Ένας Συνιστώνας Σύντροφου AI που Βασίζεται Μόνο σε Εικόνες

Ερευνητές από το Ηνωμένο Βασίλειο έχουν χρησιμοποιήσει νευρωνικά δίκτυα για να αναπτύξουν ένα σύστημα συνιστώσεων για online dating που βασίζεται αποκλειστικά σε εικόνες, το οποίο λαμβάνει υπόψη μόνο εάν δύο χρήστες είναι προσεκτικοί στα φωτογραφικά τους προφίλ (και όχι σε πληροφορίες προφίλ όπως η δουλειά, η ηλικία κ.λπ.) και έχουν βρει ότι αυτό το σύστημα υπερέχει των λιγότερο “επιφανειακών” συστημάτων όσον αφορά την απόκτηση ακριβούς συνδυασμού.

Το αποτέλεσμα του συστήματος ονομάζεται Χρονολογικό Σύστημα Συνιστώσεων Εικόνων (TIRR) και χρησιμοποιεί Αναδρομικά Νευρωνικά Δίκτυα (RNNs) για να ερμηνεύσει την ιστορική προτίμηση ενός χρήστη για πρόσωπα που συναντά ενώ περιηγείται για πιθανές συνδυασμούς.

Το έγγραφο έχει τον τίτλο – ίσως απογοητευτικά – Οι Φωτογραφίες είναι Όλα Όσα Χρειάζεστε για Αμοιβαία Συνιστώμενη στο Online Dating, και προέρχεται από δύο ερευνητές στο Πανεπιστήμιο του Μπρίστολ, βελτιώνοντας σημαντικά ένα παρόμοιο σύστημα (που ονομάζεται ImRec) που κυκλοφόρησε από την ίδια ομάδα το 2020.

Στις δοκιμές, το σύστημα απέκτησε ακρίβεια στο να προβλέψει αμοιβαίες συνδυασμούς μεταξύ χρηστών, βελτιώνοντας όχι μόνο την εργασία των ερευνητών του 2020, αλλά και άλλα συστήματα συνιστώσεων που βασίζονται σε περιεχόμενο και λαμβάνουν υπόψη περισσότερες λεπτομέρειες, κειμενογραφικές πληροφορίες σε προφίλ dating.

Δεδομένα Πραγματικού Κόσμου για Dating

Το TIRR εκπαιδεύτηκε με πληροφορίες χρηστών που παρείχε một ανώνυμη “πопуляр” online υπηρεσία dating με “πολλά εκατομμύρια εγγεγραμμένους χρήστες”, η οποία επιτρέπει στους χρήστες να επικοινωνούν μεταξύ τους μόνο όταν και οι δύο έχουν “λIKE” το προφίλ του άλλου. Το υποσύνολο δεδομένων που χρησιμοποιήθηκε περιελάμβανε 200.000 υποκείμενα, χωρισμένα ισόπαλα μεταξύ ανδρών και γυναικών, και περίπου 800.000 προτιμήσεις χρηστών που εκφράστηκαν σε όλα τα προφίλ dating.

Καθώς η ανώνυμη υπηρεσία dating που παρείχε τα δεδομένα υποστηρίζει μόνο ετεροφυλοφιλικές συνδυασμούς, μόνο οι συνδυασμοί ανδρών και γυναικών καλύφθηκαν στην έρευνα.

Το TIRR βελτιώνει τα προηγούμενα συστήματα συνιστώσεων με αμοιβαία σχέση (RRS) σε αυτόν τον τομέα, υπολογίζοντας απευθείας την πιθανότητα συνδυασμού μεταξύ δύο προφίλ, με βάση μόνο τις εικόνες προφίλ. Τα προηγούμενα συστήματα προέβλεπαν δύο μονοκατευθυνόμενες προτιμήσεις και στη συνέχεια τις συνδύαζαν για να λάβουν μια πρόβλεψη.

Οι ερευνητές εξέκλεισαν τους χρήστες που είχαν αφαιρεθεί από την υπηρεσία dating (για οποιοδήποτε λόγο, συμπεριλαμβανομένης της εθελούσιας αποχώρησης) και εξέκλεισαν τα προφίλ που δεν περιελάμβαναν φωτογραφίες με βάση το πρόσωπο.

Οι ιστορίες των χρηστών περιορίστηκαν σε ένα χρόνο πίσω, για να αποφευχθούν πιθανές ανωμαλίες που θα μπορούσαν να εμφανιστούν καθώς η ιστοσελίδα dating điều chỉnhε τους αλγόριθμους της με την πάροδο του χρόνου. Περιορίστηκαν επίσης σε μέγιστο 15 προτιμήσεις χρηστών,既然 αυτά αποδείχθηκαν ικανοποιητικά για να αποδείξουν το σχέδιο του μοντέλου, ενώ η εκτενέστερη χρήση προτιμήσεων μείωσε την απόδοση και αυξάνε το χρόνο εκπαίδευσης.

Επιπλέον, ορισμένοι από τους πιο ενθουσιώδεις ή μακροχρόνιους χρήστες είχαν ιστορίες με χιλιάδες προτιμήσεις, οι οποίες θα μπορούσαν να κινδύνευαν να στρέψουν το βάρος των ληφθέντων χαρακτηριστικών και να παρατείνουν τον χρόνο εκπαίδευσης.

Δίκτυο Siamese

Το TIRR διατυπώνεται χρησιμοποιώντας ένα δίκτυο Siamese, που χρησιμοποιείται συνήθως για ‘ένα-πυροβολισμό’ μάθηση.

