Saltar al contenido
Conecttia

La IA entrenada en 100 millones de opiniones puede predecir lo que la gente pensará de tus fotos

TL;DR: Una nueva IA que rompe records llamada Photofeeler-D3 puede predecir las primeras impresiones de una foto o un video. Pronto, Photofeeler-D3 podría ayudarte a elegir las fotos más favorecedoras del rollo de tu cámara, recomendarte gafas para tu cara y más.

¿Cuál de tus fotos de Tinder te hace parecer atractiva, inteligente o digna de confianza? Un nuevo modelo de inteligencia artificial, el Photofeeler-D3, tiene la respuesta.

Photofeeler-D3 recibe su nombre por representar los tres rasgos de la categoría de datos de Photofeeler.

Si piensas que usar la IA para juzgar fotos no suena nuevo, es porque ya se ha probado antes. Específicamente, la predicción del atractivo se ha intentado muchas veces (referido como la predicción de la belleza facial en la literatura).

Pero los predictores de atractivo existentes son malos, con una correlación aproximada del 52% con los votantes humanos.

Aquí en Photofeeler, hemos estado ofreciendo pruebas fotográficas de perfiles con precisión científica y con energía humana durante años. El hecho es que sabemos mejor que nadie lo difícil que es esto, por lo que no pensamos que esto sea algo que la IA pueda hacer todavía. Pero dadas suficientes (y el tipo correcto de) entradas, las redes neuronales pueden sorprenderte.

Gracias al vasto conjunto de datos del mundo real del Photofeeler y a las novedosas técnicas de IA, el Photofeeler-D3 equivale a 15 opiniones humanas promediadas para predecir cuán inteligente, confiable y atractivo parece un sujeto fotográfico.

Esto es enorme porque, hasta ahora, otros intentos de esto ni siquiera han sido comparables a los humanos.

Obsérvese que el atractivo masculino es significativamente más difícil de predecir que el atractivo femenino. Eso es porque las mujeres humanas están tan divididas en sus opiniones al respecto.

El Photofeeler-D3 sigue desarrollándose, pero incluso en su forma actual, hay muchos casos de uso posibles. Aquí hay algunos que el equipo de Photofeeler ha ideado:

Debido a que la gente rara vez toma una foto de algo, se pasa mucho tiempo eligiendo la foto más halagadora de muchas similares.

Una red neuronal tan buena como Photofeeler-D3 podría adivinar automáticamente las mejores tomas en un gran conjunto.

Esta capacidad podría ser utilizada por los fotógrafos de retratos para examinar rápidamente una sesión – o para ayudar a los individuos en la toma de decisiones rápidas (como la elección de la foto de la tarde para subirla a Instagram).

Una IA tan precisa como el Photofeeler-D3 podría proporcionar información mientras se toma una foto para ayudarte a elegir el ángulo, la pose y la expresión más favorecedora, como esta:

El video de arriba utiliza la red neural genuina de Photofeeler-D3. Algunos elementos interesantes de nota:

Recomendaciones para compras en línea

Al igual que en la demostración de vídeo anterior, Photofeeler-D3 podría utilizarse además del software de prueba virtual para clasificar los estilos de gafas, joyas o maquillaje de más a menos favorecedores para el rostro de un individuo.

Recorte y filtrado automático

Photofeeler-D3 podría identificar la mejor edición a aplicar (recorte, brillo, contraste y similares) para lograr la mejor impresión posible.

Selección de imágenes por preferencias visuales

Con el sofisticado modelo de preferencia de los votantes de Photofeeler, uno podría predecir la mejor audiencia para una foto, respondiendo a preguntas como, ¿esta foto funcionará mejor con los votantes jóvenes o viejos? ¿Con hombres o mujeres? ¿Con americanos o europeos?

Esta característica podría ser utilizada por las agencias de publicidad para seleccionar las fotos de stock para las campañas.

Coincidencia de la aplicación de citas basada en «tipos» personales

Asimismo, las aplicaciones para citas podrían utilizar Photofeeler-D3 para identificar parejas de usuarios que probablemente se encuentren más atractivos que los demás.

