💻 computer science

Disentangling Model and Human Data Uncertainty in Apparent Facial Age Estimation

Cet article démontre que les réseaux de neurones bayésiens entraînés sur le jeu de données APPA-REAL peuvent désintriquer et quantifier efficacement les incertitudes aléatoires et épistémiques dans l'estimation de l'âge facial, révélant que l'incertitude aléatoire reste stable à travers les tailles de jeux de données tandis que l'incertitude épistémique augmente à mesure que les données d'entraînement diminuent.

Auteurs originaux : Andrei Foitos, Ivo Pascal de Jong, Matias Valdenegro-Toro

Publié 2026-07-21

📖 5 min de lecture🧠 Analyse approfondie

CC0 1.0

Auteurs originaux : Andrei Foitos, Ivo Pascal de Jong, Matias Valdenegro-Toro

Article original placé dans le domaine public sous CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de deviner l'âge d'un inconnu simplement en regardant une photo. Vous pourriez dire : « Il a environ 30 ans », mais votre ami pourrait répondre : « Pas du tout, il en paraît 40 ! » Dans le monde de l'intelligence artificielle, ce n'est pas seulement un désaccord sans conséquence ; c'est un casse-tête colossal. Les systèmes d'IA deviennent de plus en plus performants pour analyser les visages et deviner l'âge, mais ils agissent souvent comme des donneurs de leçons trop sûrs d'eux-mêmes. Ils vous donnent un chiffre unique et agissent comme si c'était la vérité absolue, même quand la réponse est floue. Cela est dangereux car si un ordinateur est trop certain d'une mauvaise réponse, il pourrait prendre de mauvaises décisions, comme laisser un adolescent acheter de l'alcool ou bloquer un senior sur un site web. Pour corriger cela, les scientifiques apprennent à l'IA à admettre quand elle devine. Ils veulent que l'ordinateur dise : « Je pense qu'il a 30 ans, mais je n'en suis sûr qu'à 50 % », ou « Je pense qu'il a 30 ans, mais j'en suis très sûr ». Pour y parvenir, les chercheurs ont divisé l'« incertitude » en deux saveurs : l'incertitude aléatoire, qui est le désordre naturel des données (comme le fait que les humains ne parviennent pas à se mettre d'accord sur un âge), et l'incertitude épistémique, qui est l'ignorance propre à l'IA (comme un étudiant qui n'a pas assez étudié).

Ce document est comme une histoire de détective où les enquêteurs tentent d'apprendre à un ordinateur à faire la différence entre « les données sont confuses » et « je suis confus ». Les chercheurs ont utilisé un ensemble de données spécial appelé APPA-REAL, où des milliers de vrais humains ont regardé les mêmes visages et ont voté sur l'âge apparent. Comme beaucoup de gens ont voté, les chercheurs ont pu mesurer exactement à quel point les humains n'étaient pas d'accord (le « désordre ») et l'utiliser pour entraîner l'IA. Ils ont construit trois types différents de modèles d'IA « bayésiens » — imaginez ces modèles comme trois équipes de détectives différentes, chacune utilisant une stratégie légèrement différente pour deviner et mesurer sa propre confiance. Ils ont testé ces équipes en leur fournissant différentes quantités de données, d'une infime poignée de photos jusqu'à la bibliothèque complète.

La grande découverte ici est que les deux types d'incertitude se comportent de manière très différente, et que l'IA peut apprendre à les séparer. Le « désordre » des données (incertitude aléatoire) est resté exactement le même, peu importe le nombre de photos que l'IA a vues. C'est comme une pièce bruyante : que vous ayez une personne ou mille personnes qui écoutent, le niveau du bruit de fond ne change pas. L'étude a révélé que ce niveau de bruit était stable à environ 18 ans au carré (ce qui se traduit par un écart-type d'environ 4,2 ans). Cela confirme que l'une des sources de confusion est simplement ancrée dans la nature de la perception humaine.

D'un autre côté, l'ignorance de l'IA (incertitude épistémique) a réagi exactement comme prévu : elle a chuté de manière spectaculaire à mesure que l'IA voyait plus de données. Lorsque l'IA n'avait vu que 1 % des données d'entraînement (environ 40 images), elle était extrêmement incertaine. Mais à mesure qu'ils lui injectaient plus de données, jusqu'à 100 % de l'ensemble, l'IA est devenue beaucoup plus confiante. Par exemple, la méthode « DropConnect » a vu son incertitude épistémique chuter d'environ 12,9 ans au carré avec 5 % de données à 6,0 ans au carré avec l'ensemble des données. La méthode « Deep Ensembles » a été la plus précise globalement, terminant avec une erreur absolue moyenne (MAE) de 8,0 ans, tandis que « Flipout » a été un peu plus lente à apprendre, terminant avec une MAE de 8,9 ans.

