моделі ШІ: GPT, Claude, Gemini та Grok. Щоб імітувати звичну взаємодію користувачів, моделі працювали у стандартних налаштуваннях — без додаткового веб-пошуку чи розширеного аналізу. Тести проходили кілька разів по кожному зображенню, щоб отримати стабільні середні значення оцінок.
Що показали результати?
1. ШІ-чудово відтворювали відносний порядок краси: якщо люди вважали одне обличчя привабливішим за інше, то і моделі так само розставляли їх у правильній послідовності.
2. Здивування викликало те, що моделі гарантували кращу узгодженість рейтингу серед себе, ніж окремі індивідуальні люди серед людських оцінок.
3. Але за абсолютними значеннями шкали моделі суттєво відрізнялися від людей: середній бал у людських оцінок був 3,02, тоді як ШІ поставив у середньому 4,71.
4. Моделі ніколи не ставили мінімальний бал жодному обличчю, а найвищу оцінку давав лише Grok. У людей же балами прикривали повний діапазон від 1 до 7.
Різниця між моделями та людськими перевагами
GPT, Claude і Gemini проявили сильну узгодженість між собою у оцінках і ранжуванні облич, а Grok виявився своєрідним “біллю в команді” — він давав набагато вищі середні оцінки і слабше співпадав із думками людей та інших моделей.
Заступник провідного науковця QOVES Маккен Мерфі зазначив, що дослідження машинної психології — це досить нова і складна галузь, де питання “сприймає” чи ні ШІ красу ще лежить у площині складних інтерпретацій.
Як особливості обличчя впливали на оцінку?
- Обидві групи — люди і ШІ — схильні оцінювати старші обличчя менш привабливими.
- У людей чоловічі обличчя отримували майже на 0,65 бала нижче, ніж жіночі, а моделі ШІ лише на 0,1–0,2 бала.
- ШІ ставив більш рівномірні оцінки представникам різних етнічних груп у порівнянні з людськими оцінками, хоча вибірка містила переважно світлошкірих.
Можливі наслідки та подальші напрямки
Деякі результати вказують на існування “Гало-ефекту привабливості” у ШІ, коли моделі позитивно оцінюють більш красиві обличчя і в інших нерозрахованих аспектах. Це може мати вплив, наприклад, на алгоритми відбору кандидатів на роботу чи роботи соцмереж.
Автори припускають, що хоча компанії й можуть використовувати ШІ для зменшення людських упереджень, такі системи можуть невідомо посилювати “привілеї” зовнішньої привабливості.
Різниці в оцінках різних підгруп людей
- Оцінки моделей більше збігалися з уподобаннями жінок.
- Усі моделі, крім Grok, краще узгоджувалися з оцінками людей, які мають привабливість до обох статей, ніж тих, хто орієнтується виключно на чоловіків.
- Таке порівняння базується на даних з обмеженого за віком і культурою вибірки, що треба враховувати.
Обмеження та застереження
Оскільки дослідження наразі є препринтом і не пройшло рецензування, результати варто розглядати як попередні, що можуть змінитися. Крім того, людські оцінки були одноразовими, а оцінки ШІ — усередненими з кількох запусків, що підвищує стабільність останніх і може перебільшувати їх узгодженість у порівнянні з людьми.
Вибірка респондентів характеризується переважанням молодих жінок, які орієнтовані на чоловіків, а список фото має етнічну нерівновагу. Також відсутнє точне формулювання інструкцій, які отримували учасники, тож команди для ШІ могли відрізнятися від завдань людям.
Що варто пам’ятати користувачам
Популярні моделі ШІ, хоч і здатні приблизно відтворювати людський порядок краси, значно завищують абсолютні оцінки. Вони часто вважають обличчя привабливішими за середній рівень, незалежно від реального вигляду. Отже, варто бути уважними, не сприймаючи такі інструменти як безсторонні судді краси.
Погляд у майбутнє
Дослідники планують далі вивчати, що саме формує загальноприйняті та індивідуальні естетичні вподобання, аналізуючи ширше коло спостерігачів і облич. Вони навіть створили сайт із підсумками дослідження, інтерактивними графіками та відкритими даними, щоб усі охочі могли ознайомитися з результатами.
Стаття під назвою «Beauty is in the AI of the beholder: MLLMs systematically overrate facial attractiveness» спільно написана Сантьяго Грандесом, Хуаном Себастіаном Целі-Акостою, Могітом Мендіраттою, Шафі Хассаном і Маккеном Мерфі.
