AI-genererede ansigter kan gøre det sværere for virkelige mennesker at få arbejde

Man behøver egentlig ikke forskere for at vide, at et attraktivt udseende åbner døre, for man har sandsynligvis selv oplevet enten fordelene eller ulemperne ved det i et vist omfang. Det kræver heller ikke forskere at opdage, at AI-genererede ansigter ofte er mere attraktive end virkelige mennesker — af forskellige grunde, hvoraf mange handler om menneskeskabte præferencer og processer.

Alligevel fangede et nyt, beslægtet amerikansk forskningssamarbejde min opmærksomhed i dag. Det fremlægger tegn på, at AI-genereret skønhed kan koste virkelige mennesker jobsamtaler. I en undersøgelse med 570 deltagere vurderede de, der først havde set usædvanligt attraktive AI-genererede ansigter, efterfølgende virkelige ansøgere som mindre egnede til ansættelse og mindre troværdige. Deres villighed til at tilbyde samtaler faldt fra 77,4 % til 72,5 %, selv om de vurderede præcis de samme ansøgere.

Eksempler på AI-genererede ansigter fra undersøgelsen viser, hvor meget deres attraktivitetsscorer varierede. Forskerne testede 27 billedgeneratorer med almindelige prompts, der ikke nævnte skønhed. Øverste række viser ansigter med nogle af de højeste attraktivitetsscorer fra automatiske vurderingssystemer; nederste række viser nogle af de laveste. Alle otte afbildede mennesker er AI-genererede, ikke virkelige. Kilde

Forskerne undersøgte også, hvor attraktive AI-genererede ansigter virker i forhold til virkelige, ved hjælp af billeder fra forskellige kommercielle modeller og modeller med åbne vægte. Da 550 personer blev bedt om at vurdere fotografier af virkelige mennesker sammen med AI-genererede ansigter, fik de syntetiske ansigter konsekvent højere scorer. I en yderligere sammenligning viste relevante målinger, at 37 % af de AI-genererede kvindeansigter blev vurderet som mere attraktive end den typiske professionelle modemodel.

Sammenligning af AI-genererede ansigter med professionelle modemodeller på tværs af 27 billedgeneratorer. Figuren viser den procentdel af de genererede ansigter, der scorer højere end medianen for professionelle modeller ved automatiske målinger af attraktivitet. Sorte prikker repræsenterer alle genererede ansigter, mens gule cirkler kun repræsenterer kvindeansigter. Samlet oversteg 23 % af de genererede ansigter dette niveau; for kvindeansigter var det 37 %. De stiplede linjer viser disse to gennemsnit.

Artiklen^† anfører:

»Vi gennemgik 27 tekst-til-billede-generatorer udgivet mellem 2022 og 2026 med enkle prompts, der aldrig nævner attraktivitet eller skønhed, og analyserede 51.300 genererede ansigter og 160.196 fotografier af virkelige mennesker i primære og supplerende sammenligninger.

»Vi brugte tre automatiske målinger og indsamlede vurderinger fra 550 personer på en delmængde af billederne.

»Næsten alle generatorer producerede ansigter, som scorede højere end fotograferede ansigter ved automatiske målinger. De menneskelige bedømmere fandt resultaterne fra alle 23 generatorer signifikant mere attraktive end fotograferede ansigter, selv efter korrektion for multiple sammenligninger.

»Når vi fokuserer analysen på køn, finder vi, at 37 % af de ansigter, der blev genereret med kvindelige prompts, scorede højere end medianen for professionelle modemodeller.«

Forfatterne bemærker også, at eksperter — både mennesker og AI — kan være uenige og diskutere, hvem der ligger øverst i den »smukke« kvadrant. Men der findes ikke en tilsvarende nuancering i vurderingsområderne »ikke attraktiv« eller »minimalt attraktiv«, som til sammenligning fungerer som en slags fælles skraldespand*:

»Den større enighed mellem målinger om, hvem der værdsættes mindst, end om, hvem der værdsættes mest, ligner et vigtigt træk ved æstetisk klassifikation i sammenhænge som modelbranchen: mennesker og institutioner behøver ikke være enige om ét ideal for at skabe tilbagevendende uligheder i, hvis udseende tillægges mindre værdi.«

Ansigtets værdi

Mange af undersøgelsens resultater gentager den almindelige menneskelige erfaring med kontekstuel og relativ opfattelse: Hvis du eksempelvis var den klogeste eller mest attraktive på din skole, kan optagelse på et Ivy League-universitet hæve standarderne omkring dig markant og sænke din relative placering i den nye gruppe.

