Fețele generate de IA ar putea reduce șansele de angajare ale oamenilor reali

Nu ai nevoie de cercetători ca să știi că atractivitatea personală deschide uși, fiindcă probabil ai fost, într-o anumită măsură, victima sau beneficiarul acestui lucru în viață; nici ca să descoperi că fețele generate de IA tind să fie mai atrăgătoare decât oamenii reali (din diverse motive, multe legate de preferințe și procese create de oameni).

Totuși, astăzi mi-a atras atenția o nouă colaborare academică din SUA pe un subiect înrudit, care prezintă dovezi că frumusețea generată de IA i-ar putea costa pe oamenii reali interviuri de angajare. Într-un studiu cu 570 de persoane, cei expuși anterior unor fețe generate de IA neobișnuit de atrăgătoare i-au evaluat ulterior pe candidații reali ca fiind mai puțin potriviți pentru angajare și mai puțin demni de încredere; disponibilitatea de a oferi interviuri a scăzut de la 77,4% la 72,5%, deși evaluau exact aceiași candidați.

Exemple de fețe generate de IA din studiu, ilustrând variația mare a scorurilor de atractivitate. Cercetătorii au testat 27 de generatoare de imagini cu instrucțiuni obișnuite care nu menționau frumusețea. Rândul de sus arată fețe cu unele dintre cele mai mari scoruri automate, iar cel de jos unele dintre cele mai mici. Toate cele opt persoane ilustrate sunt generate de IA, nu reale. Sursa

Cercetătorii au analizat și cât de atrăgătoare par fețele generate de IA față de cele reale, folosind imagini produse de modele comerciale și cu ponderi deschise diverse. Când 550 de persoane au evaluat fotografii ale unor oameni reali alături de fețe generate de IA, cele sintetice au primit constant scoruri mai mari; într-o comparație suplimentară, indicatori adecvați au arătat că 37% dintre fețele feminine generate de IA erau considerate mai atrăgătoare decât modelul profesionist de modă tipic.

Comparație între fețe generate de IA și modele profesioniste de modă, pentru 27 de generatoare de imagini. Graficul arată procentul fețelor generate cu scoruri peste mediana modelelor profesioniste, potrivit măsurătorilor automate de atractivitate. Punctele negre reprezintă toate fețele generate, iar cercurile galbene doar fețele feminine. În total, 23% au depășit acest reper, procentul ajungând la 37% pentru fețele feminine. Liniile întrerupte marchează cele două medii.

Lucrarea^† afirmă:

„Am auditat 27 de generatoare text-imagine lansate între 2022 și 2026, folosind instrucțiuni simple care nu menționează niciodată atractivitatea sau frumusețea, analizând 51.300 de fețe generate și 160.196 de fotografii ale unor oameni reali în comparații principale și suplimentare.

„Am folosit trei măsurători automate și am colectat evaluările a 550 de evaluatori umani pentru un subset de imagini.

„Aproape toate generatoarele au produs fețe cu scoruri peste cele fotografiate potrivit măsurătorilor automate, iar evaluatorii umani au considerat rezultatele tuturor celor 23 de generatoare semnificativ mai atrăgătoare decât fețele fotografiate, chiar și după corecția pentru comparații multiple.

„Când ne concentrăm analiza asupra genului, constatăm că 37% dintre fețele generate cu instrucțiuni pentru femei au depășit mediana modelelor profesioniste de modă.”

Autorii mai observă că, deși experții — oameni și IA — pot dezbate și nu cădea de acord cine se află în fruntea categoriei „frumos”, această finețe nu există în intervalul de evaluări „neatrăgător” sau „foarte puțin atrăgător”, care este, prin comparație, un fel de coș de gunoi generic*:

„Acordul mai mare între măsurători privind cine este valorizat cel mai puțin, decât privind cine este valorizat cel mai mult, seamănă cu o trăsătură importantă a clasificării estetice în contexte precum modelingul de modă: oamenii și instituțiile nu trebuie să împărtășească un singur ideal pentru a produce inegalități recurente privind aspectele fizice care primesc mai puțină valoare.”

Valoarea fețelor

Multe rezultate ale studiului reiterează experiența umană obișnuită a percepției contextuale și relative: de exemplu, dacă erai cea mai inteligentă sau atrăgătoare persoană din școala ta, intrarea la o universitate Ivy League poate ridica mult standardele din jur și reduce poziția ta relativă în noul grup.

Însă lumea nu este plină de oameni generați de IA care se plimbă cu adevărat și îi dau la o parte cu coatele pe cei în carne și oase la interviuri; cum poate atunci să conteze fenomenul cultural al esteticii frumuseții din IA generativă?

Pe lângă posibilitatea îngrijorătoare ca oamenii să recurgă la chirurgie plastică pentru a se apropia de „standardul IA”, efectul descris în noul studiu seamănă cu cultura frumuseții de dinaintea IA din filme, televiziune, modă și alte sectoare vizibile și influente ale culturii umane: un mediu în care eram și suntem saturați de idealuri fizice nerealiste, învățând să le gestionăm ca pe o problemă de raport semnal-zgomot. Visăm la vedete de cinema, dar ne căsătorim cu cine putem.