Le document a également testé si ces détectives d'IA intelligents pouvaient gérer un nouvel ensemble de visages différents (le jeu de données UTKFace). Les résultats ont montré que les niveaux de confiance de l'IA se sont déplacés de manière appropriée lorsque les données ont changé, prouvant que les modèles peuvent généraliser leur compréhension de l'incertitude. Cependant, les auteurs notent que la méthode « Flipout » était un peu instable et vacillante, surtout lorsque les données étaient rares, suggérant qu'elle pourrait ne pas être le meilleur choix pour les situations où l'IA doit être très fiable avec des informations limitées.

En fin de compte, cette recherche suggère que séparer ces deux types d'incertitude est non seulement possible, mais que cela fonctionne aussi mieux pour l'estimation de l'âge (une tâche de régression) que pour les simples tâches de classification oui/non. L'étude conclut que, bien que les « Deep Ensembles » soient les plus précis, la méthode « DropConnect » offre l'image la plus claire de la façon dont la confiance de l'IA croît avec davantage de données. Cela signifie que nous sommes un pas plus près d'une IA qui ne se contente pas de deviner votre âge, mais qui sait aussi quand elle ne fait que deviner.

Résumé Technique : Désenchevêtrement de l'Incertitude des Données du Modèle et de l'Humain dans l'Estimation de l'Âge Apparent du Visage

Énoncé du Problème
L'estimation de l'âge facial est une tâche de régression complexe en raison de la nature subjective de l'« âge apparent », qui repose sur des caractéristiques de vieillissement visuelles plutôt que sur la réalité chronologique. Contrairement à une régression standard où une vérité de terrain (ground truth) unique existe, l'estimation de l'âge apparent implique un désaccord humain inhérent ; différents annotateurs peuvent attribuer des âges différents à la même image en fonction de biais individuels ou de perceptions culturelles. Par conséquent, un modèle robuste doit non seulement prédire l'âge le plus probable, mais aussi quantifier la fiabilité de cette prédiction. Les modèles d'apprentissage automatique actuels produisent souvent une estimation ponctuelle unique, échouant à distinguer deux sources distinctes d'incertitude :

Incertitude Aléatoire : Bruit inhérent aux données (ex. : désaccord entre annotateurs).
Incertitude Épistémique : Incertitude découlant du manque de connaissances du modèle (ex. : données d'entraînement limitées, faible généralisation).
Bien que des méthodes pour désenchevêtrer ces incertitudes existent, la littérature récente suggère qu'elles échouent souvent à les séparer efficacement dans les tâches de classification. Il reste incertain si ce désenchevêtrement est fructueux dans les tâches de régression comme l'estimation de l'âge.

Méthodologie
Les auteurs utilisent le jeu de données APPA-REAL, qui contient 7 591 images annotées par plusieurs évaluateurs humains, fournissant à la fois l'âge apparent moyen et l'écart type de ces évaluations. Ce jeu de données permet la supervision directe de l'incertitude aléatoire humaine.

Architecture du Modèle : Le système proposé est une architecture de régression multi-sorties basée sur un DenseNet-121 (pré-entraîné sur ImageNet). Le réseau se divise en deux branches :
- Une Branche Moyenne prédisant l'âge apparent.
- Une Branche de Variance prédisant l'écart type (incertitude aléatoire), utilisant une activation Softplus pour garantir des valeurs positives.
Stratégie d'Entraînement : Le modèle est entraîné via un pipeline en trois phases : entraînement mono-tâche initial (moyenne uniquement), entraînement multi-tâches (moyenne et variance), et ajustement fin (fine-tuning). La branche de variance est explicitement supervisée par l'écart type des votes humains du jeu de données, traitant le désaccord humain comme la vérité de terrain pour l'incertitude aléatoire.
Désenchevêtrement de l'Incertitude : Pour séparer l'incertitude aléatoire de l'incertitude épistémique, les auteurs emploient trois approximations de Réseaux de Neurones Bayésiens (BNN) :
1. MC-DropConnect
2. Flipout
3. Deep Ensembles
  L'incertitude épistémique est calculée comme la variance des prédictions à travers plusieurs passages vers l'avant (ou membres de l'ensemble) pour une même entrée, tandis que l'incertitude aléatoire est la variance apprise de la distribution de sortie.
Conception Expérimentale : Les modèles ont été entraînés sur sept tailles de sous-ensembles différents du jeu de données (1 %, 5 %, 10 %, 25 %, 50 %, 75 %, 100 %) afin d'observer comment les mesures d'incertitude évoluent avec la disponibilité des données.

