AI ved om du er homo eller hetero ved at kigge på et enkelt billede
Har du en ven, der skal igennem maskinen?
I et studie fra Stanford analyserede forskerne 35.000 ansigtsbilleder og skabte en algoritme, der med høj præcision kan forudsige en persons seksuelle orientation.
Med et enkelt billede kunne algoritmen gætte, om mænd var homeseksuelle eller heteroseksuelle med 81% sikkerhed.
For kvinder var resultatet en smule lavere med imponerende 74%.
Når maskinen bearbejdede fem billeder af en enkelt person røg træfsikkerheden op på 91% for mænd og 83% for kvinder.
Forskerne Michal Kosinski og Yilun Wang hentede i første omgang tusindvis af offentligt tilgængelige billeder fra et datingsite.
Udover de mange billeder kunne de to forskere også hente de seksuelle præferencer fra brugerne på sitet.
Derfra kunne de sammensætte et data set og uddrage ansigtstrækkende ved hjælp af neurale netværk - eller 'deep neural networks', hvis man er virkelig nørdet.
Konklusionen
De fandt ud af, at homoseksuelle mænd udviste en tendens til at have 'kønsatypiske' træk, udtryk og groomingpræferencer (hårstil og ansigtsbehåring).
Algoritmen udpegede, at disse mænd så mere feminine ud og havde ofte smallere kæber, længere næser og større pander end heteroseksuelle mænd.
Homoseksuelle kvinder var lige det modsatte.
De havde i gennemsnit større kæber og mindre pander.
Om årsagen til algoritmens lavere succesrate, når det gælder at estimere kvindernes seksuelle orientering, fortæller forskerne, at det kan skyldes idéen om at kvinders seksualitet er mere flydende end mænds - eller blot at algoritmen fandt færre fysiske forskelle mellem homo- og heteroseksuelle kvinder i forhold til homo- og heteroseksuelle mænd.
Algoritmen klarede sig endda langt bedre til at identificere den seksuelle orientering hos mænd og kvinder, end menneskerne var i stand til.
Mennesker gættede rigtigt om mænds seksuelle orientering 61% af gangene og 54% hos kvinderne.
Modsat algoritmens 81% og 74%.
Kilder:
- Wang, Y., & Kosinski, M. (in press). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. Journal of Personality and Social Psychology.