Lucrarea descrie influența crescândă a esteticii vizuale proprii IA într-un context asemănător*:

„Dacă fețele generate sunt mai atrăgătoare decât cele reale și în mod inegal, apare [the] întrebarea: care sunt consecințele asupra modului în care sunt judecați oamenii reali? Expunerea la imagini intens selectate sau editate schimbă comparația aspectului și judecata ulterioară, iar experimentele clasice de contrast arată că expunerea la persoane foarte atrăgătoare poate reduce evaluările atractivității ulterioare.

„IA generativă poate furniza fluxuri repetate de fețe distincte modelate de aceleași procese estetice. Rămâne neclar dacă expunerea la fețe generate de IA schimbă evaluările oamenilor reali care au consecințe concrete.”

Autorii nu propun un remediu anume, ci cer cercetări suplimentare pentru a stabili când frumusețea generată de IA influențează judecățile despre oameni reali, ce aspecte ale fețelor sintetice provoacă efectul și dacă rezultatele s-ar menține în afara experimentului de angajare simulată.

Metodă și pregătirea datelor

Pentru a determina cât de răspândită este preferința generatoarelor de imagini IA pentru fețe atrăgătoare, cercetătorii au testat 27 de sisteme lansate între 2022 și 2026: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large și 3.5-large-turbo; FLUX.1 dev și schnell, FLUX.2, FLUX.2-klein 9B și FLUX.2-klein 4B; GPT Image 1.5 și GPT Image 2; Grok Image și Grok Imagine; Nano Banana 2 și Nano Banana Pro; Midjourney v6, v7 și v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana; și Lumina-2.

Aceeași instrucțiune simplă a fost folosită în toate sistemele pentru portrete reprezentând 14 categorii demografice masculine și feminine și opt ocupații (medic; avocat; veterinar; farmacist; bucătar; muncitor în construcții; asistent medical și lucrător în comerțul cu amănuntul), fără menționarea frumuseții sau atractivității.

Au fost testate și instrucțiuni fără detalii demografice, sex sau ocupație, producând în total 51.300 de imagini pentru analiză.

Pentru comparație, 94.249 de fotografii au fost preluate din FairFace, IdenProf, SCUT-FBP5500, MEBeauty, Chicago Face Database și extensiile sale multirasiale și indiene, precum și din setul Face Research Lab London. Fețe utilizabile au fost detectate în 89.435 de fotografii.

Fețe occidentale și asiatice diverse din setul SCUT-FBP5500, unul dintre cele șase folosite în noul studiu. Sursa

Comparațiile suplimentare au folosit 10k US Adult Faces Database, o colecție de 15.182 de fotografii ale unor modele profesioniste de modă, LookismBench-SyntheticFaces, FFHQ și StyleGAN2. Fotografiile modelelor au servit ca reper de „atractivitate ridicată”, iar celelalte colecții au fost analizate separat pentru a evalua măsurătorile atractivității și a oferi comparații suplimentare.

Fețele au fost detectate și decupate cu MTCNN, apoi standardizate. Atractivitatea a fost evaluată cu modele ResNet-50 antrenate pe SCUT-FBP5500 și MEBeauty și cu SwinFace, antrenat pe adnotări CelebA.

Pentru a verifica dacă scorurile automate corespundeau opiniilor umane, 550 de adulți rezidenți în SUA au evaluat o selecție de 1.374 de fețe reale și generate de IA.

Într-un experiment separat, 570 de adulți din SUA au fost împărțiți în trei grupuri și au văzut candidați cu fotografii reale, retușate sau fețe generate de IA. Ulterior, toate grupurile au evaluat aceiași candidați reali, permițând măsurarea diferențelor în deciziile de angajare. Analizele principale au fost preînregistrate.

Teste

Potrivit ambelor metrici principale de atractivitate, fețele generate de IA au primit scoruri semnificativ mai mari decât fotografiile reale pentru 24 dintre cele 27 de generatoare testate, rezultat susținut și de metrica CelebA/SwinFace, după cum se vede mai jos:

Diferențe de atractivitate între fețe generate de IA și fotografii reale pentru 27 de generatoare de imagini, exprimate ca scoruri d Cohen medii pentru trei metrici automate. Valorile pozitive indică scoruri de atractivitate mai mari pentru fețele generate.

Potrivit lucrării, în toate cele trei metrici, 13 generatoare au produs fețe evaluate cu mai mult de o abatere standard peste fotografiile reale, deși nu s-a găsit un avantaj pentru Nano Banana Pro, Grok Image sau Nano Banana 2.

Tendința de a produce fețe neobișnuit de atrăgătoare era mai puțin pronunțată în modelele Midjourney și OpenAI mai recente, iar efectul era aproximativ dublu în modelele cu ponderi deschise față de ofertele comerciale OpenAI, Google, Midjourney și xAI.

