Egy új dániai tanulmány gépi tanulási technikákat alkalmazott dán politikusok arcképein, hogy megjósolja, jobboldali vagy baloldali ideológiát vallanak-e. A becslések pontossága 61% volt. A jobboldali politikusok arca nagyobb valószínűséggel volt vidám, és kisebb valószínűséggel mutatott közömbös arckifejezést. A vonzó arcú nők többnyire jobboldali gondolkodásúak voltak, míg azok a nők, akiknek az arca gőgöt mutatott, nagyobb valószínűséggel voltak baloldaliak. A tanulmány a Scientific Reports c. folyóiratban jelent meg.

Az emberi arc nagyon kifejező. Izmok összetett hálózatát használja a különböző funkciókhoz, például arckifejezésekhez, beszédhez, rágáshoz és szemmozgásokhoz. Az arcon több mint 40 egyedi izom található, így ezen a területen koncentrálódik a legtöbb izom. Ezek az izmok teszik lehetővé számunkra, hogy érzelmek széles skáláját közvetítsük, és olyan bonyolult mozgásokat hajtsunk végre, amelyek a kommunikációhoz és a napi tevékenységekhez elengedhetetlenek.

Más emberek arckifejezéséből az ember sok információra tesz szert. Ezek közé tartoznak a személyiségről, az intelligenciáról, a politikai ideológiáról, a szexuális irányultságról és sok más pszichológiai és társadalmi jellemzőről alkotott ítéletek. De míg a hétköznapi életben az ember szinte automatikusan jut ezekre a következtetésekre, az továbbra is vitatott, hogy az arcoknak pontosan mely jellegzetességeit alkalmazva és hogyan jutunk ezekre a megállapításokra.

A tanulmány szerzője, Stig Hebbelstrup és kollégái azt akarták feltárni, lehetséges-e számítógépes neurális hálózatok alkalmazása segítségével a politikai ideológiára következtetni egyetlen arckép alapján. A számítógépes neurális hálózatok olyan algoritmusok sora, amelyeket a biológiai agy szerkezete és működése ihletett. Ezek egymással összeköttetésben lévő csomópontokból állnak, rétegekbe rendezve, amelyeket mesterséges neuronoknak vagy egységeknek neveznek. Minden neuron az előző rétegből kapja a betáplált információt, elvégez egy műveletet, az eredményt pedig továbbítja a következő rétegnek.

A számítógépes neurális hálózatok elsődleges célja az adatokon belüli minták és kapcsolatok megismerése a neuronok közötti kapcsolatok beállításával. Ezt a tanulási folyamatot, amelyet gyakran tréningnek vagy optimalizálásnak neveznek, általában a visszaterjedésnek [backpropagation] nevezett technikával érik el. Ez azt jelenti, hogy ha hibáznak a kimeneti adatban, akkor a rendszer a kijavítás érdekében módosításokat hajt végre az előző csomópontok műveleteivel kapcsolatosan.

Ennek a neurális hálózatnak a tanításához a kutatók a 2017-es dán helyhatósági választások egy sor politikai jelöltjéről készített, nyilvánosan elérhető fotókat használtak fel. Ezeket a fényképeket a Danish Broadcasting Corporation (DR) rendelkezésére bocsátották, hogy maguk a jelöltek használják fel őket a nyilvános kommunikációban. A szerzők megjegyzik, hogy ezek a választások nem kiélezett helyzetben zajlottak. A jelölteket nem a pártjukon belüli versengő választásokon választották ki, ezért a dán politológusok “a politika utolsó amatőrjeinek” nevezik őket.

A kezdeti adatkészlet 5 230 arcképből állt. A kutatók azonban kizárták a kevésbé meghatározott ideológiájú pártokat képviselő azon jelöltek fotóit, akiket nem lehetett bal- vagy jobboldalinak minősíteni, a gépi feldolgozásra alkalmatlan arcképeket, és azokat, amelyek nem színesben készültek.

Ezután az egyik szerző, aki nem ismerte a jelölt nevét vagy pártját, manuálisan átvizsgálta a fényképeket, és kizárta azoknak a jelölteknek fotóit, akik nem tűntek etnikailag európai származásúnak. A kizárás oka az volt, hogy a nem európai származású jelöltek, bár vizuálisan könnyen azonosíthatók, de 2,5-szer nagyobb valószínűséggel képviseltek baloldali pártokat.

Végül a szerzők kizárták a szakállas jelöltek fotóit, megjegyezve, hogy a szakáll hátrányosan befolyásolhatja az arckifejezések felismerését és néhány más elemzést is. Az algoritmust külön tanították erre a férfi és a női fotókon. A végső adatkészlet 4647 fotóból állt, amelyből 1442 nőé volt.