Verden er imidlertid ikke fuld af AI-genererede mennesker, der faktisk går rundt og skubber folk af kød og blod til side ved jobsamtaler. Hvordan kan generativ AI’s skønhedsæstetik som kulturelt fænomen så gøre en forskel?

Ud over den alarmerende mulighed for, at folk kan ty til plastikkirurgi for bedre at leve op til »AI-standarden«, ligner effekten i den nye undersøgelse skønhedskulturen før AI i film, tv, mode og andre synlige og indflydelsesrige dele af menneskets kultur. Det er et miljø, hvor vi var og er omgivet af urealistiske fysiske idealer, og hvor vi lærer at håndtere det som en slags signal-støj-problem. Vi drømmer om filmstjerner, men gifter os med dem, vi kan.

Artiklen beskriver den voksende indflydelse fra AI’s egen visuelle æstetik i en lignende sammenhæng*:

»Hvis genererede ansigter både er mere attraktive end virkelige ansigter og er det i ulige grad, [the] følger spørgsmålet: Hvad betyder det for vurderingen af virkelige mennesker? Eksponering for stærkt udvalgte eller redigerede billeder ændrer sammenligninger af udseende og efterfølgende vurderinger, og klassiske kontrasteksperimenter viser, at eksponering for meget attraktive mennesker kan sænke efterfølgende vurderinger af attraktivitet.

»Generativ AI kan levere gentagne strømme af forskellige ansigter formet af de samme æstetiske processer. Det er fortsat uklart, om eksponering for AI-genererede ansigter ændrer vurderinger af virkelige mennesker, som har væsentlige konsekvenser.«

Forfatterne foreslår ingen bestemt løsning, men efterlyser mere forskning i, hvornår AI-genereret skønhed påvirker vores vurderinger af virkelige mennesker, hvilke aspekter af syntetiske ansigter der driver effekten, og om resultaterne også vil gælde uden for det simulerede ansættelseseksperiment.

Metode og udvælgelse af data

For at fastslå, hvor udbredt AI-billedgeneratorers præference for attraktive ansigter er, testede forskerne 27 systemer udgivet mellem 2022 og 2026: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large og 3.5-large-turbo; FLUX.1 dev og schnell, FLUX.2, FLUX.2-klein 9B og FLUX.2-klein 4B; GPT Image 1.5 og GPT Image 2; Grok Image og Grok Imagine; Nano Banana 2 og Nano Banana Pro; Midjourney v6, v7 og v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana og Lumina-2.

Den samme enkle prompt blev brugt i alle systemer til at generere portrætter, der repræsenterede 14 demografiske kategorier fordelt på mænd og kvinder samt otte erhverv (læge; advokat; dyrlæge; farmaceut; kok; bygningsarbejder; sygeplejerske og butiksmedarbejder), uden at nævne skønhed eller attraktivitet.

Prompts uden oplysninger om demografi, køn eller erhverv blev også testet, hvilket gav i alt 51.300 billeder til analysen.

Til sammenligning blev 94.249 fotografier hentet fra FairFace, IdenProf, SCUT-FBP5500, MEBeauty, Chicago Face Database og dens multiraciale og indiske udvidelser samt datasættet Face Research Lab London. Der blev fundet brugbare ansigter i 89.435 fotografier.