În evaluările umane, fețele tuturor celor 23 de generatoare cu suficiente imagini pentru o comparație fiabilă au fost considerate mai atrăgătoare decât fotografiile reale. Pe o scară de la 1 (cel mai puțin atrăgător) la 7 (cel mai atrăgător), fețele reale au primit în medie 3,10, iar cele generate de IA între 0,34 și 2,06 puncte în plus, în funcție de generator, după cum se arată mai jos:

Evaluări umane ale atractivității fețelor produse de 23 de generatoare IA, pe o scară de la 1 la 7. Generatoarele au depășit media fotografiilor reale, indicată de linia albastră întreruptă. Punctele roșii indică mediile, iar barele orizontale incertitudinea din jurul fiecărei medii.

Evaluările umane ale fețelor IA au fost mai mari în toate cele șase categorii rasiale și etnice (vezi mai jos), chiar și pentru Nano Banana Pro, Grok Image și Nano Banana 2, ale căror fețe nu depășiseră fotografiile reale în teste:

Evaluări umane ale atractivității fețelor generate de IA (roșu) și fotografiilor reale (albastru) în șase categorii rasiale și etnice. Fețele IA au primit medii mai mari în fiecare categorie, diferențele variind între 0,74 și 1,37 puncte pe o scară de șapte puncte. Barele verticale indică incertitudinea din jurul fiecărei medii.

Evaluările umane au diferit de rezultatele automate și pentru modelele mai noi. S-a înregistrat puțină schimbare între GPT Image 1.5 și GPT Image 2 de la OpenAI, în timp ce versiunile Midjourney 6, 7 și 8 au primit scoruri de atractivitate progresiv mai mari.

Cu alte cuvinte, oamenii considerau în continuare că modelele IA mai noi produceau fețe neobișnuit de atrăgătoare, chiar dacă metricile automate sugerau diminuarea acestei tendințe.

Avantajul nedrept

Experimentul final a investigat dacă expunerea la fețe atrăgătoare generate de IA putea influența evaluarea candidaților reali la un loc de muncă.

Pentru un post simulat de „asociat pentru succesul clienților”, 570 de adulți din SUA au fost împărțiți în trei grupuri. După evaluarea a patru candidați identici, fiecare grup a văzut opt profiluri cu fotografii reale, retușate sau fețe IA. Fețele IA primiseră anterior 5,75 din șapte puncte pentru atractivitate, față de 2,99 pentru fotografiile reale. Imaginile retușate fuseseră netezite și iluminate cu un efect bazat pe funcția One-tap Enhance din Facetune.

Au fost incluși încă doisprezece candidați, cu fotografii și calificări identice în cele trei grupuri, pentru a testa dacă imaginile diferite influențau deciziile de angajare.

Candidații cu fețe IA au primit evaluări ușor mai mari privind șansele de angajare și încrederea, fără o creștere semnificativă a invitațiilor la interviu. După expunerea la aceste fețe însă, aceiași candidați reali au fost considerați mai puțin potriviți pentru angajare și mai puțin demni de încredere, iar invitațiile au scăzut de la 77,4% la 72,5%:

Rezultatele testului de angajare arată schimbări în percepția asupra potrivirii pentru angajare, încrederii și probabilității de interviu pentru candidații reali după expunerea la diferite fețe. Evaluările au scăzut după fețele IA, nu după fotografiile retușate. Punctele arată diferențe față de grupul de control cu fotografii reale; liniile verticale indică intervale de încredere de 95%.

Nu s-a înregistrat o scădere comparabilă după fotografiile retușate: oamenii reali care arătau presupus cât se poate de bine nu au „ridicat ștacheta” așa cum au făcut imaginile IA.

Autorii comentează:

„Candidații asociați cu fețe IA au primit doar evaluări directe ușor mai bune, dar participanții care au văzut acele fețe i-au evaluat ulterior mai negativ pe aceiași candidați reali în toate cele trei rezultate.

„Candidații generați de IA au primit ei înșiși evaluări directe ale încrederii ușor mai mari, ceea ce face mai puțin probabilă o simplă aversiune generalizată față de profilurile cu fețe IA.

„Totuși, experimentul ne spune că expunerea a contat, nu de ce.”

Concluzie

Ca observație personală, personajele generate de IA au ajuns cu siguranță să domine publicitatea stradală în orașul unde locuiesc, dar aceasta este artă 2D. Rămâne de văzut dacă utilizarea de video generativ bazat pe difuzie în televiziune și film va depăși constrângerile juridice și etice actuale; dacă da, ne putem aștepta la mult mai mulți actori generați și/sau îmbunătățiți prin IA care „ridică standardul estetic” și realizează scenariul de „frumusețe IA ambientală” descris de noua lucrare.

Principiul nu este nou, dar potențialul de automatizare este. Atunci s-ar putea distila esența unor celebrități, modele și reprezentanți publici reali, actuali sau din trecut, pentru a-i reproduce ori „îmbunătăți” și răspândi pe scară largă, fără negocieri contractuale costisitoare. Dar asta urmează încă să se întâmple, dacă se va întâmpla vreodată.

^† Intitulată Generative AI Produces and Transmits Beauty Bias, realizată de opt cercetători de la Cornell, University of Florida și University of Pennsylvania.

* Am transformat citările autorilor din text în hyperlinkuri.

Publicat prima dată luni, 19 octombrie 2026