💻 computer science

Disentangling Model and Human Data Uncertainty in Apparent Facial Age Estimation

Questo articolo dimostra che le Reti Neurali Bayesiane addestrate sul dataset APPA-REAL possono disincagliare e quantificare efficacemente le incertezze aleatorie ed epistemiche nella stima dell'età facciale, rivelando che l'incertezza aleatoria rimane stabile al variare delle dimensioni del dataset, mentre l'incertezza epistemica aumenta al diminuire dei dati di addestramento.

Autori originali: Andrei Foitos, Ivo Pascal de Jong, Matias Valdenegro-Toro

Pubblicato 2026-07-21

📖 4 min di lettura☕ Lettura da pausa caffè

CC0 1.0

Autori originali: Andrei Foitos, Ivo Pascal de Jong, Matias Valdenegro-Toro

Articolo originale dedicato al pubblico dominio sotto CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di indovinare quanti anni abbia uno sconosciuto solo guardando una foto. Potresti dire: "Sembra avere circa 30 anni", ma il tuo amico potrebbe dire: "Ma va, sembra che ne abbia 40!". Nel mondo dell'intelligenza artificiale, questo non è solo un innocuo disaccordo; è un enorme rompicapo. I sistemi di IA stanno diventando più bravi a guardare i volti e a indovinare l'età, ma spesso si comportano come dei saputelli troppo sicuri di sé. Ti danno un singolo numero e agiscono come se fosse la verità assoluta, anche quando la risposta è sfumata. Questo è pericoloso perché se un computer è troppo sicuro di una risposta errata, potrebbe prendere decisioni sbagliate, come permettere a un adolescente di comprare alcolici o bloccare un anziano da un sito web. Per risolvere questo problema, gli scienziati stanno insegnando all'IA a ammettere quando sta tirando a indovinare. Vogliono che il computer dica: "Penso che abbia 30 anni, ma ne sono sicuro solo al 50%", oppure "Penso che abbia 30 anni, ma ne sono molto sicuro". Per farlo, i ricercatori hanno diviso l'incertezza in due varianti: l'incertezza aleatoria, che è la naturale confusione dei dati (come il fatto che gli esseri umani non riescano a mettersi d'accordo sull'età), e l'incertezza epistemica, che è l'ignoranza dell'IA stessa (come uno studente che non ha studiato abbastanza).

Questo articolo è come una storia investigativa dove gli investigatori cercano di insegnare a un computer a distinguere tra "i dati sono confusi" e "io sono confuso". I ricercatori hanno utilizzato un dataset speciale chiamato APPA-REAL, dove migliaia di esseri umani reali hanno guardato gli stessi volti e hanno votato su quanti anni sembrassero avessero. Poiché così tante persone hanno votato, i ricercatori potevano misurare esattamente quanto gli esseri umani dissentissero (la "confusione") e usare questo per addestrare l'IA. Hanno costruito tre diversi tipi di modelli di IA "Bayesiana" — pensa a loro come a tre diverse squadre di detective, ognuna delle quali usa una strategia leggermente diversa per indovinare e misurare la propria fiducia. Hanno testato queste squadre fornendo loro diverse quantità di dati, da una manciata minuscola di foto all'intera libreria.

La grande scoperta qui è che i due tipi di incertezza si comportano in modo molto diverso, e l'IA può imparare a separarli. La "confusione" dei dati (incertezza aleatoria) è rimasta esattamente la stessa indipendentemente da quante foto l'IA vedesse. È come una stanza rumorosa: che ci sia una persona o mille persone che ascoltano, il livello del rumore di fondo non cambia. Il documento ha scoperto che questo livello di rumore era stabile a circa 18 anni al quadrato (il che si traduce in una deviazione standard di circa 4,2 anni). Questo conferma che parte della confusione è semplicemente incorporata nella natura della percezione umana.

D'altra parte, l'ignoranza dell'IA (incertezza epistemica) si è comportata esattamente come previsto: è scesa drasticamente man mano che l'IA vedeva più dati. Quando l'IA vedeva solo l'1% dei dati di addestramento (circa 40 immagini), era totalmente incerta. Ma man mano che fornivano più dati, fino al 100% del set, l'IA diventava molto più sicura. Ad esempio, il metodo "DropConnect" ha visto la sua incertezza epistemica scendere da circa 12,9 anni al quadrato con il 5% dei dati a 6,0 anni al quadrato con l'intero dataset. Il metodo "Deep Ensembles" è stato il più accurato in assoluto, terminando con un Errore Assoluto Medio (MAE) di 8,0 anni, mentre "Flipout" è stato un po' più lento nell'apprendimento, finendo con un MAE di 8,9 anni.

