Beauty is in the ELBO of the Beholder: A Variational Account of Processing Fluency in Face Perception
Diese Arbeit zeigt auf, dass menschliche Urteile über die Attraktivität von Gesichtern mit der Evidence Lower Bound (ELBO) von unüberwachten Variational Autoencodern übereinstimmen, was empirische Unterstützung für die Theorie liefert, dass ästhetisches Vergnügen aus der Verarbeitungsflüssigkeit statistisch regelmäßiger, prototypischer Gesichter entsteht.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Seit Jahrzehnten fragen sich Wissenschaftler, warum uns manche Gesichter fesseln, während andere im Hintergrund verblassen. Theorien der menschlichen Wahrnehmung legen seit langem nahe, dass Schönheit nicht nur eine Frage des persönlichen Geschmacks ist, sondern tief in der Art und Weise verwurzelt ist, wie leicht unser Gehirn das, was wir sehen, verarbeiten kann. Wenn ein Gesicht symmetrisch, durchschnittlich oder vertraut ist, scheint unser Geist es mit weniger Aufwand zu erkennen – ein Phänomen, das als Verarbeitungsflüssigkeit (processing fluency) bekannt ist. Dieses leichte Verständnis soll ein Gefühl der Lust erzeugen, was dazu führt, dass wir diese Gesichter als attraktiver bewerten. Während diese Idee in unzähligen Verhaltensexperimenten mit menschlichen Probanden getestet wurde, blieb jedoch unklar, wie diese mentale Leichtigkeit tatsächlich innerhalb der komplexen Maschinerie des Lernens entsteht. Kann ein Computer, der nur darauf trainiert wurde, Gesichter zu sehen, ohne jemals gesagt bekommen zu zu haben, welche davon schön sind, ein ähnliches Empfinden von Vorliebe entwickeln?
Um dies zu beantworten, wandten sich die Forscher Francisco López und Jochen Triesch an eine Art künstlicher Intelligenz, die als Variational Autoencoder bezeichnet wird. Dies sind Maschinen, die darauf ausgelegt sind, die zugrunde liegende Struktur von Daten, wie etwa tausenden Fotografien menschlicher Gesichter, ohne menschliche Anleitung oder Etiketten über Schönheit zu erlernen. Das System arbeitet, indem es versucht, ein Gesicht in einen vereinfachten internen Code zu komprimieren und es dann aus diesem Code wieder zu rekonstruieren. Um dies erfolgreich zu tun, muss die Maschine zwei konkurrierende Ziele in Einklang bringen: Sie muss genug Details beibehalten, um das Gesicht genau zu rekonstruieren, aber sie muss auch den internen Code einfach und organisiert halten. Die Forscher schlugen vor, dass der mathematische Score, der misst, wie gut die Maschine diese beiden Ziele ausbalanciert, eine direkte, computergestützte Version der menschlichen Verarbeitungsflüssigkeit ist. Wenn ein Gesicht für die Maschine leicht zu verstehen und zu rekonstruieren ist, sollte es bei diesem Maß hoch punkten.
Das Team trainierte vier separate KI-Modelle auf verschiedenen großen Sammlungen von Gesichtsbildern und stellte sicher, dass keines der Modelle jemals eine menschliche Bewertung der Attraktivität sah. Sie testeten diese Modelle dann an einem Standarddatensatz von 597 Gesichtern aus der Chicago Face Database, für die bereits menschliche Attraktivitätsbewertungen vorlagen. Die Ergebnisse waren bemerkenswert. Die Gesichter, die Menschen als am schönsten bewerteten, waren konsistent dieselben Gesichter, die die Maschinen am einfachsten verarbeiten konnten. In dem mathematischen Raum, in dem die Maschinen Gesichter organisieren, stimmte die Richtung zunehmender Schönheit fast perfekt mit der Richtung zunehmender Verarbeitungsleichtigkeit überein. Diese Übereinstimmung blieb bestehen, unabhängig davon, mit welchem Datensatz die Maschine trainiert wurde oder welcher demografischen Gruppe die Gesichter angehörten. Die Maschine musste nicht gelehrt werden, was Schönheit ist; sie entdeckte einen Weg dorthin, indem sie schlicht lernte, Gesichter effizient zu sehen.
Darüber hinaus fanden die Forscher heraus, dass diese Vorliebe nicht nur eine einzelne Zahl, sondern eine spezifische Richtung in der internen Karte der Maschine ist. Als sie die von verschiedenen Modellen erstellten Karten verglichen, stellten sie fest, dass die „Schönheitsrichtung“ bemerkenswert konsistent war. Obwohl die Modelle mit unterschiedlichen Ausgangspunkten und unterschiedlichen Trainingsdaten von Grund auf neu erstellt wurden, organisierten sie die Gesichter alle so, dass sie auf dasselbe Konzept der Attraktivität hindeuteten. Dies deutet darauf hin, dass der menschliche Sinn für Schönheit kein zufälliges kulturelles Konstrukt ist, sondern an eine fundamentale, reproduzierbare Struktur gekoppelt ist, wie Gesichter repräsentiert werden. Die Studie bestätigte auch, dass attraktive Gesichter eher „prototypisch“ sind, was bedeutet, dass sie dem Durchschnittsgesicht ihrer Gruppe sowohl in ihrer physischen Form als auch in ihrem internen Code ähnlicher sehen. Die Fähigkeit der Maschine, Schönheit vorherzusagen, ging jedoch über einfache Durchschnitte hinaus und erfasste subtile Details, die ein einfacher geometrischer Durchschnitt übersehen würde.
Die Ergebnisse schlagen eine neue Brücke zwischen den alten Theorien der Ästhetik und der modernen künstlichen Intelligenz. Sie legen nahe, dass das Vergnügen, das wir beim Anblick eines schönen Gesichts empfinden, aus derselben Effizienz stammen könnte, die es einer Maschine ermöglicht, ein Bild mit minimalem Fehler zu komprimieren und zu rekonstruieren. Der Erfolg der Maschine bei der Vorhersage menschlicher Vorlieben ohne jegliche menschliche Instruktion impliziert, dass unsere Anziehung zu bestimmten Gesichtern tief mit der Leichtigkeit verbunden ist, mit der unser Geist sie begreifen kann. Während die Studie nicht behauptet, dass menschliche Gehirne exakt wie diese Computermodelle funktionieren, liefert sie starke Beweise dafür, dass die Prinzipien der effizienten Repräsentation ein wesentlicher Teil der Geschichte sind. Die Forschung kommt zu dem Schluss, dass Schönheit, im Kontext der Gesichtswahrnehmung, in der Tat im Auge des Betrachters liegt, aber dieses Auge von einer tiefen, gemeinsamen Logik geleitet wird, wie Informationen verarbeitet und verstanden werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.