En Photofeeler, podríamos incluso ofrecer un tipo de prueba que sólo se dirige a los votantes con un sesgo positivo para la foto, para averiguar cómo se siente el público ideal al respecto. Concedido, esto podría no ser útil para los usuarios mientras otras plataformas no tengan la misma capacidad. (por ejemplo, el sistema de puntuación elo de Tinder exige que los perfiles sean atractivos para la población en general o que se entierren en la cola).

En cualquier caso, actualmente estamos experimentando con ideas como estas y más en Photofeeler.

Además de los datos únicos, ¿qué se puede acreditar para el éxito de Photofeeler-D3?

Modelar las impresiones individuales de los votantes de la foto, en lugar de la «puntuación real», resulta ser muy importante para lograr la mayor precisión. Eso es porque realmente no hay una puntuación universal de la foto; sólo se puede predecir el promedio de muchas opiniones, como lo hace Photofeeler.

Es importante que el algoritmo existente de Photofeeler, VoterStyles, elimina las opiniones poco confiables y explica la forma en que las personas se califican de manera diferente.

La gente no sólo varía en la forma de evaluar lo que parece inteligente, digno de confianza o atractivo, algunas personas necesitan que una foto sea la peor que hayan visto para dar un 0, y otras dan 0s libremente. Estas enormes diferencias no se tienen en cuenta cuando se recogen las opiniones y se promedian directamente.

Aunque los métodos exactos que utiliza Photofeeler son de propiedad exclusiva, lo que es importante señalar es que el hecho de tener en cuenta esta rica capa de información sobre los propios clasificadores mejora drásticamente la calidad de las puntuaciones – lo que conduce a los resultados de Photofeeler-D3.

Los mismos métodos podrían aplicarse a cualquier conjunto de datos pequeños y ruidosos para aumentar la fiabilidad (piense: calificaciones de productos, encuestas de opinión, trabajo en masa y similares). Son lo que nos ha permitido proporcionar resultados precisos de pruebas fotográficas a los individuos.

Mientras que entrenar una red neural en un enorme conjunto de datos como el de Photofeeler hará mucho ruido por sí solo, el hecho de que ya estábamos reforzando el poder estadístico de cada voto le dio a Photofeeler-D3 la mejor verdad sobre el terreno del mundo para trabajar.

¿Reemplazará Photofeeler-D3 a la votación humana en Photofeeler?

Todavía no. Mientras que Photofeeler-D3 equivale a 15 votos humanos regulares, la tecnología de votación subyacente en Photofeeler ya es tan buena que Photofeeler-D3 equivale a sólo 4-7 votos en Photofeeler.

Además, las redes neuronales son capaces de errores mucho mayores que los humanos ante características raras o imprevistas.

Por estas razones, y porque el Photofeeler se mantiene con un estándar de precisión extremadamente alto, seguiremos introduciendo la IA de precisión en los votos humanos en lugar de reemplazar los votos humanos por completo.

¿Qué sigue?

La versión inicial de Photofeeler-D3 fue construida en asociación entre el cofundador de Photofeeler/CTO, Ben Peterson, Ph.D., y el experto/asesor en visión por computador, Agastya Kalra. Esta investigación fue publicada en la revista Advancement in Intelligent Systems and Computing y los detalles técnicos completos están disponibles para leer en el libro blanco aquí.

Desde ese proyecto inicial, se han hecho muchos avances, así que ten en cuenta que los números de esta entrada de blog son más actuales.

Siguiendo el proyecto Photofeeler-D3, el CTO de Photofeeler, el Dr. Ben Peterson, trabajará en un proyecto de red neuronal de 9 rasgos (adicionalmente sacado de las categorías sociales y de negocios de Photofeeler) así como en la próxima versión del algoritmo VoterStyles.

Una demostración limitada de Photofeeler-D3 está disponible para los investigadores que lo soliciten. Envíe un correo electrónico a support@photofeeler.com.