Paprašiau AI pasakyti, kokia aš graži

Kompiuteriai reitinguoja, kaip žmonės atrodo, o rezultatai daro įtaką mūsų veiklai, matomiems įrašams ir mąstymui.

Joana Wong

pateikė

• Tate'as Ryanas-Mosley archyvo puslapis

2021 m. kovo 5 d

Pirmą kartą susidūriau su „Qoves Studio“ per jos populiarų „YouTube“ kanalą, kuriame siūlomi patobulinti vaizdo įrašai, tokie kaip Ar šukuosena daro gražų veidą?, Kuo Timothée Chalamet patrauklus? , ir Kaip žandikaulio išlyginimas įtakoja socialinį suvokimą milijonams žiūrovų.

„Qoves“ pradėjo veikti kaip studija, kuri modelių agentūroms spausdindavo vaizdus; dabar tai veido estetikos konsultacijos, žadančios atsakymus į seną klausimą, kas daro veidą patrauklų. Jo Interneto svetainė , kuriame pavaizduoti kreidiniai paryžietiškos išvaizdos moterų, dėvinčių lūpų dažus ir spalvingas skrybėles, eskizai, siūlomos įvairios su plastinės chirurgijos konsultacijų verslu susijusių paslaugų: pavyzdžiui, patarimai dėl grožio produktų ir patarimai, kaip pagerinti vaizdus naudojant kompiuterį. Tačiau įtikinamiausia jo savybė yra veido vertinimo įrankis: dirbtinio intelekto valdoma sistema, kuri žada pažvelgti į jūsų veido atvaizdus, ​​kad parodytų, koks esate gražus (ar nesate), o tada pasakys, ką galite padaryti.

Praėjusią savaitę nusprendžiau išbandyti. Vadovaudamasi svetainės instrukcijomis, nuploviau nedidelį makiažą ir radau neutralią sieną, kurią pašviesino mažas langelis. Paprašiau savo vaikino nufotografuoti mano veidą akių lygyje iš arti. Labai stengiausi nesišypsoti. Tai buvo glamūriškumo priešingybė.

Įkėliau labiausiai pakenčiamą nuotrauką ir per milisekundes Qovesas grąžino ataskaitos kortelę apie 10 numatytų mano veido trūkumų. Sąrašo viršuje buvo 0,7 nosies-labsumo raukšlių tikimybė, po jos – 0,69 paakių kontūro depresija ir 0,66 akies spalvos pakitimo tikimybė. Kitaip tariant, įtarė (teisingai), kad turiu tamsius maišelius po akimis ir šypsenos linijas, kurios abu registruojami kaip problemiški AI.

Mano rezultatai iš Qoves veido vertinimo įrankio

Ataskaitoje buvo naudingos rekomendacijos, kurių galėčiau imtis, kad pašalinčiau savo trūkumus. Pirma, siūlomame straipsnyje apie šypsenos linijas mane informavo, kad joms gali prireikti injekcinės ar chirurginės intervencijos. Jei norėčiau, galėčiau atnaujinti į išsamesnę gydytojų surašytą chirurginių rekomendacijų ataskaitą, kurios lygiai yra 75 USD, 150 USD ir 250 USD. Taip pat buvo pasiūlyti penki serumai, kuriuos galėčiau išbandyti pirmiausia, kurių kiekvienas turi skirtingą odos priežiūros ingredientą – retinolį, neuropeptidus, hialurono rūgštį, EGF ir TNS. Aš girdėjau tik apie retinolį. Tą vakarą prieš miegą peržiūrėjau savo veido drėkiklio sudedamąsias dalis, kad pažiūrėčiau, kas jame yra.

Buvau suintriguotas. Priemonė suskirstė mano išvaizdą į įkandimo dydžio problemų sąrašą – lazeris buvo išmokytas išsiaiškinti, kas, jo manymu, buvo negerai mano išvaizdai.

