Gaydar

Gaydar

Mnenje, kolumna ali komentar
22. 6. 2018 - 16.00

Beseda gaydar predstavlja mešanico nazivov “gej” in “radar”. V Oxfordskem slovarju angleškega jezika jo opišejo kot sposobnost istospolno usmerjenih oseb za prepoznavanje drugih istospolnih oseb glede na komaj opazne znake v njihovem izgledu in vedenju.

V februarski izdaji znanstvene revije Journal of Personality and Social Psychology je bila objavljena raziskava z naslovom Globoke nevronske mreže so bolj uspešne pri prepoznavi spolne usmerjenosti posameznika ali posameznice od ljudi. V naslednjih minutah vam bomo raziskavo najprej podrobno opisali, v drugem delu komentarja pa jo bomo kritično ovrednotili. Stanfordska znanstvenika Yilun Wang in Michal Kosinski sta raziskala, ali lahko s pomočjo algoritma ločujemo med obrazi ljudi z različno spolno usmerjenostjo.

V prvem delu poskusov sta raziskovalca zbrala kar 35.326 slik obrazov ljudi z neznane spletne strani, namenjene iskanju partnerice ali partnerja. Med slikami je bila približno četrtina gejev, četrtina lezbijk, četrtina raznospolno usmerjenih moških in četrtina raznospolno usmerjenih žensk. Spolno usmerjenost so določili glede na to, koga so iskali za potencialna srečanja. V analizo so vključili le belce in belke, izključili pa so vse osebe, ki ne sodijo v binarno definirano spolno usmerjenost ali se ne identificirajo v okviru binarnega spola. Raziskovalca pa sta se omejila tudi pri starostnih kategorijah, vse slike so namreč pripadale osebam, starim med 18 in 40 let.

Po izbiri fotografij sta znanstvenika uporabila globoke nevronske mreže. S pomočjo tega orodja, ki se uporablja v raziskavah s področja umetne inteligence, sta iz fotografij oseb določila obrazne poteze in lastnosti, ki se razlikujejo med osebami glede na njihovo spolno usmerjenost. Potem sta zgradila računski model, v katerega sta kot parametre za napovedovanje vključila obrazne poteze in lastnosti. Fotografije, ki niso bile že uporabljene pri prepoznavanju obraznih lastnosti isto- in raznospolno usmerjenih oseb z uporabo umetne inteligence, sta uredila v naključne pare. V parih je ena slika predstavljala istospolno usmerjeno osebo, druga pa osebo, ki jo zanima nasprotni spol. Računalniški model je nato odgovarjal na vprašanje, kdo je isto- ali kdo je raznospolno usmerjen ali usmerjena. V primeru prepoznave geja je bil računalniški model uspešen v 81 odstotkih, v primeru prepoznave lezbijke pa v 71 odstotkih.

Da bi preverila, kako dobro deluje njun algoritem, sta raziskovalca v nadaljevanju pridobila še fotografije uporabnikov Facebooka. Te sta identificirala kot istospolno usmerjene glede na podlagi njihovih všečkov in glede na to, ali si želijo spoznati moškega. V tem poskusu sta primerjala, kako uspešno računski model izbira istospolno usmerjene iz parov slik istospolno usmerjenih moških uporabnikov Facebooka in isto- ter raznospolno usmerjenih uporabnikov spletne strani za iskanje partnerjev in partneric. Računski model je v primeru primerjave istospolno usmerjenih uporabnikov Facebooka in raznospolno usmerjenih uporabnikov spletne strani za zmenke v 74 odstotkih pravilno izbiral istospolno usmerjene. Kljub temu pa ni ločeval med istospolno usmerjenimi uporabniki Facebooka in istospolno usmerjenimi uporabniki spletne strani za iskanje partnerjev.

Te rezultate so primerjali z uspešnostjo ljudi pri prepoznavi istospolno usmerjenih. Ljudje, ki so jih rekrutirali prek spleta, so geje iz para slik prepoznali v 61 odstotkih parov in lezbijke v 54 odstotkih parov. Pomembno je poudariti, da so tako ljudje kot računalniški model izbirali med dvema slikama v paru. Na eni sliki je bila oseba, ki naj bi bila istospolno usmerjena, druga slika pa je prikazovala raznospolno usmerjeno osebo. Raziskovalca sama sta v komentarju k članku omenila, da bi vsaj za zdaj računalniški model imel veliko nižjo uspešnost, če bi moral na primer med stotimi slikami izbrati le peščico slik istospolno usmerjenih oseb.

