무슨 일이 일어났나요?
PsyPost는 연구원들이 이미지나 인간 선호도에 대한 훈련 없이 심층 신경망이 얼굴의 아름다움을 구별할 수 있는지 여부를 테스트한 연구에 대해 보고합니다. 매력도 등급이 부여된 10,000개 이상의 AI 생성 얼굴을 사용하여 연구원들은 무작위로 초기화된 AlexNet 네트워크를 조사하고 다양한 아름다움 수준에 선택적으로 반응하는 유닛을 찾았습니다. PsyPost에 따르면 이 패턴은 얼굴 방향과 무작위 네트워크 초기화 전반에 걸쳐 지속되었습니다. PsyPost에 따르면, 스크램블된 이미지와 간단한 윤곽선을 사용한 테스트에서는 로컬 얼굴 세부 정보와 특징의 더 넓은 공간적 배열이 네트워크의 응답에 기여하는 것으로 나타났습니다. 원시 픽셀을 사용하는 것보다 얼굴을 더 효과적으로 구별하는 아름다움 선택 단위를 사용하는 정렬 알고리즘으로, 매력 차이가 클수록 정확도가 높아집니다. PsyPost는 또한 연구원들이 VGG-16에서 효과를 재현하고 다양한 인종 배경을 가진 200명의 실제 인간 얼굴을 테스트했다고 보고했습니다. 아울렛은 이번 결과가 아름다움에 대한 인간의 감정적이거나 주관적인 감상이 아니라 시각적 구조에 대한 수학적 선호를 반영한 것이라고 경고했습니다. 보고된 결과는 1차 논문과 데이터가 출처에 제공되지 않았기 때문에 여기서 독립적으로 확인되지 않았습니다.
PsyPost에 따르면 Tianxin Shu, Delong Zhang 및 동료들은 등급이 매겨진 미학적 가치를 지닌 10,000개 이상의 사실적인 인공 얼굴을 만들었습니다. 인간 자원봉사자들은 이미지가 여전히 자연스러워 보이는지 확인하기 위해 이미지를 평가했습니다. 그런 다음 연구원들은 연결이 무작위로 초기화되고 최종 시각 처리 계층의 활동을 검사하는 훈련되지 않은 AlexNet에 이를 제시했습니다.
PsyPost에 따르면 특정 단위는 시각적 예시나 인간 선호도 라벨에 대한 교육이 없음에도 불구하고 다양한 수준의 얼굴 아름다움에 대해 선택적으로 사용되었습니다. 콘센트는 효과가 다양한 얼굴 방향과 무작위 초기화에 걸쳐 나타났다고 말합니다. 이미지 스크램블링과 윤곽선 테스트를 통해 반응을 위해서는 세부적인 얼굴 특징과 공간적 배열이 모두 필요한 것으로 나타났습니다.
PsyPost에 따르면 연구원들은 미용 선택 단위의 반응에 대한 간단한 정렬 알고리즘을 훈련했습니다. 픽셀 기반 접근 방식보다 더 매력적인 얼굴과 덜 매력적인 얼굴을 더 잘 구별했으며, 보고된 아름다움의 차이가 커질수록 정확도도 높아졌습니다.
아울렛은 연구원들이 VGG-16으로 실험을 반복하고 인종 배경에 걸쳐 200명의 실제 얼굴을 별도로 수집하여 테스트한 결과 다시 아름다움을 선택하는 반응을 찾았다고 보고했습니다. PsyPost는 제공된 소스에서 논문의 전체 방법, 통계 결과, 코드 또는 독립적인 복제를 제공하지 않습니다.
왜 중요한가요?
결과는 명시적인 예나 레이블이 아닌 모델의 아키텍처와 입력 표현에서 시각적 선호가 어떻게 나타날 수 있는지 연구하는 방법을 제공하기 때문에 잠재적으로 중요합니다. 복제되면 귀납적 편견, 기계 인식 및 미적 선호의 생물학적 뿌리에 대한 연구를 더욱 강화할 수 있습니다. 또한 AI 시스템의 명백한 선호가 반드시 인간의 판단, 감정 또는 문화적으로 알려진 취향을 나타내는 것은 아니라는 점을 강조합니다.
이 연구는 AI 인식에 대한 근본적인 질문, 즉 감독 훈련 없이도 아키텍처 및 통계 구조에서 일부 선호도가 나타날 수 있는지 여부를 다룹니다. 이는 데이터 표현, 이미지 구성 또는 네트워크 설계에 의해 이미 도입된 편견과 학습된 행동을 분리하려는 연구자와 관련이 있습니다.
이번 연구 결과는 인간의 인식에 관한 연구에도 도움이 될 수 있습니다. PsyPost는 그 결과를 매력적인 얼굴에 대한 선호가 선천적인지 아니면 빠르게 학습되는지에 대한 논쟁과 연결합니다. 그러나 보고된 신경망 행동은 단지 비유일 뿐이며 인간의 두뇌가 미적 판단을 어떻게 발전시키는지 확립할 수 없습니다.
이 작품은 AI가 아름다움을 경험한다는 증거가 아니다. 소스는 얼굴 구조에 대한 네트워크의 수학적 반응과 아름다운 사람을 찾는 주관적, 감정적, 문화적으로 다양한 경험을 명시적으로 구별합니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
Which component of an AI application is the machine-learning model itself?
다음에 무엇을 볼 것인가
핵심 질문은 보고된 효과가 덜 표준화된 이미지, 아름다움에 대한 다양한 정의, 독립적으로 재현된 방법을 사용하는 광범위한 테스트에서 살아남는지 여부입니다. 연구자들은 또한 이미지 생성 선택, 얼굴 대칭, 평균화 또는 기타 기본 제공 규칙에서 결과가 얼마나 나오는지 확인해야 합니다. 제품, 공개 도구, 액세스 조건 또는 가격이 설명되어 있지 않습니다.
독립적 복제는 여러 네트워크 아키텍처, 초기화 체계, 얼굴 데이터 세트 및 매력 표준을 테스트해야 합니다. 또한 실험 파이프라인의 아티팩트가 아니라 효과가 강력한지 여부를 판단할 수 있을 만큼 충분한 통계적 세부 정보를 보고해야 합니다.
실제 이미지는 조명, 배경, 헤어스타일, 포즈, 나이, 표현, 문화적 맥락에 따라 다릅니다. PsyPost는 일차적인 인공 얼굴 실험이 이러한 요소 중 많은 부분을 최소화했기 때문에 제어된 이미지를 넘어서는 일반화는 여전히 미해결 문제로 남아 있다고 말합니다.
연구원들이 제안한 것처럼 향후 연구에서는 풍경, 건축, 예술 또는 기타 시각적 범주에 대해 유사한 자발적인 선호가 나타나는지 여부를 조사할 수 있습니다. 출처는 아직 효과가 인간의 얼굴을 넘어 확장된다는 증거를 제공하지 않습니다.