Tačiau „Qoves“ yra tik vienas mažas startuolis, kuriame dirba 20 darbuotojų veido analizės įmonių ir paslaugų vandenyne. Auga AI valdomų veido analizės įrankių pramonė, kurių kiekviena teigia analizuojanti atvaizdą pagal tokias savybes kaip emocijos, amžius ar patrauklumas. Įmonės, dirbančios su tokiomis technologijomis, yra rizikos kapitalo numylėtinė, o tokie algoritmai naudojami visame kame – nuo ​​internetinės kosmetikos pardavimo iki pažinčių programėlių. Šie grožio vertinimo įrankiai, kuriuos galima lengvai įsigyti internetu, naudoja veido analizę ir kompiuterinį regėjimą, kad įvertintų tokius dalykus kaip simetrija, akių dydis ir nosies forma, kad būtų galima surūšiuoti ir reitinguoti milijonus vaizdinio turinio dalių ir parodyti patraukliausius žmones.

Šie algoritmai treniruoja savotišką mašininį žvilgsnį į nuotraukas ir vaizdo įrašus, išskirdami skaitines reikšmes, panašias į kredito reitingus, kur aukščiausi balai gali atverti geriausias internetines galimybes gauti teigiamų įvertinimų, peržiūrų ir atitikčių. Jei ši perspektyva nėra pakankamai svarbi, technologija taip pat paaštrina kitas problemas, sako ekspertai. Daugumoje grožio įvertinimo algoritmų gausu netikslumų, amžiaus ir rasizmo, o daugelio šių sistemų nuosavybės teisė reiškia, kad neįmanoma suprasti, kaip jos iš tikrųjų veikia, kiek jos naudojamos ar kaip jos veikia vartotojus.

Qovesas rekomendavo tam tikrus veiksmus, kad ištaisytų mano „numatomus trūkumus“

Veidrodis, veidrodis ant sienos...

Testai, tokie kaip tie, kuriuos galima įsigyti iš Qoves, yra visame internete. Vieną valdo didžiausia pasaulyje atvira veido atpažinimo platforma, Veidas++ . Jos grožio balų sistemą sukūrė Kinijos vaizdo gavimo įmonė „Megvii“ ir, kaip ir „Qoves“, naudoja dirbtinį intelektą jūsų veidui ištirti. Tačiau užuot išsamiai aprašius tai, ką mato klinikine kalba, ji sujungia savo išvadas į galimo patrauklumo procentą. Tiesą sakant, pateikiami du rezultatai: vienas balas, numatantis, kaip vyrai gali reaguoti į nuotrauką, ir kitas, atspindintis moters perspektyvą. Naudodamas nemokamą paslaugos demonstracinę versiją ir tą pačią nepakartojamą nuotrauką, greitai gavau rezultatus. Vyrai paprastai mano, kad šis asmuo yra gražesnis nei 69,62% žmonių, o moterys paprastai mano, kad šis asmuo yra gražesnis nei 73,877%.

Tai buvo antiklimatiška, bet geriau nei tikėjausi. Praėjus metams nuo pandemijos, matau streso, svorio ir uždarų kirpyklų įtaką mano išvaizdai. Iš naujo išbandžiau įrankį su dar dviem savo nuotraukomis iš „Prieš“, kurios abi man patiko. Mano balai pagerėjo ir priartėjo prie aukščiausio 25 procentilio.

Grožis dažnai yra subjektyvus ir asmeniškas: mylimi žmonės mums atrodo patrauklūs, kai yra sveiki ir laimingi, ir net tada, kai jiems liūdi. Kartais tai yra kolektyvinis sprendimas: reitingavimo sistemos, pvz., grožio konkursai ar gražiausių žmonių žurnalų sąrašai, parodo, kaip patrauklumą vertiname kaip prizą. Toks įvertinimas taip pat gali būti bjaurus ir nepatogus: kai buvau paauglys, mano vidurinės mokyklos vaikinai rėkdavo skaičius nuo vieno iki 10 merginoms, kurios ėjo pro šalį koridoriuje. Tačiau mašinoje, vertinančioje kažkieno veido grožį, yra kažkas baisaus – tai taip pat nemalonu, kaip ir šūksniai mokykloje, tačiau jo matematika atrodo nerimą kelianti nežmoniška.