Raziskava je že pred samo objavo v znanstveni reviji dvignila ogromno prahu. Raziskovalca sta v želji, da bi izvedla empirično znanstveno raziskavo, ki bi sodila v področje trdih znanosti, gaydar vzela iz družbenega konteksta. Na to so opomnili avtorji članka z naslovom Gaydar in zmota nekontekstualiziranega merjenja, ki je bil nedavno objavljen v znanstveni reviji Sociological Science. Avtorji opozorijo, da je napaka Wanga in Kosinskega v tem, da sta na videz objektivno izbrala svoj vzorec, ki je privedel do nespametnih trditev, navezujoč se na napovedovalno moč statistike in strojnega učenja. Gaydar sta pomanjšala na zmožnost prepoznavanja spolne usmerjenosti oseb iz njihovih obraznih značilnosti. Raziskava bi morala upoštevati družbeni kontekst gaydarja in dejstvo, da gaydar vključuje tudi vedenja in navade istospolno usmerjenih oseb, kot je denimo slog oblačenja.

Raziskovalca v članku nista podala podrobnega opisa skupine ljudi, ki je izbirala med slikami istospolno in raznospolno usmerjenih oseb. Ne vemo, katerega spola so bile te osebe, in ne vemo tudi ničesar o njihovi spolni usmerjenosti. Ljudje, ki so izbirali isto- in raznospolno usmerjene osebe iz parov slik, pa tudi niso bili podvrženi učenju ločevanja med isto- in raznospolno usmerjenimi osebami. Veliko razliko med uspešnostjo ljudi in računalniškim modelom pri izbiri med isto- in raznospolno usmerjenimi osebami lahko tako pojasnimo s tem, da ljudje pred testom niso bili izpostavljeni učenju. Učenju pa je bil izpostavljen računalniški algoritem, kar pojasni njegovo uspešnost.

Raziskovalca sta že v uvodu in v zaključku raziskave omenila, da bi v primeru, če so algoritmi sposobni ločiti med istospolno in raznospolno usmerjenimi osebami na podlagi obraznih potez, to lahko govorilo v prid prenatalni hormonski hipotezi o spolni usmerjenosti. Po tej hipotezi naj bi hormoni, ki so prisotni v maternici pred rojstvom otroka, določali spolno usmerjenost potomca ali potomke. Čeprav raziskovalca nista izvedla raziskave hormonov, sta v razlago računalniške raziskave uvedla biologijo. Rezultatov raziskave namreč nista razložila v skladu s pravilom parsimonije. Po parsimoniji rezultate v znanosti pojasnimo na najpreprostejši način in pri tem uporabimo čim manj domnev oziroma predpostavk, ki jih v sami raziskavi nismo testirali. Avtorja pa v raziskavi nista merila hormonov v maternicah niti hormonov pri odraslih isto- in raznospolno usmerjenih osebah, zato je neznanstveno in nedopustno, da sta avtorja to razlago vključila v članek.

Namesto sledenju parsimoniji sta Wang in Kosinski oblike obraza povezala s hormoni, ki naj bi jim bile istospolno usmerjene osebe izpostavljene v maternici. Geji naj bi imeli bolj ženske, nežnejše obraze, medtem ko naj bi bili obrazi lezbijk bolj moški. Razlog za to se lahko skriva tudi v samih kotih, pod katerimi so bile slike narejene. Ker sta raziskovalca slike pobrala z družbenih omrežij, nad koti kamer in obdelavo slik, potem ko so bile posnete in preden so bile objavljene, nista imela nadzora. Avtorja v članku sicer poudarita, da naj bi raziskava ravno zato imela večjo ekološko veljavnost. Slike so bile namreč pridobljene iz vsakodnevnega življenja oseb na družbenih omrežjih in ne posnete v laboratoriju. Isto- in raznospolno usmerjene osebe imajo morda drugačne načine in navade pri fotografiranju in ustvarjanju selfijev. Vseeno pa so kot in način fotografiranja ter kasnejša obdelava fotografij pred objavo očitno pogojeni družbeno in ne biološko. Poleg fizičnih lastnosti pa naj geji ne bi imeli brad, lezbijke pa naj se ne bi ličile in naj bi na glavah rade nosile baseballske kape.

