史丹佛大學新 AI 算法,用照片判斷出你的性取向!

其實,研究員Michal Kosinski表示,這項研究的真正目的是警告大家和政府——每個人的隱私究竟面臨著多大的威脅。
評論
評論

本篇來自合作媒體 雷鋒網 ,INSIDE 經授權轉載。

有的細節,人無法辨認,不等於機器也不行;比如透過臉部的細微特徵來判斷這個人的性取向。

史丹佛研究員 Michal Kosinski 這麼說。雷鋒網獲得消息,他和同學 Yilun Wang 一起寫了個深度學習算法:僅憑一個人的照片,就能判斷他或者她,是否是同性戀。

這個算法的準確度並不低:

雷鋒網獲知,只有一張正面照的情況下,有 81% 的準確率成功判斷「直男」還是「Gay」;判斷是否為「女同」的準確率則是 74%。在有五張對方照片的情況下,準確率被提升到 91%(男)和 83%(女)。

相比之下,人類僅憑相貌猜測一個人性取向的準確率通常為 61%(男),54%(女)。

一張圖告訴你美國的 Gay 和女同「長什麼樣」

兩位研究人員根據該約會網站的數據樣本,製作出了美國直男、直女、男同、女同四個人群的合成照片,即典型相貌:

左上為「典型美國直男」,左下為「典型美國直女」,右上為「典型的美國 Gay」,右下則是「典型的美國女同」。至於最右邊的兩張線條圖,上圖是直男、Gay 的主要面部輪廓區別(紅線表示 Gay,綠線為直男);下圖則是直女、非直女的主要臉部輪廓區別(紅線為女同,綠線為直女)。

總結起來,兩位研究人員在「同性戀 vs 異性戀面部輪廓區別」這個話題上,總結出的結果可概括為:

Gay 傾向於擁有被劃分為「非典型男性」的特徵、表情和打扮。簡單來說,Gay 看起來更女性化,下頜更窄,鼻子更長,額頭面積更大。

同則相反,一般下頜會更寬,額頭更小。

研究目的

兩位研究人員表示,開展該研究不是為了分辨同性戀人群。

在對方不知情的情況下獲取其性取向信息,在倫理上肯定站不住腳。而在技術上,即便該算法的準確率很高,在不能消除假正例(比如把某直男錯誤判斷為 Gay)的前提下,也不能用於在現實中辨別某個人群(「辨別」特定人群的動機,本身很值得討論與批判)。

另外,《經濟學人》指出,該研究在數據集上有一個非常大的局限性:

其數據集是來自美國某約會網站的 36630 名男用戶的 130741 張照片,以及 38593 名女用戶的 170360 張照片。同性戀和異性戀群體的樣本大小基本一致。

眾所周知,一個人在約會平台上發布的照片

通常經過精挑細選,往往會化妝打扮以及對照片進行 PS。這些照片和一個人真實的生活狀態應該是有區別的。因而,若把該算法應用於普通生活照片,其準確性極有可能會大幅降低。

其實,研究員 Michal Kosinski 表示,這項研究的真正目的是警告大家和政府—每個人的隱私究竟面臨著多大的威脅。

更多關於這項研究的 訊息 可見此。


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。