Contributions Clés

Supervision Explicite de l'Incertitude Humaine : L'étude intègre directement le désaccord des annotateurs humains dans le processus d'entraînement, permettant au modèle d'apprendre l'incertitude aléatoire comme une cible spécifique plutôt que de l'inférer indirectement.
Désenchevêtrement dans la Régression : L'article examine si les incertitudes aléatoires et épistémiques peuvent être séparées avec succès dans un contexte de régression, contrastant avec les conclusions précédentes en classification.
Analyse Empirique de l'Échelle des Données : Les auteurs évaluent systématiquement comment différentes méthodes d'estimation de l'incertitude se comportent à mesure que le volume de données d'entraînement change, testant spécifiquement l'hypothèse selon laquelle l'incertitude épistémique diminue avec l'augmentation des données tandis que l'incertitude aléatoire reste stable.

Résultats

Tendances de l'Incertitude :
- Incertitude Aléatoire : Est restée largement stable à travers toutes les tailles de jeux de données (se stabilisant à environ 18 ans², soit ~4,2 ans d'écart type). Cela confirme que le désaccord humain est une propriété inhérente aux données, indépendante de la taille d'entraînement du modèle.
- Incertitude Épistémique : A présenté une relation inverse avec la taille du jeu de données. À mesure que les données d'entraînement augmentaient, l'incertitude épistémique diminuait. DropConnect a montré la réduction la plus prononcée (passant d'environ 12,9 ans² à 5 % de données à ~6,0 ans² à 100 %), tandis que Deep Ensembles maintenait une incertitude épistémique systématiquement basse, quel que soit le volume de données. Flipout a montré un comportement moins stable et non monotone.
Performance Prédictive :
- Deep Ensembles a obtenu la meilleure précision prédictive globale (Erreur Absolue Moyenne de 8,0 ans à 100 % de données, $R^2$ de 0,61).
- DropConnect suivait de près (MAE de 8,3 ans, $R^2$ de 0,58).
- Flipout a convergé plus lentement (MAE de 8,9 ans, $R^2$ de 0,53).
Généralisation : Testés sur le jeu de données UTKFace, les modèles ont montré des taux d'erreur accrus. Cependant, les mesures d'incertitude ont généralement reflété cette dégradation, l'incertitude épistémique augmentant pour DropConnect et les Ensembles, suggérant que les modèles peuvent détecter les changements de distribution.

Signification et Revendications
L'article affirme que le désenchevêtrement de l'incertitude est non seulement réalisable dans les tâches de régression, mais est potentiellement plus stable et interprétable que dans les tâches de classification. Les résultats valident la distinction théorique entre les deux types d'incertitude :

L'incertitude aléatoire est confirmée comme étant inhérente aux données, restant constante indépendamment de la capacité du modèle ou du volume de données.
L'incertitude épistémique est confirmée comme étant dépendante du modèle, diminuant à mesure que le modèle gagne en exposition aux données.

Les auteurs concluent que Deep Ensembles offre la performance prédictive brute et la robustesse les plus fortes, tandis que DropConnect fournit les tendances épistémiques les plus réactives et interprétables, ce qui le rend adapté aux applications nécessitant une estimation précise de la confiance. L'étude souligne la valeur des modèles capables de quantifier pourquoi ils sont incertains (bruit des données vs manque de connaissances), ce qui est crucial pour les applications à enjeux élevés comme l'application des restrictions d'âge sur les contenus.

Limites
Les auteurs notent plusieurs contraintes :

Sous-ensembles de petite taille : Les modèles entraînés sur de très petits sous-ensembles (1 % des données) ont souffert de sous-apprentissage (underfitting), rendant leurs estimations d'incertitude peu fiables.
Biais du Jeu de Données : Le jeu de données APPA-REAL est biaisé vers la tranche d'âge 20–40 ans, ce qui pourrait limiter la généralisation aux enfants et aux personnes âgées.
Homogénéité Architecturale : L'étude s'est appuyée exclusivement sur DenseNet-121 ; les comportements d'incertitude pourraient différer avec d'autres architectures comme ResNet ou les Vision Transformers.
Stabilité de la Méthode : Flipout a démontré une instabilité dans ses approximations d'inférence variationnelle, particulièrement à des tailles de jeux de données intermédiaires.

Articles similaires