Ik vroeg een AI om me te vertellen hoe mooi ik ben

Computers rangschikken de manier waarop mensen eruitzien - en de resultaten beïnvloeden de dingen die we doen, de berichten die we zien en de manier waarop we denken.

Joan Wong

door

• Tate Ryan-Mosley archiefpagina

5 maart 2021

Ik kwam Qoves Studio voor het eerst tegen via het populaire YouTube-kanaal, dat gepolijste video's biedt zoals Maakt het kapsel een mooi gezicht?, Wat maakt Timothée Chalamet aantrekkelijk? , en Hoe de uitlijning van de kaken de sociale percepties beïnvloedt voor miljoenen kijkers.

Qoves begon als een studio die afbeeldingen zou airbrushen voor modellenbureaus; nu is het een adviesbureau voor gezichtsesthetiek dat antwoorden belooft op de eeuwenoude vraag wat een gezicht aantrekkelijk maakt. Zijn website , met krijtachtige schetsen van Parijse vrouwen met lippenstift en kleurrijke hoeden, biedt een scala aan diensten met betrekking tot haar adviesbureau voor plastische chirurgie: advies over schoonheidsproducten, bijvoorbeeld, en tips over hoe u afbeeldingen kunt verbeteren met uw computer. Maar het meest overtuigende kenmerk is de tool voor gezichtsbeoordeling: een AI-gestuurd systeem dat belooft om naar afbeeldingen van je gezicht te kijken om je te vertellen hoe mooi je bent - of niet - en je vervolgens te vertellen wat je eraan kunt doen.

Vorige week besloot ik het te proberen. Volgens de instructies van de site waste ik de kleine make-up die ik droeg en vond een neutrale muur die werd verlicht door een klein raam. Ik vroeg mijn vriend om wat close-up foto's van mijn gezicht op ooghoogte te maken. Ik deed mijn best om niet te glimlachen. Het was het tegenovergestelde van glamoureus.

Ik heb de meest draaglijke foto geüpload en binnen milliseconden stuurde Qoves een rapport terug van de 10 voorspelde gebreken op mijn gezicht. Bovenaan de lijst stond een kans van 0,7 op neus-lippenplooien, gevolgd door een kans van 0,69 op depressie onder de oogcontouren en een kans op perioculaire verkleuring van 0,66. Met andere woorden, het vermoedde (terecht) dat ik donkere wallen onder mijn ogen en lachrimpels heb, die beide als problematisch worden geregistreerd bij de AI.

Mijn resultaten van de Qoves-tool voor gezichtsbeoordeling

Het rapport gaf nuttige aanbevelingen die ik zou kunnen nemen om mijn gebreken aan te pakken. Ten eerste vertelde een gesuggereerd artikel over lachrimpels me dat ze mogelijk een injecteerbare of chirurgische ingreep nodig hebben. Als ik zou willen, zou ik kunnen upgraden naar een vollediger rapport met chirurgische aanbevelingen, geschreven door artsen, op niveaus van $ 75, $ 150 en $ 250. Het suggereerde ook vijf serums die ik eerst zou kunnen proberen, elk met een ander huidverzorgingsingrediënt: retinol, neuropeptiden, hyaluronzuur, EGF en TNS. Ik had alleen van retinol gehoord. Voor het slapengaan die avond keek ik door de ingrediënten van mijn gezichtscrème om te zien wat het bevatte.

Ik was geïntrigeerd. De tool had mijn uiterlijk opgedeeld in een lijst met hapklare problemen - een laser die was getraind op wat hij dacht dat er mis was met mijn uiterlijk.

Qoves is echter slechts een kleine startup met 20 werknemers in een oceaan van bedrijven en diensten voor gezichtsanalyse. Er is een groeiende industrie van tools voor gezichtsanalyse, aangedreven door AI, die elk beweren een afbeelding te analyseren op kenmerken zoals emoties, leeftijd of aantrekkelijkheid. Bedrijven die aan dergelijke technologieën werken, zijn een lieveling van durfkapitaal, en dergelijke algoritmen worden in alles gebruikt, van online cosmetische verkoop tot dating-apps. Deze tools voor schoonheidsscores, die gemakkelijk online kunnen worden gekocht, gebruiken gezichtsanalyse en computervisie om zaken als symmetrie, ooggrootte en neusvorm te evalueren om miljoenen stukjes visuele inhoud te sorteren en te rangschikken en de meest aantrekkelijke mensen naar voren te brengen.