Mano grožio balas – „Face++“.

Po gaubtu

Nors žmonių patrauklumo reitingavimo samprata nėra nauja, šių konkrečių sistemų veikimo būdas yra palyginti nauja: Face++ 2017 m. išleido grožio balų funkciją.

Paklaustas išsamios informacijos apie tai, kaip veikia algoritmas, Megvii atstovas tik pasakė, kad jis buvo sukurtas maždaug prieš trejus metus, reaguojant į vietinės rinkos susidomėjimą su pramogomis susijusiomis programėlėmis. Bendrovės tinklalapyje nurodoma, kad sistemai, kuri netrukus po jos paleidimo pritraukė 300 000 kūrėjų, buvo naudojami Kinijos ir Pietryčių Azijos veidai, tačiau kitos informacijos yra mažai.

„Megvii“ atstovas teigia, kad „Face++“ yra atvirojo kodo platforma ir ji negali kontroliuoti, kaip kūrėjai gali ją naudoti, tačiau svetainė siūlo kosmetikos pardavimą ir piršlybą kaip dvi galimas programas.

Tarp žinomų įmonės klientų yra Kinijos vyriausybės stebėjimo sistema , kuris apgaubia šalį vaizdo stebėjimo kameromis, taip pat „Alibaba“ ir „Lenovo“. Megvii neseniai pateikė IPO ir šiuo metu yra vertinamas 4 mlrd. Remiantis „New York Times“ pranešimais, tai yra viena iš trijų veido atpažinimo įmonių, kurios padėjo Kinijos vyriausybė nustatant piliečius, kurie gali priklausyti uigūrų etninei mažumai.

Kaip veikia konvoliuciniai neuroniniai tinklai

• Konvoliuciniai neuroniniai tinklai žiūri į vaizdus ir vaizdo įrašus, kad analizuotų ir suskirstytų į kategorijas keliais analizės lygiais vaizduojamus objektus. Vienas tinklo sluoksnis gali identifikuoti, tarkime, žmogaus rankos kraštus; kitas gali rasti pirštus, kitas rankas, kitas rankas ir kitus žmones.

• Kiti sluoksniai reaguoja į aukštesnius abstrakcijos lygius: jei tai medis, ką tinklas sužinojo apie medžius? Jei tai gatvė, kokius dalykus gatvėje ji turėtų pamatyti? Pavyzdžiui, konvoliucinis neuroninis tinklas veido vaizdą su aštria žandikaulio linija gali įvertinti kaip labai patrauklų, nes nustatė, kad žandikaulio ryškumas yra ypač stiprus žmogaus grožio balo, kurį jis buvo išmokytas atkartoti, rodiklis.

Tuo tarpu Qovesas buvo atviresnis apie tai, kaip veikia jo veido analizė. Australijoje įsikūrusi įmonė buvo įkurta kaip nuotraukų retušavimo įmonė 2019 m., tačiau 2020 m. ji perėjo prie AI pagrįstos analizės ir plastinės chirurgijos derinio. Jos sistemoje naudojama įprasta gilaus mokymosi technika, žinoma kaip konvoliucinis neuroninis tinklas , arba CNN. Patrauklumui įvertinti naudojami CNN dažniausiai treniruojasi remdamiesi duomenų rinkiniu, sudarytu iš šimtų tūkstančių nuotraukų, kurių patrauklumą žmonės jau įvertino rankiniu būdu. Žiūrėdama į nuotraukas ir esamus įvertinimus, sistema daro išvadą, kokius veiksnius žmonės laiko patraukliais, kad galėtų numatyti, kai rodomi nauji vaizdai.

Kitos didelės įmonės pastaraisiais metais investavo į grožio AI. Tarp jų yra 18 milijardų dolerių vertės amerikiečių kosmetikos prekybininkas Ulta Beauty, kuris sukūrė a odos analizės įrankis . „Nvidia“ ir „Microsoft“ palaikė a robotų grožio konkursas 2016 m., dėl kurio dalyviai buvo priversti sukurti geriausią AI patrauklumui nustatyti.

