研究发现人工智能在进行评估时,责任心比其它四个特征更容易识别,基于女性面孔的性格预测似乎比基于男性面孔的更可靠。这项技术可以用来在客户服务、约会或在线辅导中找到“最佳匹配”。

这一研究于5月22日发表在《科学报告》上,题目为“Assessing the Big Five personality traits using real-life static facial images”,用真实的静态面部图像评估五大人格特征。

从古希腊到西塞雷·隆布洛索(Cesare Lombroso,意大利犯罪学家、精神病学家,刑事人类学派的创始人),面相学者都试图将面部特征与性格联系起来,但他们的大部分想法都经不起现代科学的推敲。

少数已建立的特定面部特征与人格特征之间的联系,如面部宽高比,是相当薄弱的。要求人类评估者根据照片做出性格判断的研究产生了不一致的结果,这表明我们的判断太不可靠,没有任何实际的重要性。

然而,有强有力的理论和进化论证表明,一些关于个性特征的信息,尤其是那些对社会交流至关重要的信息,可能是通过人类的面部来传达的。毕竟,脸和行为都是由基因和荷尔蒙决定的,一个人的外表所产生的社会经验可能会影响一个人的个性发展。

然而,最近来自神经科学的证据表明,人类大脑并没有关注特定的面部特征,而是以一种整体的方式处理面部图像。

莫斯科两所大学、国立研究大学高等经济学院(HSE)和人文与经济开放大学的研究人员已与一家名为BestFitMe的俄罗斯-英国商业初创公司合作,训练级联的人工神经网络以使其在基于人脸照片的个性判断上更可靠。所得模型的性能高于以前使用机器学习或人类评分器的研究报告的性能。

人工智能能够根据志愿者上传的自拍照做出关于尽责性,神经质,外向性,友善性和开放性的超乎寻常的判断。结果发现,得出的个性判断在同一个人的不同照片中是一致的。

这项研究的样本是1.2万名志愿者,他们完成了一份基于“五大”模型的自我报告问卷,共上传了3.1万张自拍照。被调查者被随机分为培训组和测试组。

研究人员利用一系列神经网络对图像进行预处理,保证图像质量和特征的一致性,排除具有情绪表情的人脸以及名人和猫的图片。然后训练图像分类神经网络将每幅图像分解成128个不变特征,然后训练多层感知器利用图像不变量预测人格特征。

r = .24的平均效应大小表明,在58%的案例中,人工智能可以正确猜出两个随机选择的个体在人格维度上的相对地位,而不是偶然预期的50%。与自我报告的和观察者的人格特质等级之间的相关性的荟萃分析估计相比,这表明依赖静态面部图像的人工神经网络的性能要优于普通人,后者无需事先相识即可亲自达到目标。

相比其他四个特征,尽责性变得更容易辨认, 基于女性面孔的个性预测似乎比男性面孔更可靠。

针对这一研究还有大量的潜在应用有待开发。在高速和低成本比高精度更重要的情况下,从现实生活中的照片中识别个性可以补充传统的个性评估方法。人工智能可用于提出最适合客户个性的产品,或在二元互动(例如客户服务,约会或在线辅导)中为个人选择可能的“最佳匹配”。

编译:前瞻经济学人