Deze algoritmen trainen een soort machinale blik op foto's en video's, waarbij numerieke waarden worden uitgespuwd die lijken op kredietbeoordelingen, waarbij de hoogste scores de beste online kansen voor likes, views en matches kunnen ontgrendelen. Als dat vooruitzicht niet zorgwekkend genoeg is, verergert de technologie ook andere problemen, zeggen experts. De meeste algoritmen voor het scoren van schoonheid zijn bezaaid met onnauwkeurigheden, leeftijdsdiscriminatie en racisme - en de eigendom van veel van deze systemen betekent dat het onmogelijk is om inzicht te krijgen in hoe ze echt werken, hoeveel ze worden gebruikt of hoe ze gebruikers beïnvloeden.

Qoves raadde bepaalde acties aan om mijn 'voorspelde gebreken' op te lossen

Spiegeltje spiegeltje aan de wand …

Tests zoals die van Qoves zijn overal op internet te vinden. One wordt beheerd door 's werelds grootste open gezichtsherkenningsplatform, Gezicht++ . Het schoonheidsscoresysteem is ontwikkeld door het Chinese beeldverwerkingsbedrijf Megvii en gebruikt, net als Qoves, AI om je gezicht te onderzoeken. Maar in plaats van gedetailleerd te beschrijven wat het ziet in klinische taal, brengt het zijn bevindingen samen in een percentage van waarschijnlijke aantrekkelijkheid. In feite levert het twee resultaten op: een score die voorspelt hoe mannen zouden kunnen reageren op een foto, en de andere die een vrouwelijk perspectief vertegenwoordigt. Met behulp van de gratis demo van de service en dezelfde niet-glamoureuze foto kreeg ik snel mijn resultaten. Mannen vinden deze persoon over het algemeen mooier dan 69,62% van de personen en vrouwen vinden deze persoon over het algemeen mooier dan 73,877%.

Het was een anticlimax, maar beter dan ik had verwacht. Een jaar na de pandemie zie ik de impact van stress, gewicht en gesloten kapsalons op mijn uiterlijk. Ik heb de tool opnieuw getest met twee andere foto's van mezelf van Before, die ik allebei leuk vond. Mijn scores verbeterden en duwden me in de buurt van het bovenste 25e percentiel.

Schoonheid is vaak subjectief en persoonlijk: onze dierbaren lijken ons aantrekkelijk als ze gezond en gelukkig zijn, en zelfs als ze verdrietig zijn. Andere keren is het een collectief oordeel: rangschikkingssystemen zoals schoonheidswedstrijden of tijdschriftlijsten van de mooiste mensen laten zien hoezeer we aantrekkelijkheid behandelen als een prijs. Deze beoordeling kan ook lelijk en ongemakkelijk zijn: toen ik een tiener was, schreeuwden de jongens op mijn middelbare school nummers van één tot tien naar meisjes die langsliepen in de gang. Maar er is iets griezeligs aan een machine die de schoonheid van iemands gezicht beoordeelt - het is net zo onaangenaam als geschreeuw op school, maar de wiskunde ervan voelt verontrustend onmenselijk.

Mijn beautyscore-resultaten van Face++

Onder de motorkap

Hoewel het concept van het rangschikken van de aantrekkelijkheid van mensen niet nieuw is, is de manier waarop deze specifieke systemen werken een relatief nieuwe ontwikkeling: Face++ bracht zijn schoonheidsscorefunctie uit in 2017.

Gevraagd naar details over hoe het algoritme werkt, zou een woordvoerder van Megvii alleen zeggen dat het ongeveer drie jaar geleden is ontwikkeld als reactie op de interesse van de lokale markt in entertainmentgerelateerde apps. De website van het bedrijf geeft aan dat Chinese en Zuidoost-Aziatische gezichten werden gebruikt om het systeem te trainen, dat kort na de lancering 300.000 ontwikkelaars aantrok, maar er is weinig andere informatie.

Een woordvoerder van Megvii zegt dat Face++ een open-sourceplatform is en geen controle heeft over de manieren waarop ontwikkelaars het kunnen gebruiken, maar de website suggereert cosmetische verkoop en matchmaking als twee mogelijke toepassingen.

Tot de bekende klanten van het bedrijf behoren: het surveillancesysteem van de Chinese overheid , die het land bedekt met CCTV-camera's, evenals Alibaba en Lenovo. Megvii heeft onlangs een beursgang aangevraagd en wordt momenteel gewaardeerd op $ 4 miljard. Volgens berichtgeving in de New York Times is het een van de drie gezichtsherkenningsbedrijven die hebben geholpen de Chinese regering bij het identificeren van burgers die mogelijk tot de Oeigoerse etnische minderheid behoren.

