Según parece, existe bastante consenso entre la gente a la hora de evaluar el atractivo de un rostro. Esto supone que buena parte de la población comparte el mismo canon de belleza de las caras humanas. Pero ¿podría una inteligencia artificial asimilar ese canon y juzgar si una mujer o un hombre son más o menos “guapos”, es decir, si resultan “guapos” para la mayoría de la población? La respuesta es que cada vez están más cerca de ello.
Durante muchos años la psicología y la neurociencia han investigado cómo perciben los humanos los rostros de sus semejantes, comprobándose que en promedio tienden a encontrar algunas caras más atractivas que otras y que las calificaciones que dan sobre el atractivo de esas caras tienen una desviación típica pequeña.
Algunos científicos informáticos han utilizado el aprendizaje automático para crear algoritmos que predigan cuán atractiva sería la cara de una persona determinada para la mayoría de sus congéneres. Eso requeriría que el algoritmo entendiera primer qué entiende un humano por una “cara atractiva”.
El último paso en este sentido lo han dado unos investigadores iraníes que afirman haber creado un modelo que evalúa muy bien el atractivo que los rostros de personas concretas tienen para el resto de la gente. Lo han publicado en el International Journal of Cognitive Computing in Engineering. El algoritmo, concretamente, predice con una precisión notable las puntuaciones promedio de atractivo que los humanos otorgarían a diferentes rostros.
Algoritmos
Para hacer su estudio, los investigadores recopilaron una serie de conjuntos de datos que contenían rostros de diferentes mujeres y las correspondientes clasificaciones de atractivo promedio otorgadas por sujetos humanos. Se valieron de bases de datos como la Lab London, que incluye rostros de hombres y mujeres de entre 18 y 54 años, o de otros medios como esos vídeos de Youtube que presentan las “100 caras mas guapas” cada año.
Usando estos conjuntos de datos crearon dos modelos predictivos, uno basado en el algoritmo el conocido como de los k vecinos más próximos y otro fundamentado en la regresión de vectores de soporte. El primero funcionó muy bien y según los autores lo hizo significativamente mejor que otros modelos anteriores.
Fuente: Mohammad Karimi Moridani et al., Human-like evaluation by facial attractiveness intelligent machine, International Journal of Cognitive Computing in Engineering (2023). DOI: 10.1016/j.ijcce.2023.04.001.