Ένα προτυπικό δίκτυο Siamese, όπου παράλληλα Συγκλιτικά Νευρωνικά Δίκτυα (CNNs) μοιράζονται βάρη αλλά όχι δεδομένα. Μοιράζονται επίσης μια συνάρτηση απώλειας που προέρχεται από τις εξόδους κάθε CNN και μια ετικέτα αλήθειας.  Πηγή: https://arxiv.org/pdf/2108.11714.pdf

Το δίκτυο εκπαιδεύτηκε χρησιμοποιώντας δυαδική διασταύρωση, μια κοινή συνάρτηση απώλειας σε νευρωνικά δίκτυα, και μια που οι ερευνητές βρήκαν να δίνει ανώτερα αποτελέσματα σε σύγκριση με αντιθετική απώλεια. Η τελευταία είναι πιο αποτελεσματική σε συστήματα που αξιολογούν την ισότητα μεταξύ δύο προσώπων, αλλά既然 αυτό δεν είναι το αντικείμενο του TIRR, είναι μια προσέγγιση που εκτελείται κακώς σε αυτό το контекστό.

Είναι απαραίτητο για το σύστημα να διατηρεί και να χτίζει πληροφορίες που αναπτύσσει καθώς το εκπαιδευτικό επαναλαμβάνει πολλές φορές τα ίδια δεδομένα, και το δίκτυο Siamese στο TIRR χρησιμοποιεί ένα Δίκτυο LSTM (Λονγκ Τερμ Σορτ-Τερμ Μνήμη) για να λάβει αυτές τις αποφάσεις και να διασφαλίσει ότι τα χαρακτηριστικά που θεωρούνται σχετικά δεν απορρίπτονται τυχαία καθώς το πλαίσιο χτίζει τις γνώσεις του.

Η συγκεκριμένη αρχιτεκτονική του δικτύου Siamese για το TIRR.

Οι ερευνητές βρήκαν ότι το δίκτυο εκπαιδεύτηκε πολύ αργά όταν όλα τα δεδομένα εισήχθησαν, και στη συνέχεια χώρισε την εκπαίδευση σε τρία στάδια χρησιμοποιώντας τρία διαφορετικά υποσύνολα των δεδομένων. Υπάρχει κάποιο πρόσθετο πλεονέκτημα σε αυτό,既然 οι πειραματικές εργασίες του 2020 είχαν ήδη αποδείξει ότι η εκπαίδευση των δεδομένων ανδρών και γυναικών ξεχωριστά βελτιώνει την απόδοση ενός συστήματος συνιστώσεων.

Η διάσπαση των ξεχωριστών συνεδριών εκπαίδευσης για το δίκτυο Siamese του TIRR.

Δοκιμές

Για να αξιολογήσουν την απόδοση του TIRR, οι ερευνητές διατήρησαν ένα μέρος των ληφθέντων δεδομένων και το έτρεξαν μέσω του πλήρως συγχρονισμένου συστήματος. Ωστόσο,既然 το σύστημα είναι khá καινοτόμο, δεν υπάρχουν άμεσα ανάλογα προηγούμενα συστήματα με τα οποία θα μπορούσε να συγκριθεί.

Επομένως, οι ερευνητές καθόρισαν πρώτα μια Καμπύλη Λειτουργίας Δέκτη (ROC) για το δίκτυο Siamese, πριν χρησιμοποιήσουν την Uniform Manifold Approximation και Projection για τη Μείωση της Διαστατικότητας (UMAP) για να σλιπάρουν τα 128-διαστατικά διανύσματα για εύκολη οπτικοποίηση, με σκοπό να καθορίσουν μια συνεχή ροή likes και dislikes.

Στα αριστερά, η ROC του δικτύου Siamese ως μια βάση για την απόδοση: στα δεξιά, η οπτικοποίηση UMAP δείχνει ‘likes’ σε κόκκινο, ‘dislikes’ σε μαύρο.

Το TIRR δοκιμάστηκε ενάντια σε συστήματα συνιστώσεων που βασίζονται σε περιεχόμενο και έχουν παρόμοιο πεδίο, συμπεριλαμβανομένης της προηγούμενης εργασίας ImRec (βλέπε παραπάνω), και RECON, ένα RRS από το 2010, καθώς και τις αλγορίθμους συνεργατικής φιλτράρισής RCF (ένα σύστημα συνιστώσεων dating του 2015 που βασίζεται στο κείμενο των προφίλ dating) και LFRR (ένα παρόμοιο έργο από το 2019).

Σε όλες τις περιπτώσεις, το TIRR ήταν σε θέση να προσφέρει ανώτερη ακρίβεια, αν και μόνο ελαφρώς σε σύγκριση με το LFRR, πιθανώς υποδεικνύοντας συσχετισμένα στοιχεία μεταξύ του κειμένου του προφίλ και του αντιλαμβανόμενου επιπέδου ελκυστικότητας των φωτογραφιών του προφίλ.

Η σχεδόν-ισότητα μεταξύ του TIRR που βασίζεται σε εικόνες και του LFRR που βασίζεται σε κείμενο επιτρέπει τουλάχιστον δύο πιθανότητες: ότι η αντίληψη των χρηστών για την οπτική ελκυστικότητα επηρεάζεται από το κείμενο του προφίλ: ή ότι το κείμενο του προφίλ λαμβάνει μεγαλύτερη προσοχή και έγκριση από ότι θα συνέβαινε αν η σχετική εικόνα δεν θεωρούνταν ελκυστική.

Για σαφείς λόγους, η ερευνητική ομάδα δεν είναι σε θέση να κυκλοφορήσει το σύνολο δεδομένων ή τον κώδικα πηγής για το TIRR, αλλά ενθαρρύνει άλλες ομάδες να αναπαράγουν και να επιβεβαιώσουν την προσέγγισή τους.

n.b Οι εικόνες που χρησιμοποιούνται στην κύρια εικονογράφηση προέρχονται από το thispersondoesnotexist.com.