هوش مصنوعي مي‌تواند براساس تصاوير شخصيت افراد را قضاوت كند
از زمان‌هاي گذشته افراد زيادي از چهره‌خوان‌هاي يونان باستان گرفته تا چزاره لومبروزو سعي كرده‌اند تا سيماي افراد را به شخصيت آن‌ها ارتباط بدهند؛ اما اكثر ايده‌هاي آن‌ها نتوانست دربرابر مطالعه‌هاي دقيق علوم مدرن مقاومت كند. معدود ارتباطات ايجاد شده از ويژگي‌هاي خاص چهره با صفات شخصيتي مانند نسبت عرض به ارتفاع بسيار ضعيف است.
مطالعاتي كه در آن‌ها از ارزياب‌هاي انساني خواسته شده است تا براساس تصاوير، شخصيت افراد را مورد قضاوت قرار دهند، نتايج متناقضي توليد كرده و اين امر نشان مي‌دهد كه قضاوت‌هاي ما براي هرگونه متخصصد عملي، به‌شدت غير قابل اطمينان هستند. بااين‌حال، استدلال‌هاي تئوريكي و تكاملي قوي وجود دارد كه نشان مي‌دهد برخي از اطلاعات درمورد ويژگي‌هاي شخصيتي خصوصا آن‌هايي كه ازانديشه متخصصين ارتباطات اجتماعي مهم هستند، ممكن است به‌وسيله‌ي چهره‌ي انسان منتقل شود. هرچه باشد، چهره و رفتار هر دو به‌وسيله‌ي ژن‌ها و هورمون‌ها شكل مي‌گيرند و تجارب اجتماعي حاصل از ظاهر يك فرد ممكن است روي رشد شخصيتي او اثرگذار باشد. اگرچه شواهد اخير علوم اعصاب نشان مي‌دهد كه مغز انسان به‌جاي نگاه كردن به خصوصيات خاصي در چهره، تصوير چهره را به‌صورت كلي پردازش مي‌كند.
پژوهشگران روسي از دانشگاه HSE و دانشگاه باز علوم انساني و اقتصاد با استارتابي به نام BestFitMe همكاري كردند تا زنجيره‌اي از شبكه‌هاي عصبي مصنوعي را يادگيري دهند تا براساس تصاوير چهره‌ي انسان‌ها قضاوت‌هاي شخصيتي قابل‌اطميناني انجام دهد. عملكرد مدل حاصل بالاتر از چيزي بود كه در مطالعات گذشته با استفاده از يادگيري ماشين يا ارزياب‌هاي انساني گزارش شده بود. هوش مصنوعي قادر بود تا براساس سلفي‌هايي كه داوطلبان بارگذاري مي‌كردند، قضاوت‌هاي بالاتر از شانس درمورد وظيفه‌مداري، روان‌نژندي، برون‌گرايي، توافق‌پذيري و گشودگي حاصل كند. قضاوت‌هاي شخصيتي حاصل در تصاوير مختلف افراد يكسان سازگار بود. اين مطالعه در نمونه‌اي متشكل از ۱۲ هزار شركت‌كننده انجام شد كه پرسش‌نامه‌هايي را در مورد سنجه‌هاي مربوط به ويژگي‌هاي شخصيتي براساس مدل پنج عاملي شخصيت (Big Five) تكميل كرده و درمجموع ۳۱ هزار تصوير سلفي رابارگذاري كرده بودند.
پاسخ‌دهندگان به‌طور تصادفي در گروه آزمايش يا گروه يادگيري قرار داده شدند. مجموعه‌اي از شبكه‌هاي عصبي براي پيش‌پردازش تصاوير براي اطمينان از يكنواختي كيفيت و ويژگي‌ها و حذف چهره‌هاي داراي تظاهرات عاطفي و نيز تصاوير افراد مشهور و گربه‌ها مورد استفاده قرار گرفت. در مرحله‌ي بعد، يك شبكه عصبيِ طبقه‌بندي تصوير به‌منظور تجزيه‌ي هر تصوير به ۱۲۸ ويژگي ثابت يادگيري داده شد و پس از آن يك الگوريتم چندلايه‌ي پرسپترون مورد استفاده قرار گرفت كه از اين ويژگي‌ها براي پيش‌بيني صفات شخصيتي استفاده مي‌كرد.
ميانگين اندازه اثر برابر ۰/۲۴ نشان مي‌دهد كه هوش مصنوعي مي‌تواند درمورد وضعيت نسبي دو فرد انتخاب‌شده به‌صورت تصادفي در يك بُعد شخصيتي در ۵۸ درصد از موارد درست حدس بزند كه بيشتر از ۵۰ درصدي است كه براساس شانس مورد انتظار است. درمقايسه‌با برآوردهاي فراتحليلي از همبستگي‌هاي ميان رتبه‌بندي‌هاي خودگزارش‌شده و مشاهده‌گر درمورد صفات شخصيتي، اين نتايج نشان مي‌دهد كه هوش مصنوعي با تكيه‌بر تصاوير ساكن چهره از ارزياب انساني متوسط كه بدون دانش قبلي فرد مورد هدف را مي‌بيند، بهتر عمل مي‌كند. تشخيص وظيفه‌مداري آسان‌تر از چهار ويژگي ديگر بود. به‌انديشه متخصصين مي‌رسيد پيش‌بيني‌هاي شخصيتي براساس چهره‌ي زنان نسبت‌به پيش‌بيني براساس چهره‌ي مردان قابل اطمينان‌تر باشد.
كاربردهاي بالقوه ي زيادي در اين زمينه وجود دارد كه مي‌تواند مورد مطالعه قرار گيرد. شناخت شخصيت از روي تصاوير واقعي مي‌تواند مكمل رويكردهاي معمول براي ارزيابي شخصيت در موقعيت‌هايي كه در آن سرعت بالا و هزينه‌ي پايين مهم‌تر از دقت بالا است، باشد. از هوش مصنوعي مي‌توان براي پيشنهاد محصولاتي كه بهترين سازگاري را با شخصيت مشتري دارد يا براي انتخاب بهترين همتا براي افراد در تعامل‌هاي دونفره ماند خدمات به مشتري، آشنايي و يادگيري خصوصي الكترونيك استفاده كرد.
نتايج اين مطالعه در مجله‌ي Scientific Reports منتشر شده است.
هم انديشي ها