Pasak Evano Nisselsono, „LDV Capital“ partnerio, vizijos technologija vis dar yra ankstyvoje stadijoje, o tai sukuria „reikšmingų investavimo galimybių ir teigiamų rezultatų“. LDV apskaičiavo, kad kitais metais pasaulyje bus 45 milijardai kamerų, neįskaitant tų, kurios naudojamos gamybai ar logistikai, ir teigia, kad vaizdiniai duomenys artimiausioje ateityje bus pagrindinis AI sistemų duomenų įvestis. Nisselsonas sako, kad veido analizė yra „didžiulė rinka“, kuri ilgainiui apims „iš naujo išradimus technologijų krūvą, kad būtų galima pasiekti tokį patį, arčiau ar net geriau nei žmogaus akis“.

„Qoves“ įkūrėjas Shafee Hassan teigia, kad grožio įvertinimas gali būti dar labiau paplitęs. Jis sako, kad socialinės žiniasklaidos programėlėse ir platformose dažnai naudojamos sistemos, kurios nuskaito žmonių veidus, įvertina jų patrauklumą ir daugiau dėmesio skiria tiems, kurie užima aukštesnę vietą. Tai, ką mes darome, yra kažkas panašaus į „Snapchat“, „Instagram“ ir „TikTok“, sako jis. bet darome jį skaidresnį.

Jis priduria: „Jie naudoja tą patį neuroninį tinklą ir tuos pačius metodus, bet jie nesako jums, kad [jie] nustatė, kad jūsų veidas turi šias nosies ir labialines raukšles, plonas raudonas, visi šie dalykai, todėl [jie] nubaus jus kaip mažiau patrauklų asmenį.

Susisiekiau su daugybe įmonių, įskaitant pažinčių paslaugas ir socialinės žiniasklaidos platformas, ir paklausiau, ar grožio įvertinimas yra jų rekomendacijų algoritmų dalis. „Instagram“ ir „Facebook“ neigė naudoję tokius algoritmus. „TikTok“ ir „Snapchat“ atsisakė komentuoti įrašą.

JOAN WONGA

Didelės juodos dėžės

Naujausi gilaus mokymosi pažanga dramatiškai pakeitė grožio AI tikslumą. Prieš pradedant gilų mokymąsi, veido analizė rėmėsi funkcijų inžinerija, kai DI vadovausis moksliniu veido bruožų supratimu. Pavyzdžiui, patrauklaus veido formulė gali būti nustatyta taip, kad būtų apdovanota plačiomis akimis ir aštriu žandikauliu. Įsivaizduokite, kad žiūrite į žmogaus veidą ir matote Leonardo da Vinci stiliaus visų proporcijų ir tarpų tarp akių ir tokio tipo daiktų pavaizdavimą, sako Serge'as Belongie, Kornelio universiteto kompiuterinės regos profesorius. Atsiradus giliajam mokymuisi, visa tai tapo dideliais duomenimis ir didelėmis juodosiomis neuroninio tinklo skaičiavimo dėžėmis, kurios tiesiog apėmė didžiulius pažymėtų duomenų kiekius, sako jis. Galų gale, jis veikia geriau nei visi kiti dalykai, dėl kurių vargome dešimtmečius.

Bet yra laimikis. Mes vis dar nesame visiškai tikri, kaip tai veikia, sako Belongie. Pramonė džiaugiasi, bet akademinė bendruomenė yra šiek tiek suglumusi. Kadangi grožis yra labai subjektyvus, geriausia, ką gali padaryti giliai besimokantis grožį DI, tai tiksliai sureguliuoti treniruočių duomenų, naudojamų jo mokymui, nuostatas. Nors kai kurios AI sistemos dabar patrauklumą vertina taip pat tiksliai, kaip ir žmonės treniruočių rinkinyje, tai reiškia, kad sistemos taip pat rodo vienodą šališkumą. Ir tai svarbu, kadangi sistema yra neįžiūrima, algoritmo apsauginių turėklų uždėjimas, galintis sumažinti šališkumą, yra sudėtinga ir skaičiuojant brangi užduotis.