Il documento ha anche testato se questi intelligenti detective dell'IA potessero gestire un nuovo set di volti diverso (il dataset UTKFace). I risultati hanno mostato che i livelli di fiducia dell'IA cambiavano appropriatamente quando i dati cambiavano, provando che i modelli potevano generalizzare la loro comprensione dell'incertezza. Tuttavia, gli autori notano che il metodo "Flipout" è stato un po' traballante e instabile, specialmente quando i dati erano scarsi, suggerendo che potrebbe non essere la scelta migliore per situazioni in cui l'IA deve essere molto affidabile con informazioni limitate.

In definitiva, questa ricerca suggerisce che separare questi due tipi di incertezza non è solo possibile, ma funziona anche meglio nella stima dell'età (un compito di regressione) rispetto ai semplici compiti di classificazione sì/no. Lo studio conclude che, sebbene i Deep Ensembles siano i più accurati, il metodo DropConnect offre l'immagine più chiara di come la fiducia dell'IA cresca con l'aumentare dei dati. Questo significa che siamo un passo più vicini a un'IA che non si limita a indovinare la tua età, ma sa anche quando sta solo tirando a indovinare.

Sintesi Tecnica: Disgiunzione dell'Incertezza del Modello e dei Dati Umani nella Stima dell'Età Apparente del Volto

Definizione del Problema
La stima dell'età facciale è un compito di regressione complesso a causa della natura soggettiva dell' "età apparente", che si basa su caratteristiche di invecchiamento visivo piuttosto che sulla realtà cronologica. A differenza della regressione standard, dove esiste un singolo valore di verità (ground truth), la stima dell'età apparente comporta un disaccordo umano intrinseco; diversi annotatori possono assegnare età differenti alla stessa immagine in base al proprio bias individuale o alla percezione culturale. Di conseguenza, un modello robusto deve non solo predire l'età più probabile, ma anche quantificare l'affidabilità di tale predizione. Gli attuali modelli di machine learning spesso restituiscono una singola stima puntuale, fallendo nel distinguere tra due diverse fonti di incertezza:

Incertezza Aleatoria: Rumore intrinseco nei dati (ad es. disaccordo tra gli annotatori).
Incertezza Epistemica: Incertezza derivante dalla mancanza di conoscenza del modello (ad es. dati di addestramento limitati, scarsa generalizzazione).

Sebbene esistano metodi per disgiungere queste incertezze, la letteratura recente suggerisce che essi spesso falliscano nel separarle efficacemente nei compiti di classificazione. Resta da chiarire se questa disgiunzione sia efficace nei compiti di regressione come la stima dell'età.

Metodologia
Gli autori utilizzano il dataset APPA-REAL, che contiene 7.591 immagini annotate da più valutatori umani, fornendo sia l'età apparente media che la deviazione standard di tali valutazioni. Questo dataset permette la supervisione diretta dell'incertezza aleatoria umana.

Architettura del Modello: Il sistema proposto è un'architettura di regressione multi-output basata su una colonna portante DenseNet-121 (pre-addestrata su ImageNet). La rete si dirama in due teste:
- Una Testa della Media (Mean Branch) che predice l'età apparente.
- Una Testa della Varianza (Variance Branch) che predice la deviazione standard (incertezza aleatoria), utilizzando un'attivazione Softplus per garantire valori positivi.
Strategia di Addestramento: Il modello è addestrato tramite una pipeline a tre fasi: addestramento iniziale a compito singolo (solo media), addestramento multi-task (media e varianza) e fine-tuning. La branca della varianza è esplicitamente supervisionata dalla deviazione standard dei voti umani del dataset, trattando il disaccordo umano come la verità di riferimento per l'incertezza aleatoria.
Disgiunzione dell'Incertezza: Per separare l'incertezza aleatoria da quella epistemica, gli autori impiegano tre approssimazioni di Reti Neurali Bayesiane (BNN):
1. MC-DropConnect
2. Flipout
3. Deep Ensembles
  L'incertezza epistemica è calcolata come la varianza delle predizioni attraverso molteplici passaggi in avanti (forward passes) o membri dell'ensemble per lo stesso input, mentre l'incertezza aleatoria è la varianza appresa della distribuzione di output.
Design Sperimentale: I modelli sono stati addestrati su sette diverse dimensioni di sottoinsieme del dataset (1%, 5%, 10%, 25%, 50%, 75%, 100%) per osservare come le metriche di incertezza scalano con la disponibilità dei dati.

