Созданные ИИ лица могут снижать шансы реальных людей на трудоустройство

Чтобы знать, что внешняя привлекательность открывает двери, учёные вам, по сути, не нужны: в жизни вы наверняка в той или иной мере либо страдали от этого, либо извлекали выгоду. Не нужны они и для обнаружения того, что созданные ИИ лица обычно привлекательнее реальных людей — по целому ряду причин, многие из которых связаны с предпочтениями и процессами, сформированными людьми.

Тем не менее сегодня моё внимание привлекла новая совместная работа американских исследователей на смежную тему: она приводит свидетельства того, что красота, созданная ИИ, может лишать реальных людей приглашений на собеседование. В исследовании с участием 570 человек те, кому сначала показывали необычайно привлекательные лица, созданные ИИ, впоследствии считали реальных соискателей менее подходящими для найма и менее заслуживающими доверия. Их готовность пригласить кандидатов на собеседование снизилась с 77,4% до 72,5%, хотя они оценивали ровно тех же соискателей.

Примеры созданных ИИ лиц из исследования показывают, насколько сильно различались оценки их привлекательности. Исследователи протестировали 27 генераторов изображений с обычными запросами, в которых красота не упоминалась. В верхнем ряду — лица, получившие одни из самых высоких оценок привлекательности от автоматических систем; в нижнем — одни из самых низких. Все восемь изображённых людей созданы ИИ, а не существуют в действительности. Источник

Исследователи также изучили, насколько привлекательными кажутся созданные ИИ лица по сравнению с настоящими, используя изображения из различных коммерческих моделей и моделей с открытыми весами. Когда 550 человек попросили оценить фотографии реальных людей наряду с лицами, созданными ИИ, оказалось, что синтетические лица неизменно получали более высокие баллы. В дополнительном сравнении подходящие метрики показали, что 37% созданных ИИ женских лиц оценивались как более привлекательные, чем типичная профессиональная фотомодель.

Сравнение созданных ИИ лиц с профессиональными фотомоделями для 27 генераторов изображений. На графике показана доля сгенерированных лиц, превысивших медианную оценку профессиональных моделей по автоматическим мерам привлекательности. Чёрные точки обозначают все сгенерированные лица, жёлтые кружки — только женские. В целом этот ориентир превысили 23% сгенерированных лиц, а среди женских лиц — 37%. Пунктирные линии отмечают эти два средних значения.

В статье^† говорится:

«Мы проверили 27 генераторов изображений по тексту, выпущенных с 2022 по 2026 год, с помощью простых запросов, в которых ни разу не упоминались привлекательность или красота, проанализировав 51 300 сгенерированных лиц и 160 196 фотографий реальных людей в основных и дополнительных сравнениях.

«Мы использовали три автоматические меры и собрали оценки 550 человек для подмножества изображений.

«Почти все генераторы создавали лица, которые по автоматическим мерам получали более высокие оценки, чем сфотографированные лица. Люди сочли результаты всех 23 генераторов существенно более привлекательными, чем лица на фотографиях, даже после поправки на множественные сравнения.

«Сосредоточив анализ на гендере, мы обнаружили, что 37% лиц, сгенерированных по запросам с указанием женщин, превысили медианную оценку профессиональных фотомоделей».

Авторы также отмечают: хотя эксперты — и люди, и ИИ — могут спорить о том, кто занимает верхнюю позицию в квадранте «красивых», в диапазонах оценок «непривлекательный» или «минимально привлекательный» такой детализации нет. По сравнению с верхней частью шкалы это своего рода общая корзина для отбракованного*:

«Более высокое согласие между мерами относительно тех, кого ценят меньше всего, чем относительно тех, кого ценят больше всего, напоминает важную особенность эстетической классификации в таких областях, как модельный бизнес: людям и институтам необязательно сходиться на едином идеале, чтобы снова и снова воспроизводить неравенство в том, чья внешность получает меньшую ценность».

Ценность лица

Многие выводы исследования повторяют обычный человеческий опыт контекстного и относительного восприятия: например, если вы были самым умным или привлекательным человеком в своей школе, поступление в университет Лиги плюща может резко повысить окружающие стандарты и понизить ваше относительное положение в новой группе.

Однако мир не полон созданных ИИ людей, которые действительно ходят по улицам и расталкивают локтями живых соискателей на собеседованиях. Так как же культурное явление эстетики красоты генеративного ИИ может что-либо изменить?

Помимо тревожной возможности, что люди начнут прибегать к пластической хирургии, чтобы лучше соответствовать «стандарту ИИ», описанный в новой работе эффект напоминает до-ИИ культуру красоты в кино, на телевидении, в моде и других заметных и влиятельных областях человеческой культуры. Это среда, в которой нас окружали и окружают нереалистичные физические идеалы и где мы учимся справляться с этим как со своего рода проблемой соотношения сигнала и шума. Мы мечтаем о кинозвёздах, но вступаем в брак с теми, с кем получается.