Hoe convolutionele neurale netwerken werken

• Convolutionele neurale netwerken kijken naar afbeeldingen en video's om de objecten die ze weergeven op meerdere analyseniveaus te ontleden en te categoriseren. Eén laag van het netwerk zou bijvoorbeeld de randen van een menselijke hand kunnen identificeren; een ander kan vingers vinden, een ander handen, een ander armen en nog een ander volk.

• Verdere lagen reageren op hogere abstractieniveaus: als dit een boom is, wat heeft het netwerk dan geleerd over bomen? Als het een straat is, wat zijn dan de dingen in een straat die hij zou moeten zien? Een convolutioneel neuraal netwerk kan bijvoorbeeld een afbeelding van een gezicht met een scherpe kaaklijn beoordelen als zeer waarschijnlijk aantrekkelijk omdat het heeft vastgesteld dat kaakscherpte een bijzonder sterke indicator was van de menselijke schoonheidsscore die het was getraind om te repliceren.

Qoves was ondertussen meer openhartig over hoe zijn gezichtsanalyse werkt. Het bedrijf, gevestigd in Australië, werd in 2019 opgericht als een fotoretoucheerbedrijf, maar schakelde in 2020 over op een combinatie van AI-gestuurde analyse en plastische chirurgie. Het systeem maakt gebruik van een algemene deep-learningtechniek die bekend staat als een convolutief neuraal netwerk , of CNN. De CNN's die worden gebruikt om aantrekkelijkheid te beoordelen, trainen meestal op een dataset van honderdduizenden foto's die al handmatig door mensen zijn beoordeeld op aantrekkelijkheid. Door naar de afbeeldingen en de bestaande beoordelingen te kijken, leidt het systeem af welke factoren mensen aantrekkelijk vinden, zodat het voorspellingen kan doen wanneer nieuwe afbeeldingen worden getoond.

Andere grote bedrijven hebben de afgelopen jaren geïnvesteerd in beauty-AI's. Ze omvatten de Amerikaanse cosmetica-retailer Ulta Beauty, met een waarde van $ 18 miljard, die een hulpmiddel voor huidanalyse . Nvidia en Microsoft ondersteunden een robot schoonheidswedstrijd in 2016, waarin deelnemers werden uitgedaagd om de beste AI te ontwikkelen om de aantrekkelijkheid te bepalen.

Volgens Evan Nisselson, partner bij LDV Capital, staat vision-technologie nog in de kinderschoenen, wat 'aanzienlijke investeringsmogelijkheden en voordelen' creëert. LDV schat dat er volgend jaar 45 miljard camera's in de wereld zullen zijn, de camera's die worden gebruikt voor productie of logistiek niet meegerekend, en beweert dat visuele gegevens in de nabije toekomst de belangrijkste gegevensinvoer voor AI-systemen zullen zijn. Nisselson zegt dat gezichtsanalyse 'een enorme markt' is die in de loop van de tijd zal leiden tot 'heruitvinding van de tech-stack om hetzelfde of dichter bij of zelfs beter dan het oog van een mens te komen'.

De oprichter van Qoves, Shafee Hassan, beweert dat schoonheidsscores misschien nog wijder verspreid zijn. Hij zegt dat apps en platforms voor sociale media vaak systemen gebruiken die de gezichten van mensen scannen, ze scoren op aantrekkelijkheid en meer aandacht schenken aan degenen die hoger scoren. Wat we doen is iets doen dat lijkt op Snapchat, Instagram en TikTok, zegt hij. maar we maken het transparanter.

Hij voegt eraan toe: ze gebruiken hetzelfde neurale netwerk en ze gebruiken dezelfde technieken, maar ze vertellen je niet dat [ze] hebben vastgesteld dat je gezicht deze nasolabiale plooien heeft, het heeft een dunne vermiljoen, het heeft al deze dingen, daarom zullen [ze] je straffen als een minder aantrekkelijk persoon.

Ik nam contact op met een aantal bedrijven, waaronder datingservices en sociale-mediaplatforms, en vroeg of schoonheidsscores deel uitmaken van hun aanbevelingsalgoritmen. Instagram en Facebook hebben het gebruik van dergelijke algoritmen ontkend. TikTok en Snapchat wilden niet reageren op de plaat.