Belongie teigia, kad yra tokių technologijų pritaikymų, kurie yra labiau anodiniški ir mažiau problemiški nei veido patrauklumo įvertinimas – įrankis, galintis rekomenduoti, pavyzdžiui, gražiausią saulėlydžio nuotrauką telefone. Tačiau grožio įvertinimas yra kitoks. Man tai labai baisu, sako jis.

Net jei treniruočių duomenys ir komercinis naudojimas yra kiek įmanoma nešališki ir saugesni, kompiuterinis regėjimas turi techninių apribojimų, susijusių su žmogaus odos tonu. Kamerose rasti vaizdo lustai yra iš anksto nustatyti apdoroti tam tikrą jų diapazoną. Pasak Belongie, istoriškai kai kurie odos atspalviai buvo tiesiog nepalikti lentelės, o tai reiškia, kad pačios nuotraukos galėjo net nebuvo sukurtos atsižvelgiant į tam tikrus odos tonus. Net patys kilniausi ambicijos pagauti visų formų žmogaus grožį gali neturėti galimybės, nes ryškumo reikšmės net nėra tiksliai pavaizduotos.

Ir šie techniniai šališkumas komercinėse programose pasireiškia kaip rasizmas. 2018 m. Lauren Rhue, ekonomistė, Merilendo universiteto (College Park) informacinių sistemų docentė, įsigijo veido atpažinimo įrankius, kurie galėtų padėti jai studijuoti skaitmenines platformas, kai ji aptiko šį neįprastų produktų rinkinį.

Supratau, kad yra grožio vertinimo algoritmai, sako ji. Ir aš maniau, kad tai atrodo neįmanoma. Aš turiu galvoje, grožis yra visiškai žiūrinčiojo akyse. Kaip išmokyti algoritmą, kad nustatytų, ar kas nors yra gražus, ar ne? Šių algoritmų studijavimas netrukus tapo nauju jos tyrimo akcentu.

Pažvelgusi į tai, kaip „Face++“ įvertino grožį, ji pastebėjo, kad sistema tamsesnės odos moterys nuolat vertinamos kaip mažiau patrauklios nei baltaodės, o veidai su europietiškomis savybėmis, pvz., šviesesni plaukai ir mažesnė nosis, įvertino aukštesnius balus nei turintys kitų bruožų. kokia tamsi buvo jų oda. Eurocentrinis DI šališkumas atspindi žmonių, kurie įvertino nuotraukas, naudotas sistemai lavinti, kodifikuojant ir sustiprinant, šališkumą, nepaisant to, kas žiūri į vaizdus. Pavyzdžiui, Kinijos grožio standartai teikia pirmenybę šviesesnei odai, plačioms akims ir mažoms nosims.

Dviejų Beyonce Knowles nuotraukų palyginimas iš Lauren Rhue tyrimo naudojant Face++. Jo AI prognozavo, kad vaizdas kairėje bus 74,776% vyrų ir 77,914% moterų. Tuo tarpu dešinėje esantis paveikslėlis jo modelyje surinko 87,468% vyrų ir 91,14% moterų. .

Pasak jos, grožio balai yra nerimą keliančios dinamikos tarp jau nesveikos grožio kultūros ir rekomendacijų algoritmų, su kuriais kasdien susiduriame internete, dalis. Pavyzdžiui, kai įvertinami balai sprendžiant, kieno įrašai pateks į viešumą socialinės žiniasklaidos platformose, tai sustiprina apibrėžimą, kas laikoma patrauklia, ir atitraukia dėmesį nuo tų, kurie neatitinka griežto mašinos idealo. Mes susiauriname visiems prieinamų paveikslėlių tipus, sako Rhue.

Tai užburtas ratas: daugiau dėmesio skiriant turiniui, kuriame yra patrauklių žmonių, šie vaizdai gali sulaukti didesnio susidomėjimo, todėl jie rodomi vis daugiau žmonių. Galų gale, net jei aukštas grožio balas nėra tiesioginė priežastis, dėl kurios jums rodomas įrašas, tai yra netiesioginis veiksnys.