Contributi Chiave

Supervisione Esplicita dell'Incertezza Umana: Lo studio incorpora il disaccordo degli annotatori umani direttamente nel processo di addestramento, permettendo al modello di apprendere l'incertezza aleatoria come un target specifico piuttosto che inferirla indirettamente.
Disgiunzione nella Regressione: Il documento indaga se le incertezze aleatoria ed epistemica possano essere separate con successo in un contesto di regressione, contrastando con le precedenti evidenze nei compiti di classificazione.
Analisi Empirica della Scalabilità dei Dati: Gli autori valutano sistematicamente come diversi metodi di stima dell'incertezza si comportano al variare del volume di dati di addestramento, testando specificamente l'ipotesi che l'incertezza epistemica diminuisca con l'aumentare dei dati, mentre l'incertezza aleatoria rimanga stabile.

Risultati

Tendenze dell'Incertezza:
- Incertezza Aleatoria: È rimasta ampiamente stabile in tutte le dimensioni del dataset (stabilizzandosi a circa 18 anni², ovvero ~4,2 anni di deviazione standard). Ciò conferma che il disaccordo umano è una proprietà intrinseca dei dati, indipendente dalla dimensione dell'addestramento del modello.
- Incertezza Epistemica: Ha mostrato una relazione inversa con la dimensione del dataset. All'aumentare dei dati di addestramento, l'incertezza epistemica è diminuita. DropConnect ha mostrato la riduzione più pronunciata (da ~12,9 anni² con il 5% dei dati a ~6,0 anni² con il 100%), mentre i Deep Ensembles hanno mantenuto un'incertezza epistemica costantemente bassa indipendentemente dalla dimensione dei dati. Flipout ha mostrato un comportamento meno stabile e non monotono.
Performance Predittiva:
- I Deep Ensembles hanno ottenuto la migliore accuratezza predittiva complessiva (Errore Assoluto Medio [MAE] di 8,0 anni con il 100% dei dati, $R^2$ di 0,61).
- DropConnect è seguito da vicino (MAE 8,3 anni, $R^2$ 0,58).
- Flipout ha mostrato una convergenza più lenta (MAE 8,9 anni, $R^2$ 0,53).
Generalizzazione: Testati sul dataset UTKFace, i modelli hanno mostrato un aumento dei tassi di errore. Tuttavia, le metriche di incertezza hanno generalmente riflesso questo degrado, con l'incertezza epistemica che aumentava per DropConnect ed Ensembles, suggerendo che i modelli possono rilevare i cambiamenti di distribuzione.

Significatività e Rivendicazioni
Il documento sostiene che la disgiunzione dell'incertezza non è solo fattibile nei compiti di regressione, ma è potenzialmente più stabile e interpretabile rispetto ai compiti di classificazione. I risultati validano la distinzione teorica tra i due tipi di incertezza:

L'incertezza aleatoria è confermata come inerente ai dati, rimanendo costante indipendentemente dalla capacità del modello o dal volume dei dati.
L'incertezza epistemica è confermata come dipendente dal modello, diminuendo man mano che il modello riceve maggiori esposizioni ai dati.

Gli autori concludono che i Deep Ensembles offrono la più forte performance predittiva grezza e robustezza, mentre DropConnect fornisce i trend epistemici più reattivi e interpretabili, rendendolo adatto ad applicazioni che richiedono una stima precisa della fiducia. Lo studio evidenzia il valore di modelli in grado di quantificare il perché siano incerti (rumore dei dati vs mancanza di conoscenza), elemento critico per applicazioni ad alto rischio come l'applicazione di restrizioni di età ai contenuti.

Limitazioni
Gli autori segnalano diverse restrizioni:

Sottoinsiemi Piccoli: I modelli addestrati su sottoinsiemi molto piccoli (1% dei dati) hanno sofferto di sottoutilizzo (underfitting), rendendo inaffidabili le loro stime di incertezza.
Bias del Dataset: Il dataset APPA-REAL è sbilanciato verso la fascia d'età 20-40, limitando potenzialmente la generalizzazione a bambini e anziani.
Omogeneità Architetturale: Lo studio si è basato esclusivamente su DenseNet-121; i comportamenti di incertezza potrebbero differire con altre architetture come ResNet o Vision Transformers.
Stabilità del Metodo: Flipout ha dimostrato instabilità nelle sue approssimazioni di inferenza variazionale, particolarmente in presenza di dimensioni intermedie del dataset.

Articoli simili