JOAN WONG

Grote zwarte dozen

Recente ontwikkelingen op het gebied van deep learning hebben de nauwkeurigheid van beauty-AI's drastisch veranderd. Vóór deep learning was gezichtsanalyse gebaseerd op feature-engineering, waarbij een wetenschappelijk begrip van gelaatstrekken de AI zou leiden. De formule voor een aantrekkelijk gezicht kan bijvoorbeeld worden ingesteld om brede ogen en een scherpe kaak te belonen. Stel je voor dat je naar een menselijk gezicht kijkt en een afbeelding in Leonardo da Vinci-stijl ziet van alle verhoudingen en de afstand tussen de ogen en dat soort dingen, zegt Serge Belongie, hoogleraar computervisie aan de Cornell University. Met de komst van deep learning ging het allemaal om big data en grote zwarte dozen van neurale netberekeningen die gewoon op enorme hoeveelheden gelabelde gegevens knarsten, zegt hij. En aan het eind van de dag werkt het beter dan alle andere dingen waar we decennia aan hebben gezwoegd.

Maar er is een addertje onder het gras. We weten nog steeds niet helemaal zeker hoe het werkt, zegt Belongie. De industrie is blij, maar de academische wereld is een beetje verbaasd. Omdat schoonheid zeer subjectief is, is het beste wat een deep-learning beauty-AI kan doen, de voorkeuren van de trainingsgegevens die worden gebruikt om het te leren, nauwkeurig uitspugen. Hoewel sommige AI-systemen de aantrekkelijkheid nu net zo nauwkeurig beoordelen als de mensen in een trainingsset, betekent dit dat de systemen ook een gelijke mate van vooringenomenheid vertonen. En belangrijker nog, omdat het systeem ondoorgrondelijk is, is het plaatsen van vangrails op het algoritme die de vertekening kunnen minimaliseren een moeilijke en rekenkundig kostbare taak.

Belongie zegt dat er toepassingen van dit soort technologie zijn die anoniemer en minder problematisch zijn dan een gezicht scoren op aantrekkelijkheid - een tool die bijvoorbeeld de mooiste foto van een zonsondergang op je telefoon kan aanbevelen. Maar schoonheid scoren is anders. Dat vind ik een heel enge onderneming, zegt hij.

Zelfs als trainingsgegevens en commercieel gebruik zo onbevooroordeeld en veilig mogelijk zijn, heeft computervisie technische beperkingen als het gaat om menselijke huidtinten. De beeldchips die in camera's worden aangetroffen, zijn vooraf ingesteld om een ​​bepaald bereik ervan te verwerken. Historisch gezien werden sommige huidtinten volgens Belongie gewoon van tafel gelaten, wat betekent dat de foto's zelf misschien niet eens zijn ontwikkeld met bepaalde huidtinten in gedachten. Zelfs de nobelste ambities op het gebied van het vastleggen van alle vormen van menselijke schoonheid maken misschien geen kans omdat de helderheidswaarden niet eens nauwkeurig worden weergegeven.

En deze technische vooroordelen manifesteren zich als racisme in commerciële toepassingen. In 2018 was Lauren Rhue, een econoom en assistent-professor informatiesystemen aan de Universiteit van Maryland, College Park, op zoek naar gezichtsherkenningstools die haar zouden kunnen helpen bij het bestuderen van digitale platforms toen ze deze reeks ongebruikelijke producten tegenkwam.

Ik realiseerde me dat er scoringsalgoritmen waren voor schoonheid, zegt ze. En ik dacht, dat lijkt onmogelijk. Ik bedoel, schoonheid is volledig in het oog van de toeschouwer. Hoe kun je een algoritme trainen om te bepalen of iemand mooi is of niet? Het bestuderen van deze algoritmen werd al snel een nieuwe focus voor haar onderzoek.

Kijkend naar hoe Face++ schoonheid beoordeelde, ontdekte ze dat het systeem vrouwen met een donkere huidskleur consequent als minder aantrekkelijk bestempelde dan blanke vrouwen, en dat gezichten met Europese kenmerken zoals lichter haar en kleinere neuzen hoger scoorden dan die met andere kenmerken, ongeacht hoe donker hun huid was. De eurocentrische vooringenomenheid in de AI weerspiegelt de vooringenomenheid van de mensen die de foto's scoorden die werden gebruikt om het systeem te trainen, te coderen en te versterken, ongeacht wie er naar de beelden kijkt. Chinese schoonheidsnormen geven bijvoorbeeld prioriteit aan een lichtere huid, brede ogen en kleine neuzen.