Večja pogostost brad pri raznospolno usmerjenih moških in kape pri lezbijkah so prav gotovo posledice družbenih dejavnikov, ki nimajo nič z biologijo. Poleg tega je bil vzorec oseb, katerih slike sta uporabila v raziskavi, zelo pristranski in zato ekološko neveljaven, če bi želeli rezultate predstaviti kot lastnosti vseh isto- in raznospolno usmerjenih ljudi. Osebe so pripadale določeni starostni kategoriji, delile so si enako barvo kože, predvsem pa je šlo v vseh primerih za slike oseb, ki se javno identificirajo bodisi kot razno- ali istospolno usmerjene ter kot ženske oziroma moški. V raziskavo avtorja nista vključila bi- in panseksualno usmerjenih oseb ter transspolnih oseb. Poleg tega pa tudi nista ločila med spolno usmerjenostjo, ki jo osebe predstavljajo na dveh različnih tipih družbenih omrežij, in dejansko spolno aktivnostjo teh oseb.

Raziskovalca sta v članku nekajkrat prestopila mejo, ki sta si jo postavila z redukcijo pri izbiri podatkov in metod. Pri interpretaciji pa sta sledila vedi, ki se imenuje fiziognomija. Prek te so v preteklosti iz zunanjih obraznih lastnosti oseb sklepali o njihovi osebnosti. Danes fiziognomija sodi med psevdoznanosti, ki pa jo avtorja predstavljenega članka želita obuditi z uporabo umetne inteligence. Rezultate namreč predstavljata kot neko splošno resnico, ki bi jo lahko uporabili za katerokoli skupino ljudi v prihodnosti, ko bi jih želeli ločiti v različne skupine na podlagi njihovih obraznih značilnosti.

V članku in v dodatku k njemu avtorja sicer opozarjata, da sta to raziskavo izvedla, da bi opozorila, kako lahko je uporabiti velike podatkovje za identifikacijo različnih lastnosti ljudi. Vseeno pa bi bilo pametno uporabiti malo razuma in uporabo strojnega učenja ter umetne inteligence še pogosteje usmeriti v dobro vseh ljudi. To bi vodilo v gradnjo skupnosti, ki se bo zavzemala in borila za to, da bodo algoritmi, ki jih ustvarjamo, čim bolj vključujoči in ne homofobni, rasistični in seksistični.

Široko mavrico človeškega izražanja in spolne usmerjenosti bodo algoritmi in umetna inteligenca zelo težko prepoznali do te mere, kot se lahko z bližnjimi srečanji spoznamo ljudje med seboj. Tako med ljudmi najdemo tiste, ki sodijo na skrajna konca spektra spolne usmerjenosti, in vse tiste, ki se pretakajo nekje vmes.

V raziskavi o gaydarju je vse barve mavrice pogrešala Zarja.

 

Glasbena podlaga: Evelyn Ida Morris

facebook twitter rss

 

Vam je bilo všeč, kar ste prebrali? Če bi radi spodbudili in podprli še več takih vsebin, potem kliknite na

 

Prikaži Komentarje

Komentarji

Ali ni v 19. stoletju nekaj podobnega, vendar precej neuspešno poskušala že frenologija...

Drži. Le da so pri frenologiji merili lobanje in določali, kje naj bi se nahajale strukture odgovorne za naša vedenja in um (angleško mind). Fiziognomija pa ima svoje začetke že v antični Grčiji in se bolj specifično ukvarja z določanje osebnosti različnih ljudi glede na njihove obrazne poteze. Tako frenologija kot fiziognomija pa sta v 19. stoletju tvorili temelje znanstvenega rasizma.

Huda raziskava, končno en članek na RŠ, ki ga je bilo vredno prebrati. Slišal sem že, da imamo ljudje velik del možganov namenjen prepoznavanju obrazov, ampak kaj takega, kot navaja ta raziskava, si pa nisem mislil. Protiargumenti raziskavi me niso prepričali, da so rezultati raziskave popolnoma neresnični. Za nekatere protiargumente se mi zdi, da sploh nimajo logične povezave z raziskavo. Še to: Vsaka človeška lastnost je posledica tako genov kot socializacije.

zastopite kako delujejo nevronske mreže in big data? mašinlerning je homofoben? pa kaj je s tabo???

Komentiraj

Plain text

  • No HTML tags allowed.
  • Spletni in e-mail naslovi bodo samodejno pretvorjeni v povezavo.
  • Samodejen prelom odstavkov in vrstic.

Z objavo komentarja potrjujete, da se strinjate s pravili komentiranja.