Az algoritmus pontosságát Hebbelstrup és kollégái dán parlamenti képviselők további mintáin tesztelték. Ezt a mintát férfiakra és nőkre válogatták szét, mindegyikre külön-külön alkalmazva az algoritmust, de más kizárást nem végeztek. Minden fotót úgy szerkesztettek, hogy csak az arcokat mutassák, és hogy kizárjanak minden olyan egyéb elemet, amelyből következtetni lehetett volna az ideológiára (például háttérszínek vagy ruhák).

A kutatók az arc által kifejezett érzelemre egy fokmérőt hoztak létre a Microsoft Azure Cognitive Services Face API-jának [algoritmus képeken látható emberi arcok azonosítására és felismerésére] segítségével. Az eredmények azt mutatták, hogy az arcok 80% -a vidámságot mutatott, míg 19% -uk közömbös arckifejezéssel rendelkezett. A szerzők ezt annak tulajdonítják, hogy az algoritmus nem képes pontosan azonosítani más típusú arckifejezéseket. Ezenkívül algoritmusokat használtak a jelöltek vonzerejének és a férfi jelöltek férfiasságának felmérésére.

Az eredmények azt mutatták, hogy az ezekre az adatokra megtanított neurális hálózat 61% -os pontossággal jósolta meg az ideológiát arckép alapján mind a férfiak, mind a nők esetében. Más szóval, az előrejelzési algoritmus pontossága jobb, mint a véletlen.

Az ideológiával kapcsolatos döntések meghozatalában döntő fontosságú arcvonások elemzése azt mutatta, hogy a férfiasság és a vonzerő nincs összefüggésben az ideológiával a férfiak esetében. A vonzóbb nők azonban nagyobb valószínűséggel voltak jobboldali pártok képviselői. A boldog arcok, mind a férfiaknál, mind a nőknél, nagyobb valószínűséggel voltak jobboldali pártok képviselőié, míg a közömbös arckifejezésű arcokat mutatók nagyobb valószínűséggel voltak baloldaliak. Ritkán ugyan, de azok a nők, akiknek az arca gőgöt mutatott, nagyobb valószínűséggel a baloldali pártok képviselői voltak.

“Eredményeink megerősítették a mély-tanulási megközelítések által a magánéletre jelentett fenyegetést. Egy előre kifejlesztett és könnyen elérhető hálózat segítségével, amelyet kizárólag nyilvánosan elérhető adatokra tanítottak és hitelesítettek, képesek voltunk a képen látható személy ideológiáját az esetek körülbelül 60% -ában, két mintában felmérni” – vonták le a következtetést a kutatók.

“Mi szolgáltatjuk az első bizonyítékot arra is, hogy a modell alapján megjósolt ideológia az arc egymástól függetlenül osztályozható vonásaihoz kapcsolódik. A nők esetében (bár a férfiaknál nem) magas vonzerő-pontszámokat találtak azok között, akiket a modell valószínűleg konzervatívként azonosított. Ezek az eredmények hitelesek, mivel az emberi értékelőkkel végzett korábbi kutatások szintén rámutattak a vonzerő és a konzervativizmus közötti kapcsolatra.”

A tanulmány értékes hozzájárulást biztosít az ideológiák és a megjelenés közötti összefüggés tudományos megértéséhez. De meg kell jegyezni, hogy vannak korlátai is, amelyeket figyelembe kell venni. Nevezetesen, a szerzők nem adják meg a mintában résztvevő jobboldali és baloldali politikusok százalékos arányát, hanem referenciaként egy érmefeldobási esélyt használnak.

Ha azonban a politikusok egyik kategóriája a fényképminta több mint 60% -át teszi ki, akkor az, ha az összes jelöltet egyszerűen a domináns kategóriába tartozóként sorolnánk be, nagyobb pontosságot eredményezne, mint amit a vizsgálati algoritmus elér. Ez más megvilágításba helyezné az eredményeket. Ezenkívül minden politikus dán volt, akinek a fényképe a tanulmányban részt vett. Lehetséges, hogy más populációk esetében nem ugyanezek az eredmények születtek volna.

A “Using deep learning to predict ideology from facial photographs: expressions, beauty, and extra-facial information” (A mély tanulás alkalmazása az ideológia arcképekből történő előrejelzésére: kifejezések, szépség és arcon kívüli információk) című tanulmányt Stig Hebbelstrup, Rye Rasmussen, Steven G. Ludeke és Robert Klemmensen írta.

Forrás:psypost