dumaiПрепринт — материал ещё не прошёл рецензирование
ИИ нашёл изображения, которые сильнее различают аутичных и нейротипичных взрослых
Кратко
Модели на основе ответов участников на лица с разными эмоциями показали, что различия между аутичными и нейротипичными взрослыми сосредоточены лишь на небольшой части изображений. Затем на независимой выборке подобранные моделью лица усилили расхождения между группами, а сгенерированные и преобразованные изображения, наоборот, их уменьшили.
Зачем это знать
Работа показывает способ искать и менять стимулы так, чтобы лучше видеть, в каких условиях различия между группами проявляются сильнее или слабее.
Разбор
Авторы взяли довольно знакомую задачу — как люди с аутизмом и нейротипичные взрослые распознают эмоции на лицах, — и посмотрели на неё не в среднем, а по каждому изображению отдельно. Для этого они обучили отдельные модели искусственной нейросети под каждую группу участников: модели учились предсказывать, как именно люди оценят конкретное лицо с той или иной эмоцией. Идея была простая: если различия между группами есть, то, может быть, они прячутся не во всех картинках подряд, а только в нескольких особенно удачных или, наоборот, «провоцирующих» лицах.
Именно это и нашли: различия между группами не были равномерными. Они концентрировались в небольшой части эмоциональных лиц, а не размазывались по всему набору стимулов. Затем эти же модели использовали как своего рода фильтр, чтобы выбрать новые лица, которые, по прогнозу, должны были сильнее разводить группы. Когда такие изображения показали независимой выборке, расхождение между группами действительно стало больше, чем на случайно подобранных картинках.
После этого авторы пошли в обратную сторону: с помощью той же схемы и генеративной модели, которая умеет менять изображения, они преобразовали «диагностические» лица так, чтобы группы должны были сильнее сходиться в оценках. И в проверке на похожей выборке такие синтезированные изображения действительно уменьшали разницу по сравнению с исходными. То есть модель не просто нашла удачные стимулы, но и смогла подсказать, как их изменить, чтобы наблюдаемые различия ослабели.
Можно ли доверять
Это препринт на arXiv, значит работу ещё не прошли независимое рецензирование. Сильная сторона — они проверили подход на независимой выборке, а не только на тех данных, где обучали модели. Но в абстракте не видно размеров выборок и деталей о том, насколько разнообразными были участники и изображения, так что к масштабу и устойчивости эффекта стоит относиться аккуратно.
Пересказано ИИ по научной статье. Как это устроено