پژوهشگران نشان داده‌اند که هوش مصنوعی بهتر از ارزیاب‌های انسانی می‌تواند براساس تصاویر سلفی به ویژگی‌های شخصیتی افراد پی ببرد.
از زمان‌های گذشته افراد زیادی از چهره‌خوان‌های یونان باستان گرفته تا چزاره لومبروزو سعی کرده‌اند تا سیمای افراد را به شخصیت آن‌ها ارتباط بدهند؛ اما اکثر ایده‌های آن‌ها نتوانست دربرابر بررسی‌های دقیق علوم مدرن مقاومت کند. معدود ارتباطات ایجاد شده از ویژگی‌های خاص چهره با صفات شخصیتی مانند نسبت عرض به ارتفاع بسیار ضعیف است.
مطالعاتی که در آن‌ها از ارزیاب‌های انسانی خواسته شده است تا براساس تصاویر، شخصیت افراد را مورد قضاوت قرار دهند، نتایج متناقضی تولید کرده و این امر نشان می‌دهد که قضاوت‌های ما برای هرگونه کاربرد عملی، به‌شدت غیر قابل اطمینان هستند. بااین‌حال، استدلال‌های تئوریکی و تکاملی قوی وجود دارد که نشان می‌دهد برخی از اطلاعات درمورد ویژگی‌های شخصیتی خصوصا آن‌هایی که ازنظر ارتباطات اجتماعی مهم هستند، ممکن است به‌وسیله‌ی چهره‌ی انسان منتقل شود. هرچه باشد، چهره و رفتار هر دو به‌وسیله‌ی ژن‌ها و هورمون‌ها شکل می‌گیرند و تجارب اجتماعی حاصل از ظاهر یک فرد ممکن است روی رشد شخصیتی او اثرگذار باشد. اگرچه شواهد اخیر علوم اعصاب نشان می‌دهد که مغز انسان به‌جای نگاه کردن به خصوصیات خاصی در چهره، تصویر چهره را به‌صورت کلی پردازش می‌کند.
پژوهشگران روسی از دانشگاه HSE و دانشگاه باز علوم انسانی و اقتصاد با استارتابی به نام BestFitMe همکاری کردند تا زنجیره‌ای از شبکه‌های عصبی مصنوعی را آموزش دهند تا براساس تصاویر چهره‌ی انسان‌ها قضاوت‌های شخصیتی قابل‌اطمینانی انجام دهد. عملکرد مدل حاصل بالاتر از چیزی بود که در مطالعات گذشته با استفاده از یادگیری ماشین یا ارزیاب‌های انسانی گزارش شده بود. هوش مصنوعی قادر بود تا براساس سلفی‌هایی که داوطلبان بارگذاری می‌کردند، قضاوت‌های بالاتر از شانس درمورد وظیفه‌مداری، روان‌نژندی، برون‌گرایی، توافق‌پذیری و گشودگی حاصل کند. قضاوت‌های شخصیتی حاصل در تصاویر مختلف افراد یکسان سازگار بود. این مطالعه در نمونه‌ای متشکل از ۱۲ هزار شرکت‌کننده انجام شد که پرسش‌نامه‌هایی را در مورد سنجه‌های مربوط به ویژگی‌های شخصیتی براساس مدل پنج عاملی شخصیت (Big Five) تکمیل کرده و درمجموع ۳۱ هزار تصویر سلفی رابارگذاری کرده بودند.
پاسخ‌دهندگان به‌طور تصادفی در گروه آزمایش یا گروه آموزش قرار داده شدند. مجموعه‌ای از شبکه‌های عصبی برای پیش‌پردازش تصاویر برای اطمینان از یکنواختی کیفیت و ویژگی‌ها و حذف چهره‌های دارای تظاهرات عاطفی و نیز تصاویر افراد مشهور و گربه‌ها مورد استفاده قرار گرفت. در مرحله‌ی بعد، یک شبکه عصبیِ طبقه‌بندی تصویر به‌منظور تجزیه‌ی هر تصویر به ۱۲۸ ویژگی ثابت آموزش داده شد و پس از آن یک الگوریتم چندلایه‌ی پرسپترون مورد استفاده قرار گرفت که از این ویژگی‌ها برای پیش‌بینی صفات شخصیتی استفاده می‌کرد.
میانگین اندازه اثر برابر ۰/۲۴ نشان می‌دهد که هوش مصنوعی می‌تواند درمورد وضعیت نسبی دو فرد انتخاب‌شده به‌صورت تصادفی در یک بُعد شخصیتی در ۵۸ درصد از موارد درست حدس بزند که بیشتر از ۵۰ درصدی است که براساس شانس مورد انتظار است. درمقایسه‌با برآوردهای فراتحلیلی از همبستگی‌های میان رتبه‌بندی‌های خودگزارش‌شده و مشاهده‌گر درمورد صفات شخصیتی، این نتایج نشان می‌دهد که هوش مصنوعی با تکیه‌بر تصاویر ساکن چهره از ارزیاب انسانی متوسط که بدون دانش قبلی فرد مورد هدف را می‌بیند، بهتر عمل می‌کند. تشخیص وظیفه‌مداری آسان‌تر از چهار ویژگی دیگر بود. به‌نظر می‌رسید پیش‌بینی‌های شخصیتی براساس چهره‌ی زنان نسبت‌به پیش‌بینی براساس چهره‌ی مردان قابل اطمینان‌تر باشد.
کاربردهای بالقوه ی زیادی در این زمینه وجود دارد که می‌تواند مورد بررسی قرار گیرد. شناخت شخصیت از روی تصاویر واقعی می‌تواند مکمل رویکردهای معمول برای ارزیابی شخصیت در موقعیت‌هایی که در آن سرعت بالا و هزینه‌ی پایین مهم‌تر از دقت بالا است، باشد. از هوش مصنوعی می‌توان برای پیشنهاد محصولاتی که بهترین سازگاری را با شخصیت مشتری دارد یا برای انتخاب بهترین همتا برای افراد در تعامل‌های دونفره ماند خدمات به مشتری، آشنایی و آموزش خصوصی آنلاین استفاده کرد.
نتایج این مطالعه در مجله‌ی Scientific Reports منتشر شده است.
در آیدت،
فایل‌های
خود را به فروش بگذارید و یا
مقالات‌تان
را منتشر کنید👋
پاسخ ها