A studijuoti paskelbtoje 2019 m., ji pažvelgė į tai, kaip du algoritmai – vienas grožio balams, o kitas – amžiaus prognozėms, paveikė žmonių nuomonę. Dalyviams buvo rodomi žmonių atvaizdai ir prašoma įvertinti tiriamųjų grožį bei amžių. Kai kuriems dalyviams prieš atsakant buvo parodytas dirbtinio intelekto sugeneruotas balas, o kitiems AI balas iš viso nebuvo rodomas. Ji nustatė, kad dalyviai, nežinantys apie AI reitingą, neparodė papildomo šališkumo; Tačiau žinant, kaip AI įvertino žmonių patrauklumą, žmonės įvertino balus, artimesnius algoritmiškai sugeneruotam rezultatui. Rhue tai vadina tvirtinimo efektu.

Ji sako, kad rekomendacijų algoritmai iš tikrųjų keičia mūsų pageidavimus. Žinoma, iššūkis technologijų požiūriu yra jų per daug nesusiaurinti. Kalbant apie grožį, matome kur kas didesnį susiaurėjimą, nei tikėjausi.

„Nemačiau jokios priežasties nevertinti jūsų trūkumų, nes yra būdų, kaip galite juos ištaisyti“.

Shafee Hassan, „Qoves Studio“.

„Qoves“ klube Hassanas sako, kad bandė kovoti su lenktynių problema. Rengdama išsamią veido analizės ataskaitą – tokią, už kurią moka klientai – jo studija bando naudoti duomenis, kad suskirstytų veidą į kategorijas pagal etninę kilmę, kad kiekvienas nebūtų tiesiog vertinamas pagal Europos idealą. Jūs galite išvengti šio eurocentriško šališkumo tiesiog tapę geriausiai atrodančia savo versija, geriausiai atrodančia savo etninės kilmės versija, geriausiai atrodančia savo rasės versija, sako jis.

Tačiau Rhue sako nerimaujanti dėl tokio etninio skirstymo į kategorijas giliau įterpto į mūsų technologinę infrastruktūrą. Problema ta, kad žmonės tai daro, nesvarbu, kaip mes į tai žiūrime, ir nėra jokio reguliavimo ar priežiūros, sako ji. Jei kyla kokių nors nesutarimų, žmonės bandys išsiaiškinti, kas priklauso kuriai kategorijai.

Tarkime, aš niekada nemačiau kultūriškai jautrios gražuolės AI, sako ji.

Rekomendacijų sistemos nebūtinai turi būti sukurtos taip, kad įvertintų patrauklumą, kad galų gale tai būtų padaryta. Praėjusią savaitę Vokietijos transliuotojas BR pranešė, kad vienas AI, naudojamas potencialiems darbuotojams įvertinti, rodė šališkumą dėl išvaizdos. O 2020 m. kovą pagrindinė „TikTok“ įmonė „ByteDance“ sulaukė kritikos atmintinę, kurioje buvo nurodyta turinio moderatoriai Norėdami užgniaužti vaizdo įrašus, kuriuose buvo rodoma bjauri veido išvaizda, apkūnūs žmonės, iškrypęs veidas arba neturintys priekinių dantų, vyresnio amžiaus žmonės su per daug raukšlių ir kt. „Twitter“ neseniai išleido automatinio nuotraukų apkarpymo įrankį atrodė, kad pirmenybė teikiama baltiesiems žmonėms . Išbandžius Baracko Obamos ir Mitcho McConnello nuotraukas, automatiškai apkarpomas AI nuolat apkarpė buvusį prezidentą.

Kas yra teisingiausias iš jų?

Kai sausio mėnesį pirmą kartą kalbėjausi su „Qoves“ įkūrėju Hassanu vaizdo skambučiu, jis man pasakė: aš visada tikėjau, kad patrauklūs žmonės yra jų pačių rasė.