Forskellige vestlige og asiatiske ansigter fra SCUT-FBP5500, et af de seks datasæt i den nye undersøgelse. Kilde

Yderligere sammenligninger brugte 10k US Adult Faces Database, en samling med 15.182 fotografier af professionelle modemodeller, LookismBench-SyntheticFaces, FFHQ og StyleGAN2. Fotografierne af modemodeller fungerede som et benchmark for »høj attraktivitet«, mens de øvrige samlinger blev analyseret hver for sig for at vurdere attraktivitetsmålingerne og give yderligere sammenligninger.

Ansigterne blev fundet og beskåret med MTCNN og derefter standardiseret. Attraktivitet blev vurderet med ResNet-50-modeller trænet på SCUT-FBP5500 og MEBeauty samt SwinFace, trænet på CelebA-annoteringer.

For at kontrollere, om de automatiske attraktivitetsscorer svarede til menneskers opfattelser, vurderede 550 voksne bosat i USA et udvalg af 1.374 virkelige og AI-genererede ansigter.

I et separat eksperiment blev 570 voksne amerikanere delt i tre grupper og vist jobansøgere med enten virkelige fotografier, retoucherede fotografier eller AI-genererede ansigter. Derefter vurderede alle tre grupper de samme virkelige ansøgere, så forskelle i ansættelsesbeslutninger kunne måles. Undersøgelsens hovedanalyser var præregistrerede.

Test

Under begge hovedmål for attraktivitet scorede AI-genererede ansigter signifikant højere end virkelige fotografier for 24 af de 27 testede generatorer. Resultatet blev også understøttet af CelebA/SwinFace-målet, som vist nedenfor:

Forskelle i attraktivitet mellem AI-genererede ansigter og virkelige fotografier på tværs af 27 billedgeneratorer, udtrykt som gennemsnitlige Cohen’s d-værdier på tværs af tre automatiske målinger. Positive værdier betyder højere attraktivitetsscorer for genererede ansigter.

Artiklen rapporterer, at 13 generatorer på tværs af alle tre mål producerede ansigter, der blev vurderet mere end én standardafvigelse over virkelige fotografier. Der blev dog ikke fundet nogen fordel for Nano Banana Pro, Grok Image eller Nano Banana 2.

Tendensen til at skabe usædvanligt attraktive ansigter var mindre udtalt i nyere Midjourney- og OpenAI-modeller. Effekten var samtidig omtrent dobbelt så stærk i modeller med åbne vægte som i kommercielle tilbud fra OpenAI, Google, Midjourney og xAI.

I de menneskelige vurderinger blev ansigter fra alle 23 generatorer, der blev testet med nok billeder til en pålidelig sammenligning, vurderet som mere attraktive end virkelige fotografier. På en skala fra 1 (mindst attraktiv) til 7 (mest attraktiv) fik virkelige ansigter i gennemsnit 3,10, mens AI-genererede ansigter lå mellem 0,34 og 2,06 point højere afhængigt af generatoren, som vist nedenfor:

Menneskelige attraktivitetsvurderinger af ansigter fra 23 AI-billedgeneratorer på en skala fra 1 til 7. Generatorerne scorede over gennemsnittet for virkelige fotografier, markeret med en blå stiplet linje. Røde prikker viser gennemsnitsvurderinger; vandrette bjælker viser usikkerheden omkring hvert gennemsnit.

AI-genererede ansigter fik højere vurderinger i alle seks racemæssige og etniske kategorier (se grafen nedenfor), selv for Nano Banana Pro, Grok Image og Nano Banana 2, hvis ansigter ikke havde scoret højere end virkelige fotografier i testene:

Menneskelige attraktivitetsvurderinger af AI-genererede ansigter (rød) og virkelige fotografier (blå) i seks racemæssige og etniske kategorier. AI-genererede ansigter fik højere gennemsnit i alle kategorier med forskelle fra 0,74 til 1,37 point på en syvpunktsskala. Lodrette bjælker viser usikkerheden omkring hvert gennemsnit.

De menneskelige vurderinger af nyere modeller adskilte sig også fra de automatiske resultater. Der blev registreret meget lidt ændring mellem OpenAI’s GPT Image 1.5 og GPT Image 2, mens Midjourney-versionerne 6, 7 og 8 fik stadig højere attraktivitetsscorer.

