Max Home IndustryЭто банка шершней. Новая компания Faception утверждает, что обучила систему искусственного интеллекта распознавать различные категории людей, просто глядя на их лица. Короче говоря, это мгновенный профилировщик, работающий только с фотографией рассматриваемого человека. Чудо или кошмар?
Вы можете обучить нейронную сеть или любой другой алгоритм машинного обучения, используя любые данные и надеясь получить хорошие результаты. В этом случае идея состоит в том, что вы делаете много фотографий человеческих лиц, которые представляют одну категорию, и фотографий другой — скажем, умные люди против неразумных людей, и обучаете сеть различать их, основываясь только на их лицах.
Почему это возможно даже в самых безумных фантазиях?
Аргумент состоит в том, что если такая характеристика, как интеллект, контролируется определенным типом ДНК, тогда этот тип ДНК приведет к корреляции между тем, как люди выглядят, и характеристиками. Веб-сайт содержит ссылки на научные исследования однояйцевых близнецов и того, как гены контролируют внешность лица. Однако все это косвенные и даже в некоторой степени оспариваемые. Нет прямых доказательств того, что ваша внешность связана с личными качествами.
Ситуация настолько сложна, что единственный способ опровергнуть такую идею — показать отсутствие корреляции. Это сложно сделать из-за неопределенности, присущей измерению того, «как кто-то выглядит».
Однако нейронная сеть и многие методы обучения не нуждаются в определениях того, что может отличаться — они изучают то, что отличается от данных. Если машинное обучение может различать разные категории с достаточной точностью, значит, что-то происходит между тем, как что-то выглядит, и рассматриваемой характеристикой.
Компания утверждает, что имеет набор классификаторов для:
ВЫСОКИЙ IQ
Обладает навыками рассуждения, такими как логика, пространственные навыки. Самостоятельные люди, вольнодумцы и предприниматели. Исключительно одаренные, менее социально ориентированные, ценят истину, факты и логику больше, чем эмоциональные отношения. Творческий и независимый, с исключительными способностями к концентрации, высоким интеллектом и умственными способностями.
Академический исследователь
Наделен последовательным мышлением, высокими аналитическими способностями, множеством идей, глубокими мыслями и серьезностью. Творческий, с высокой способностью к концентрации, умственными способностями и интересом к данным и информации.
Профессиональный игрок в покер
Обладает высокой способностью к концентрации, усидчивостью и терпением. Целеустремленный, аналитический, с сухим чувством юмора. Молчаливый, лишенный эмоций и эмоционального выражения, строгий и остроумный, с высокой критичностью.
Игрок в бинго
Обладает высоким умственным потенциалом, высокой концентрацией внимания, предприимчивостью и сильными аналитическими способностями. Склонен к творчеству, с высокой оригинальностью и воображением, с высокой сохранностью и острым чутьем.
Промоутер бренда
Обладает высокой уверенностью в себе, авторитетной, харизматичной и притягательной личностью, высоким интеллектом и высокими словесными способностями. Как правило, добр, общителен, прямолинеен и очень практичен.
Белый воротничок преступник
Имеет низкую самооценку, высокий IQ и харизму. Беспокойный, напряженный и разочарованный, конкурентный, амбициозный и властный. Обычно любит рисковать и имеет сухое чувство юмора.
Террорист
Как правило, агрессивен, активен, ищет острых ощущений, жесток и психологически неуравновешен. Обычно страдает перепадами настроения, чувством неполноценности и неуверенностью в себе.
Педофил
Страдает повышенным уровнем тревожности и депрессии. Интроверт, лишен эмоций, расчетлив, склонен к пессимизму, с низкой самооценкой, низким самооценкой и перепадами настроения.
ИИ может выставить оценку для каждого из этих классов после нескольких секунд просмотра фотографии человека.
Конечно, важно знать точность, и, к сожалению, точные цифры не приводятся. The Washington Post сообщает, что исполнительный директор Faception Шай Гилбоа говорит, что некоторые классификаторы точны на 80%. Это может звучать хорошо, но обратите внимание, что некоторые из них имеют точность менее 80%. Вдобавок 80% точность на самом деле не так уж хороша и может быть недостаточно для многих задач. Например, предположим, что террористы составляют 1% вашей выборки, их, вероятно, будет намного меньше, чем 1%. Тогда 20% ошибок означает, что из 1000 человек вы обвините примерно 200 невиновных и пропустите 2 террористов.
Вы можете подумать: «Но сигнал есть». Не обязательно. История ИИ изобилует странными демонстрациями, которые на самом деле не демонстрируют то, на что они претендуют. Есть хорошо известный, очень ранний пример единственного перцептрона, обученного отличать самцов от самок по фотографиям. Он попал в заголовки газет, когда классифицировал всех Beatles как девушек. На практике он измерял количество волос на каждой фотографии.
Мой единственный опыт, связанный с эффектом, не попал в заголовки, но может лучше проиллюстрировать проблему. У меня был классификатор, работавший хорошо, с точностью 99%, на различении набора фотографий планеты Марс, пытаясь выделить возможные признаки текущей воды. Затем я заметил, что фотографии одного класса немного отличаются от другого. Оказалось, что фотографии двух групп были напечатаны на фотобумаге разных сортов (это было некоторое время назад), и большая часть первой группы имела более высокий контраст, чем вторая группа. Человек мог по-настоящему увидеть это только тогда, когда им сказали, что это так; правило обучения сразу уловило это.
Когда правило обучения различает, оно может использовать не те функции, которых вы ожидаете. Они могут быть совершенно случайными для желаемой классификации. Например, фотографии группы с высоким IQ могут просто иметь лучшее состояние кожи или быть толще, потому что испытуемые зарабатывают больше. Это AI-эквивалент правила «корреляция не подразумевает причинной связи».
Что бы ни происходило, это не будет бесспорным использованием ИИ. Процитируем Александра Тодорова, профессора психологии из Принстона, чьи исследования включают восприятие лица (Washington Post):
«Как раз тогда, когда мы подумали, что эта физиогномика закончилась 100 лет назад. Ну что ж.»