Een vergelijking van twee foto's van Beyonce Knowles uit het onderzoek van Lauren Rhue met Face++. De AI voorspelde dat de afbeelding aan de linkerkant 74,776% zou zijn voor mannen en 77,914% voor vrouwen. De afbeelding aan de rechterkant scoorde in zijn model 87,468% voor mannen en 91,14% voor vrouwen .

Schoonheidsscores, zegt ze, maken deel uit van een verontrustende dynamiek tussen een toch al ongezonde schoonheidscultuur en de aanbevelingsalgoritmen die we elke dag online tegenkomen. Wanneer scores worden gebruikt om te beslissen wiens berichten bijvoorbeeld op sociale-mediaplatforms worden weergegeven, versterkt dit de definitie van wat aantrekkelijk wordt geacht en leidt het de aandacht af van degenen die niet voldoen aan het strikte ideaal van de machine. We beperken de soorten foto's die voor iedereen beschikbaar zijn, zegt Rhue.

Het is een vicieuze cirkel: met meer ogen gericht op de inhoud met aantrekkelijke mensen, kunnen die afbeeldingen een grotere betrokkenheid genereren, zodat ze aan nog meer mensen worden getoond. Uiteindelijk, zelfs als een hoge schoonheidsscore geen directe reden is waarom een ​​bericht aan jou wordt getoond, is het een indirecte factor.

In een studie gepubliceerd in 2019, bekeek ze hoe twee algoritmen, één voor schoonheidsscores en één voor leeftijdsvoorspellingen, de mening van mensen beïnvloedden. Deelnemers kregen afbeeldingen van mensen te zien en vroegen om de schoonheid en leeftijd van de proefpersonen te evalueren. Sommige deelnemers kregen de score te zien die door een AI was gegenereerd voordat ze hun antwoord gaven, terwijl anderen de AI-score helemaal niet te zien kregen. Ze ontdekte dat deelnemers zonder kennis van de AI-beoordeling geen extra vooringenomenheid vertoonden; wetende hoe de AI de aantrekkelijkheid van mensen rangschikte, zorgde er echter voor dat mensen scores dichter bij het algoritmisch gegenereerde resultaat gaven. Rhue noemt dit het verankeringseffect.

Aanbevelingsalgoritmen veranderen eigenlijk onze voorkeuren, zegt ze. En de uitdaging vanuit een technologisch perspectief is natuurlijk om ze niet te veel te beperken. Als het op schoonheid aankomt, zien we veel meer een vernauwing dan ik had verwacht.

'Ik zag geen reden om je gebreken niet te evalueren, want er zijn manieren om het te repareren.'

Shafee Hassan, Qoves Studio

Bij Qoves zegt Hassan dat hij heeft geprobeerd het raceprobleem aan te pakken. Bij het uitvoeren van een gedetailleerd gezichtsanalyserapport - het soort waar klanten voor betalen - probeert zijn studio gegevens te gebruiken om het gezicht te categoriseren op basis van etniciteit, zodat niet iedereen simpelweg wordt beoordeeld aan de hand van een Europees ideaal. Je kunt aan deze eurocentrische vooringenomenheid ontsnappen door gewoon de mooiste versie van jezelf te worden, de mooiste versie van je etniciteit, de mooiste versie van je ras, zegt hij.

Maar Rhue zegt dat ze zich zorgen maakt dat dit soort etnische categorisering dieper in onze technologische infrastructuur wordt ingebed. Het probleem is dat mensen het doen, hoe we het ook bekijken, en er is geen enkele vorm van regulering of toezicht, zegt ze. Als er enige vorm van strijd is, zullen mensen proberen te achterhalen wie in welke categorie hoort.

Laten we zeggen dat ik nog nooit een cultureel gevoelige beauty-AI heb gezien, zegt ze.

Aanbevelingssystemen hoeven niet te worden ontworpen om te evalueren op aantrekkelijkheid om het uiteindelijk toch te doen. Vorige week meldde de Duitse omroep BR dat een AI die werd gebruikt om potentiële werknemers te evalueren, vooroordelen vertoonde op basis van uiterlijk. En in maart 2020 kwam het moederbedrijf van TikTok, ByteDance, onder kritiek vanwege: een memo waarin inhoudsmoderators werden geïnstrueerd om video's te onderdrukken met lelijke gezichtsuitdrukkingen, mensen die mollig waren, mensen met een misvormd gezicht of gebrek aan voortanden, oudere mensen met te veel rimpels, en meer. Twitter heeft onlangs een tool voor automatisch bijsnijden uitgebracht voor foto's die leek voorrang te geven aan blanke mensen . Bij het testen op afbeeldingen van Barack Obama en Mitch McConnell, haalde de automatisch bijsnijdende AI consequent de voormalige president uit.

