Utiliser l’apprentissage en profondeur pour prédire les jugements superficiels des utilisateurs sur les visages humains

Utiliser l'apprentissage en profondeur pour prédire les jugements superficiels des utilisateurs sur les visages humains

Crédit : Peterson et al.

De nombreuses études psychologiques ont confirmé la nature biaisée des jugements humains et de la prise de décision. Lorsqu’ils interagissent avec une nouvelle personne, par exemple, les humains font souvent une série de jugements automatiques et superficiels basés uniquement sur leur apparence, leurs traits faciaux, leur origine ethnique, leur morphologie et leur langage corporel.

Des chercheurs de l’Université de Princeton, du Stevens Institute of Technology et de la Booth School of Business de l’Université de Chicago ont récemment tenté de prédire certaines des inférences automatiques que les humains font sur les autres en se basant uniquement sur leur visage, en utilisant des réseaux de neurones profonds. Leur article, publié dans PNASintroduit un modèle d’apprentissage automatique qui peut prédire les jugements arbitraires que les utilisateurs feront sur des images spécifiques de visages avec une précision remarquable.

“En tant que psychologues, nous nous intéressons à la façon dont les gens perçoivent et jugent les visages, en particulier lorsqu’il y a des conséquences importantes, telles que les décisions d’embauche et de condamnation”, a déclaré Joshua Peterson, l’un des chercheurs qui a mené l’étude, à TechXplore. “Cependant, la plupart Jusqu’à présent, le travail se limitait à étudier des rendus artificiels de visages en 3D ou de petits ensembles de photographies.”

Ces dernières années, les informaticiens ont développé une large gamme de modèles avancés d’apprentissage automatique capables d’analyser et de classer de grandes quantités de données, de prédire des événements spécifiques avec une bonne précision et de générer des images, des enregistrements audio ou des textes. Cependant, en examinant la littérature précédente axée sur les jugements de visage humain, Peterson et ses collègues ont remarqué que très peu d’études exploraient ce sujet à l’aide d’outils d’apprentissage automatique à la pointe de la technologie.

“L’objectif principal de notre étude récente était de produire un modèle scientifique des impressions des gens sur les visages qui se généralisent à autant de visages et d’attributs possibles (par exemple, la fiabilité) que possible”, a déclaré Peterson. “Nous voulions également que le modèle se double d’un outil pour générer et manipuler des stimuli faciaux en psychologie, et représente également une nouvelle norme pour étudier les inférences d’attributs arbitraires pour les visages.”

Utiliser l'apprentissage en profondeur pour prédire les jugements superficiels des utilisateurs sur les visages humains

Plusieurs exemples de visages de l’ensemble de données et notes moyennes pour chaque attribut Crédit : Peterson et al.

Dans le passé, les modèles basés sur des réseaux de neurones profonds étaient principalement utilisés pour détecter automatiquement les expressions faciales, les émotions de base ou la présence d’accessoires spécifiques (par exemple, lunettes, lunettes de soleil, boucles d’oreilles, etc.). Peterson et ses collègues, d’autre part, souhaitaient utiliser des réseaux de neurones profonds pour modéliser les attributs liés à la personnalité que les humains pourraient généralement déduire des visages, tels que la fiabilité.

Les inférences liées au visage sont biaisées et arbitraires, ce qui signifie qu’elles peuvent être complètement différentes en fonction de qui les fait. Par conséquent, pour réussir à les modéliser, les chercheurs ont d’abord dû compiler un vaste ensemble de données contenant à la fois des images de visages et les jugements que de nombreux humains différents ont portés à leur sujet.

“Même si notre ensemble de données est le plus grand du genre en psychologie, contenant plus d’un million de jugements, il n’est toujours pas assez grand pour former un modèle de réseau neuronal à partir de zéro”, a déclaré Peterson. “Au lieu de cela, nous supposons que les modèles existants ont déjà appris de manière adéquate la structure générale des visages à partir d’un ensemble de données non étiqueté plus large, puis nous pouvons viser nos propres données comportementales directement sur le problème restant de relier cette structure aux inférences psychologiques.”

Au lieu d’apprendre les poids d’un réseau de neurones entièrement nouveau, ce que les modèles d’apprentissage en profondeur pour l’analyse des visages sont généralement programmés pour faire, le modèle développé par Peterson et ses collègues apprend spécifiquement des poids qui associent des jugements de fiabilité aux traits du visage qui ont été déjà découvert par un autre modèle existant. Cela a finalement permis aux chercheurs d’interpréter d’un point de vue psychologique les états internes opaques de leur réseau neuronal profond.

“Comme le réseau de base que nous avons choisi est génératif, nous sommes également capables de manipuler les visages le long de ces dimensions interprétables, de sorte qu’ils seront jugés plus ou moins, par exemple, dignes de confiance, ce que nous avons vérifié dans des expériences comportementales distinctes”, a déclaré Peterson.







Une animation de transformations pour modifier la perception des visages cibles. Crédit : Peterson et al.

Les travaux récents de cette équipe de chercheurs ont conduit à la création de ce qui pourrait être l’ensemble de données le plus complet et le plus détaillé contenant des biais et des stéréotypes liés au visage compilés à ce jour. À l’avenir, cet ensemble de données et le réseau de neurones profonds présentés dans leur article pourraient être utilisés pour approfondir ces biais, en particulier dans des contextes tels que le recrutement professionnel et les affaires pénales. De plus, ils pourraient guider le développement de stratégies plus efficaces pour réduire l’impact de ces biais.

“L’ensemble de données actuel qui alimente notre modèle se compose de jugements d’une population nord-américaine majoritairement blanche”, a déclaré Peterson. “Une extension importante du travail consistera à se demander comment les préjugés que nous étudions diffèrent entre des populations beaucoup plus diverses. Quiconque souhaite nous aider à le faire peut participer à notre étude en jugeant les visages sur https://demo.onemillionimpressions.com /v2/consentement/.”


Cet algorithme a des opinions sur votre visage


Plus d’information:
Joshua C. Peterson et al, Modèles profonds de jugements faciaux superficiels, Actes de l’Académie nationale des sciences (2022). DOI : 10.1073/pnas.2115228119

© 2022 Réseau Science X

Citation: Utilisation de l’apprentissage en profondeur pour prédire les jugements superficiels des utilisateurs sur les visages humains (22 avril 2022) récupéré le 22 avril 2022 sur https://techxplore.com/news/2022-04-deep-users-superficial-judgments-human.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.