Kai jis pradėjo veiklą 2019 m., Jis sako, kad jo draugai ir šeima labai kritiškai vertino jo verslą. Tačiau Hassanas tiki, kad padeda žmonėms tapti geriausia savo versija. Jis įkvėpimo semiasi iš 1997 m. filmo Gattaca , kuri vyksta netolimoje ateityje, kur genų inžinerija yra numatytoji pastojimo priemonė. Genetinė diskriminacija skaido visuomenę, o Ethano Hawke'o personažas, kuris buvo pradėtas natūraliai, turi pavogti genetiškai ištobulinto asmens tapatybę, kad galėtų apeiti sistemą.

Paprastai tai laikomas giliai distopiniu filmu, tačiau Hassanas sako, kad paliko netikėtą pėdsaką.

Susijusi istorija

Aktyvistas, išardantis rasistinius policijos algoritmus Hamidas Khanas laimi kovą už LAPD naudojamų stebėjimo technologijų panaikinimą

Man tai buvo labai įdomu, nes visa idėja buvo ta, kad žmogus gali nulemti savo likimą. Jis sako, kad tai, kaip jie nori atrodyti, yra jų likimo dalis. Kadangi šiuolaikinė medicina pažengė į priekį, nemačiau jokios priežasties nevertinti jūsų trūkumų, nes yra būdų, kaip juos ištaisyti.

Atrodo, kad jo klientai sutinka. Jis tvirtina, kad daugelis iš jų yra aktoriai ir aktorės ir kad įmonė kasdien gauna nuo 50 iki 100 užsakymų išsamioms medicininėms ataskaitoms – tiek daug jai sunku neatsilikti nuo paklausos. Hassano misija yra kova su artėjančiu klasizmu tarp tų, kurie laikomi gražiais, ir tų, kuriuos visuomenė laiko bjauriais. Jis man pasakė, kad mes stengiamės padėti paprastam žmogui.

Tačiau yra ir kitų būdų padėti paprastam žmogui. Kiekvienas ekspertas, su kuriuo kalbėjausi, sakė, kad įmonių, kurios naudoja grožio balus, atskleidimas ir skaidrumas yra itin svarbūs. Belongie mano, kad spaudimas įmones atskleisti savo rekomendacijų algoritmų veikimą padės užtikrinti vartotojų saugumą. Bendrovė turėtų jį turėti ir pasakyti „taip“, mes naudojame veido grožio prognozę, o štai modelis. O čia yra reprezentatyvi veidų galerija, kuri, mūsų nuomone, pagal jūsų naršymo elgseną jums atrodo patraukli. Ir aš manau, kad vartotojas turėtų tai žinoti ir mokėti su tuo bendrauti. Jis sako, kad tokios funkcijos kaip „Facebook“ skelbimų skaidrumo įrankis yra gera pradžia, bet jei įmonės to nedaro, o daro kažką panašaus į „Face++“, kur jie tiesiog atsainiai mano, kad visi sutariame dėl grožio... gali būti, kad tarpininkai tiesiog priėmė tokį sprendimą.

Žinoma, pramonė pirmiausia turėtų prisipažinti, kad ji pirmiausia naudoja šiuos balų skaičiavimo modelius, o visuomenė turėtų žinoti apie šią problemą. Ir nors praėję metai atnešė dėmesys ir kritika veido atpažinimo technologijai , keli tyrinėtojai, su kuriais kalbėjausi, sakė, kad juos nustebino tai, kad nežino apie tokį jo naudojimą. Rhue sako, kad labiausiai stebina grožio įvertinimas buvo tai, kad mažai žmonių tai nagrinėja kaip temą. Jos neįtikina, kad technologija apskritai turėtų būti kuriama.

Kai Hassanas kartu su manimi apžvelgė mano trūkumus, jis patikino, kad geras drėkiklis ir šiek tiek svorio netekimas turėtų padėti. Ir nors mano veido estetika nenulems mano karjeros trajektorijos, jis paskatino mane rimtai žiūrėti į rezultatus.

Jis man priminė, kad grožis yra valiuta.