Med andre ord blev nyere AI-modeller fortsat af mennesker vurderet til at skabe usædvanligt attraktive ansigter, selv når de automatiske mål tydede på, at tendensen var aftaget.

Den urimelige fordel

Det sidste eksperiment undersøgte, om eksponering for attraktive AI-genererede ansigter kunne påvirke vurderingen af virkelige jobansøgere.

Til en simuleret stilling som »medarbejder inden for kundesucces« blev 570 voksne amerikanere delt i tre grupper. Efter vurdering af fire identiske ansøgere så hver gruppe otte profiler med enten virkelige fotografier, retoucherede fotografier eller AI-genererede ansigter. AI-ansigterne havde tidligere fået 5,75 ud af syv for attraktivitet mod 2,99 for de virkelige fotografier. De retoucherede billeder var udglattet og lysnet med en effekt baseret på Facetunes One-tap Enhance-funktion.

Yderligere tolv ansøgere med identiske fotografier og kvalifikationer i alle tre grupper blev inkluderet for at teste, om eksponering for de forskellige billeder påvirkede ansættelsesbeslutningerne.

Ansøgere med AI-genererede ansigter fik lidt højere vurderinger af egnethed til ansættelse og troværdighed, men der blev ikke fundet nogen signifikant stigning i invitationer til samtaler. Efter eksponering for ansigterne blev de samme virkelige ansøgere imidlertid vurderet som mindre egnede til ansættelse og mindre troværdige, og andelen af samtaleinvitationer faldt fra 77,4 % til 72,5 %:

Resultater fra ansættelsestesten viser ændringer i virkelige ansøgeres opfattede egnethed til ansættelse, troværdighed og sandsynlighed for en samtale efter eksponering for forskellige ansigtstyper. Vurderingerne faldt efter eksponering for AI-genererede ansigter, men ikke retoucherede fotografier. Punkter viser forskelle fra kontrolgruppen med virkelige fotografier; lodrette linjer viser 95 % konfidensintervaller.

Der blev ikke registreret et tilsvarende fald efter eksponering for retoucherede fotografier. Virkelige mennesker, der angiveligt så bedst muligt ud, »hævede« altså ikke »barren«, som AI-billederne havde gjort.

Forfatterne kommenterer:

»Kandidater med AI-genererede ansigter fik kun lidt bedre direkte vurderinger, men deltagere, der så disse ansigter, vurderede efterfølgende de samme virkelige kandidater mere negativt på alle tre udfald.

»De AI-genererede kandidater fik selv lidt højere direkte vurderinger af troværdighed, hvilket gør en simpel, generel modvilje mod profilerne med AI-ansigter mindre sandsynlig.

»Eksperimentet fortæller os dog, at eksponeringen havde betydning, ikke hvorfor.«

Konklusion

Ud fra mine egne observationer er AI-genererede figurer bestemt kommet til at dominere gadebilledets reklamer i den by, hvor jeg bor, men det er todimensionel kunst. Om brugen af diffusionsbaseret generativ video i tv og film vil overvinde de nuværende juridiske og etiske begrænsninger, må tiden vise. Hvis den gør, kan vi måske forvente langt flere AI-genererede og/eller AI-forbedrede skuespillere, der »hæver den æstetiske standard« og virkeliggør scenariet med »omgivende AI-skønhed«, som den nye artikel skitserer.

Princippet er ikke nyt, men potentialet for automatisering er. I så fald kunne man destillere essensen af nutidige eller tidligere virkelige berømtheder, modeller og offentlige repræsentanter, mangfoldiggøre eller »forbedre« dem og sprede dem vidt omkring uden dyre kontraktforhandlinger. Men det ligger endnu ude i fremtiden, hvis det overhovedet kommer.

^† Med titlen Generative AI Produces and Transmits Beauty Bias, skrevet af otte forskere fra Cornell, University of Florida og University of Pennsylvania.

* Jeg har omdannet forfatternes henvisninger i teksten til hyperlinks.

Først offentliggjort mandag den 19. oktober 2026