В статье растущее влияние собственной визуальной эстетики ИИ описывается в похожем контексте*:

«Если сгенерированные лица одновременно привлекательнее реальных и привлекательны в неодинаковой степени, [the] возникает вопрос: каковы последствия для оценки настоящих людей? Знакомство с тщательно отобранными или отредактированными изображениями изменяет сравнение внешности и последующие суждения, а классические эксперименты с контрастом показывают, что знакомство с очень привлекательными людьми может снижать последующие оценки привлекательности.

«Генеративный ИИ способен создавать повторяющиеся потоки разных лиц, сформированных одними и теми же эстетическими процессами. Пока неясно, меняет ли знакомство с созданными ИИ лицами оценки реальных людей, имеющие значимые последствия».

Авторы не предлагают конкретного решения, а призывают к дальнейшим исследованиям: нужно установить, когда созданная ИИ красота влияет на наши суждения о реальных людях, какие особенности синтетических лиц вызывают этот эффект и сохранятся ли результаты за пределами имитационного эксперимента по найму.

Метод и подбор данных

Чтобы определить, насколько широко генераторы изображений ИИ отдают предпочтение привлекательным лицам, исследователи протестировали 27 систем, выпущенных с 2022 по 2026 год: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large и 3.5-large-turbo; FLUX.1 dev и schnell, FLUX.2, FLUX.2-klein 9B и FLUX.2-klein 4B; GPT Image 1.5 и GPT Image 2; Grok Image и Grok Imagine; Nano Banana 2 и Nano Banana Pro; Midjourney v6, v7 и v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana и Lumina-2.

Во всех системах использовался один и тот же простой запрос для создания портретов, представляющих 14 демографических категорий среди мужчин и женщин и восемь профессий (врач; юрист; ветеринар; фармацевт; повар; строительный рабочий; медсестра или медбрат и работник розничной торговли), без упоминания красоты или привлекательности.

Также проверялись запросы без демографических характеристик, пола или профессии. Всего для анализа было создано 51 300 изображений.

Для сравнения из наборов FairFace, IdenProf, SCUT-FBP5500, MEBeauty, Chicago Face Database и его многорасового и индийского расширений, а также набора Face Research Lab London были взяты 94 249 фотографий. Пригодные для анализа лица удалось обнаружить на 89 435 фотографиях.

Различные западные и азиатские лица из набора SCUT-FBP5500, одного из шести, использованных в новом исследовании. Источник

Дополнительные сравнения проводились с использованием 10k US Adult Faces Database, коллекции из 15 182 фотографий профессиональных фотомоделей, LookismBench-SyntheticFaces, FFHQ и StyleGAN2. Фотографии моделей служили ориентиром «высокой привлекательности», а остальные коллекции анализировались отдельно для оценки мер привлекательности и дополнительных сравнений.

Лица обнаруживали и кадрировали с помощью MTCNN, затем стандартизировали. Привлекательность оценивали моделями ResNet-50, обученными на SCUT-FBP5500 и MEBeauty, и моделью SwinFace, обученной на аннотациях CelebA.

Чтобы проверить, совпадают ли автоматические оценки привлекательности с человеческими мнениями, выборку из 1 374 реальных и созданных ИИ лиц оценили 550 взрослых жителей США.

В отдельном эксперименте 570 взрослых американцев разделили на три группы и показали им соискателей с настоящими фотографиями, отретушированными фотографиями или созданными ИИ лицами. Затем все три группы оценивали одних и тех же реальных соискателей, что позволило измерить различия в решениях о найме. Основные анализы исследования были предварительно зарегистрированы.

Тесты

По обеим основным метрикам привлекательности созданные ИИ лица получили существенно более высокие оценки, чем реальные фотографии, у 24 из 27 протестированных генераторов. Этот вывод также поддержала метрика CelebA/SwinFace, как показано ниже:

Различия в привлекательности между созданными ИИ лицами и реальными фотографиями для 27 генераторов изображений, выраженные средними значениями d Коэна по трём автоматическим метрикам. Положительные значения указывают на более высокие оценки привлекательности сгенерированных лиц.

Как сообщается в статье, по всем трём метрикам 13 генераторов создавали лица, чьи оценки превышали оценки реальных фотографий более чем на одно стандартное отклонение. При этом для Nano Banana Pro, Grok Image и Nano Banana 2 преимущества обнаружено не было.

Склонность создавать необычайно привлекательные лица была менее выражена у более новых моделей Midjourney и OpenAI. В то же время у моделей с открытыми весами эффект был примерно вдвое сильнее, чем у коммерческих предложений OpenAI, Google, Midjourney и xAI.

При оценке людьми лица всех 23 генераторов, протестированных на достаточном для надёжного сравнения количестве изображений, были признаны более привлекательными, чем реальные фотографии. По шкале от 1 (наименее привлекательные) до 7 (наиболее привлекательные) реальные лица получили в среднем 3,10 балла, а созданные ИИ — на 0,34–2,06 балла больше в зависимости от генератора, как показано ниже:

Человеческие оценки привлекательности лиц, созданных 23 генераторами изображений ИИ, по шкале от 1 до 7. Генераторы получили оценки выше среднего для реальных фотографий, отмеченного синей пунктирной линией. Красные точки обозначают средние оценки, горизонтальные отрезки — неопределённость вокруг каждой средней оценки.