Wie is de mooiste van het land?

Toen ik in januari voor het eerst via een videogesprek met Qoves-oprichter Hassan sprak, vertelde hij me dat ik altijd heb geloofd dat aantrekkelijke mensen een ras op zich zijn.

Toen hij in 2019 begon, zegt hij, waren zijn vrienden en familie erg kritisch over zijn zakelijke onderneming. Maar Hassan gelooft dat hij mensen helpt de best mogelijke versie van zichzelf te worden. Hij haalt zijn inspiratie uit de film uit 1997 Gattaca , die plaatsvindt in een niet al te verre toekomst waar genetische manipulatie de standaardmethode is voor conceptie. Genetische discriminatie segmenteert de samenleving, en het karakter van Ethan Hawke, dat op natuurlijke wijze is verwekt, moet de identiteit van een genetisch geperfectioneerd persoon stelen om het systeem te omzeilen.

Het wordt meestal beschouwd als een diep dystopische film, maar Hassan zegt dat het een onverwachte indruk heeft achtergelaten.

Verwant verhaal

De activist die racistische politie-algoritmen ontmantelt Hamid Khan wint zijn strijd voor de afschaffing van bewakingstechnologie die wordt gebruikt door de LAPD

Het was erg interessant voor mij, omdat het hele idee was dat een persoon zijn lot kan bepalen. De manier waarop ze eruit willen zien, maakt deel uit van hun lot, zegt hij. Met hoe ver de moderne geneeskunde is gekomen, zag ik geen reden om je gebreken niet te evalueren, omdat er manieren zijn om het te repareren.

Zijn klanten lijken het daarmee eens te zijn. Hij beweert dat velen van hen acteurs en actrices zijn, en dat het bedrijf elke dag tussen de 50 en 100 bestellingen ontvangt voor gedetailleerde medische rapporten - zo veel dat het moeite heeft om de vraag bij te houden. Voor Hassan is het bestrijden van het komende classisme tussen degenen die als mooi worden beschouwd en degenen die de samenleving lelijk vindt, de kern van zijn missie. Wat we proberen te doen is de gemiddelde persoon helpen, vertelde hij me.

Er zijn echter andere manieren om de gemiddelde persoon te helpen. Elke expert die ik sprak, zei dat openbaarmaking en transparantie van bedrijven die schoonheidsscores gebruiken van het grootste belang zijn. Belongie is van mening dat het onder druk zetten van bedrijven om de werking van hun aanbevelingsalgoritmen te onthullen, gebruikers zal helpen veilig te blijven. Het bedrijf zou het moeten bezitten en ja zeggen, we gebruiken voorspelling van gezichtsschoonheid en hier is het model. En hier is een representatieve galerij met gezichten waarvan we denken dat u ze, op basis van uw browsegedrag, aantrekkelijk vindt. En ik vind dat de gebruiker zich daarvan bewust moet zijn en ermee om moet kunnen gaan. Hij zegt dat functies zoals de advertentietransparantietool van Facebook een goed begin zijn, maar als de bedrijven dat niet doen, en ze doen iets als Face++, waarbij ze er terloops van uitgaan dat we het allemaal eens zijn over schoonheid... gewoon die beslissing genomen.

Natuurlijk zou de industrie eerst moeten bekennen dat ze deze scoremodellen in de eerste plaats gebruikt, en het publiek zou op de hoogte moeten zijn van het probleem. En hoewel het afgelopen jaar heeft gebracht aandacht en kritiek op gezichtsherkenningstechnologie , zeiden verschillende onderzoekers met wie ik sprak dat ze verrast waren door het gebrek aan bewustzijn over dit gebruik ervan. Rhue zegt dat het meest verrassende aan schoonheidsscores is hoe weinig mensen het als een onderwerp beschouwen. Ze is er niet van overtuigd dat de technologie überhaupt ontwikkeld moet worden.

Terwijl Hassan mijn eigen tekortkomingen met mij doornam, verzekerde hij me dat een goede vochtinbrengende crème en wat gewichtsverlies voldoende zouden moeten zijn. En hoewel de esthetiek van mijn gezicht mijn loopbaantraject niet bepaalt, moedigde hij me aan om mijn resultaten serieus te nemen.

Schoonheid, herinnerde hij me, is een valuta.