Эксперты выяснили, как выглядят представители разных поколений по мнению ИИ

МОСКВА, 16 окт – РИА Новости. Совместное международное исследование Alport и Turing Post показало, как четыре модели искусственного интеллекта видят разные поколения — бумеров, поколение X, миллениалов и зумеров, сообщает China.

com.В исследовании были задействованы популярные генеративные модели из разных регионов — Midjourney, YandexART, Stable Diffusion и ERNIE-ViLG.

Среди них есть картиночная нейросеть российского производства.Искусственный интеллект анализировал пять ключевых сфер жизни каждого поколения: идентичность, отношения, работа/образование, образ жизни и потребительские привычки.

Текстовые запросы состояли из нейтральных фраз по типу "Миллениал на работе", "Бумер отдыхает", чтобы избежать предвзятости и дополнительного контекста, которой мог бы исказить результаты. В общей сложности было проанализировано 1,2 тысячи изображений.

По словам исследователей, они ожидали увидеть почти полное воспроизведение заложенных обществом стереотипов. Однако несмотря на некоторые совпадения, современные генеративные нейросети видят разные поколения не так стереотипно, как это принято в реальной жизни.

В результате модели ИИ выявили новые отличительные характеристики поколений в разных странах мира.Вопреки стереотипу о беззаботном поколении бумеров, более 80% изображений, созданных с помощью Midjourney, показывают эту группу апатичными и задумчивыми.

Для сравнения: в китайской ERNIE-ViLG 93% представителей поколения изображены улыбающимися, в то время как в Stable Diffusion доля таких людей составляет 49%, а в российском YandexART — всего 33%.Также исследование выявило преобладание мужчин среди изображенных бумеров: на 73% всех изображений были показаны именно они, в то время как женщины встречались значительно реже.

При этом, по мнению модели Stable Diffusion, мужчины-бумеры предпочитают жениться на женщинах помоложе, у Midjourney и YandexART разница в возрасте пар не была столь очевидна.Также примечательно, что генеративные модели ИИ хуже всего понимают поколение иксов, так как по изображениям можно выделить меньшее количество определяющих особенностей возрастной группы.

Исключение — любовь к фланелевым рубашкам.По мнению ИИ, дети в семье иксов больше проводят время преимущественно с одним из родителей.

Так, в 67% изображений в Stable Diffusion дети изображены исключительно с отцом, в то время как у Midjourney и YandexART семья собрана почти в полном составе.По мнению генеративных нейросетей, миллениалы и поколение Z выглядят примерно одинаково.

Отсутствие стереотипных атрибутов скорее связано с минимальной разницей между поколениями, что также отразилось и на процессе обучения самих моделей.При этом ИИ изображает миллениалов и зумеров (поколение Z) с заметным культурным и расовым разнообразием, намного превышающим показатели предыдущих поколений.

Образы яркие и детализированные, что подчеркивает их уникальность и визуально выделяет среди других поколений.Старший инженер по машинному обучению Стефани Кирмер объясняет причину различий восприятия ИИ по поколениям:"Надежность сгенерированных изображений в изучении поколений зависит от степени распространенности данных об этих группах, на которых и обучается ИИ.

Большую роль здесь играет самоидентификация поколений в онлайн-пространстве. В случае с миллениалами и зумерами, сложно определить, что именно ИИ берет за основу — их образ в медиа, созданный другими людьми или в их собственных социальных сетях.

Старшие группы, как правило, меньше делятся контентом о себе в интернете, поэтому нейросети часто опираются на восприятие этих поколений из рекламы и СМИ. Это напрямую влияет на результат генерации картинок", – приводятся в исследовании слова эксперта.

Кирмер добавила, что изображения, созданные с помощью ИИ, показывают, как социальные стереотипы о поколениях могут быть переосмыслены. Полученные данные открывают возможности для более глубокого изучения того, как технологии искажают или подтверждают наши представления о поколениях.

Улучшение разнообразия данных, доступных для обучения современных моделей, и более глубокое понимание культурных и гендерных различий — следующие важные шаги на пути к созданию более точных