Более высокие оценки созданных ИИ лиц были зафиксированы во всех шести расовых и этнических категориях (см. график ниже), даже у Nano Banana Pro, Grok Image и Nano Banana 2, чьи лица в тестах не превосходили реальные фотографии:

Человеческие оценки привлекательности созданных ИИ лиц (красный) и реальных фотографий (синий) в шести расовых и этнических категориях. Созданные ИИ лица получили более высокие средние оценки в каждой категории; различия составили от 0,74 до 1,37 балла по семибалльной шкале. Вертикальные отрезки обозначают неопределённость вокруг каждой средней оценки.

Для новых моделей человеческие оценки также отличались от автоматических результатов. Между GPT Image 1.5 и GPT Image 2 от OpenAI изменений почти не было, тогда как версии 6, 7 и 8 Midjourney получали всё более высокие оценки привлекательности.

Иными словами, люди по-прежнему считали, что новые модели ИИ создают необычайно привлекательные лица, даже когда автоматические метрики указывали на ослабление этой тенденции.

Несправедливое преимущество

Заключительный эксперимент проверял, может ли знакомство с привлекательными лицами, созданными ИИ, влиять на оценку реальных соискателей.

Для имитации найма на вакансию «специалист по работе с клиентами» 570 взрослых американцев разделили на три группы. После оценки четырёх одинаковых кандидатов каждой группе показали восемь профилей с настоящими фотографиями, отретушированными фотографиями или лицами, созданными ИИ. Ранее ИИ-лица получили 5,75 балла из семи за привлекательность, тогда как реальные фотографии — 2,99 балла. Отретушированные изображения сгладили и осветлили с помощью эффекта на основе функции One-tap Enhance приложения Facetune.

В эксперимент включили ещё двенадцать кандидатов с одинаковыми фотографиями и квалификациями во всех трёх группах, чтобы проверить, влияет ли знакомство с разными изображениями на решения о найме.

Кандидаты с созданными ИИ лицами получили немного более высокие оценки пригодности для найма и надёжности, хотя значимого роста числа приглашений на собеседование не обнаружили. Однако после знакомства с этими лицами одних и тех же реальных кандидатов оценивали как менее подходящих для найма и менее заслуживающих доверия, а доля приглашений на собеседование снизилась с 77,4% до 72,5%:

Результаты теста найма показывают изменения в воспринимаемой пригодности реальных кандидатов для трудоустройства, их надёжности и вероятности приглашения на собеседование после знакомства с различными типами лиц. После просмотра созданных ИИ лиц оценки снижались, но после отретушированных фотографий этого не происходило. Точки показывают отличия от контрольной группы с реальными фотографиями; вертикальные линии — 95-процентные доверительные интервалы.

После знакомства с отретушированными фотографиями сопоставимого снижения не наблюдалось. Это означает, что реальные люди, якобы представленные в своём лучшем виде, не «подняли планку» так, как это сделали изображения ИИ.

Авторы комментируют:

«Кандидаты, которым сопоставили созданные ИИ лица, получили лишь немного более высокие прямые оценки, но участники, видевшие эти лица, затем оценили тех же реальных кандидатов хуже по всем трём показателям.

«Сами кандидаты с лицами ИИ получили немного более высокие прямые оценки надёжности, что делает менее вероятным простое объяснение в виде общей неприязни к профилям с искусственными лицами.

«И всё же эксперимент говорит нам, что знакомство с такими лицами имело значение, но не объясняет почему».

Заключение

По моим личным наблюдениям, созданные ИИ персонажи уже стали доминировать в уличной рекламе города, где я живу, но это двухмерные изображения. Сможет ли использование генеративного видео на основе диффузии на телевидении и в кино преодолеть нынешние юридические и этические ограничения, ещё предстоит увидеть. Если сможет, вероятно, нас ждёт гораздо больше созданных ИИ и/или улучшенных с его помощью актёров, «повышающих эстетический стандарт» и воплощающих описанный в новой статье сценарий «повсеместной красоты ИИ».

Сам принцип не нов; нов потенциал автоматизации. В таком случае можно было бы выделить сущность нынешних или прежних реальных знаменитостей, моделей и публичных представителей, тиражировать или «улучшать» их и широко распространять без дорогостоящих переговоров о контрактах. Но это ещё впереди — если вообще случится.

^† Работа под названием Generative AI Produces and Transmits Beauty Bias подготовлена восемью исследователями из Корнеллского университета, Университета Флориды и Пенсильванского университета.

* Внутритекстовые ссылки авторов преобразованы в гиперссылки мной.

Впервые опубликовано в понедельник, 19 октября 2026 года