Обличчя, згенеровані ШІ, можуть зменшувати шанси реальних людей на працевлаштування

Вам насправді не потрібні науковці, щоб знати, що зовнішня привабливість відчиняє двері: у житті ви, ймовірно, певною мірою або потерпали від цього, або мали з цього користь. Не потрібні вони й для відкриття, що згенеровані ШІ обличчя зазвичай привабливіші за реальних людей — з різних причин, багато з яких пов’язані зі створеними людьми вподобаннями та процесами.

Утім, сьогодні мою увагу привернула нова спільна академічна робота зі США на споріднену тему: вона наводить свідчення того, що згенерована ШІ краса може позбавляти реальних людей запрошень на співбесіду. У дослідженні за участю 570 осіб ті, кому раніше показували надзвичайно привабливі обличчя, згенеровані ШІ, згодом оцінювали справжніх претендентів на роботу як менш придатних для наймання та менш надійних. Їхня готовність запропонувати співбесіду впала із 77,4% до 72,5%, хоча вони оцінювали тих самих кандидатів.

Приклади згенерованих ШІ облич із дослідження показують, наскільки широко варіювалися оцінки їхньої привабливості. Дослідники перевірили 27 генераторів зображень, використовуючи звичайні запити, у яких не згадувалася краса. У верхньому рядку — обличчя з одними з найвищих оцінок привабливості від автоматизованих систем, у нижньому — з одними з найнижчих. Усі вісім зображених людей згенеровані ШІ, а не реальні. Джерело

Дослідники також вивчили, наскільки привабливими здаються згенеровані ШІ обличчя порівняно зі справжніми, використовуючи зображення з різних комерційних моделей та моделей із відкритими вагами. Коли 550 людей попросили оцінити фотографії реальних людей поряд зі згенерованими ШІ обличчями, виявилося, що синтетичні обличчя стабільно отримували вищі бали. У додатковому порівнянні відповідні метрики показали, що 37% згенерованих ШІ жіночих облич оцінювалися як привабливіші за типову професійну фотомодель.

Порівняння згенерованих ШІ облич із професійними фотомоделями для 27 генераторів зображень. Графік показує частку згенерованих облич, що перевищили медіанну оцінку професійних моделей за автоматизованими мірами привабливості. Чорні точки представляють усі згенеровані обличчя, жовті кружечки — лише жіночі. Загалом цей орієнтир перевищили 23% згенерованих облич, а серед жіночих — 37%. Пунктирні лінії позначають ці два середні значення.

У статті^† зазначено:

«Ми перевірили 27 генераторів зображень за текстом, випущених у 2022–2026 роках, використовуючи прості запити, які ніколи не згадують привабливість чи красу, і проаналізували 51 300 згенерованих облич та 160 196 фотографій реальних людей в основних і додаткових порівняннях.

«Ми використали три автоматизовані міри та зібрали оцінки 550 людей для підмножини зображень.

«Майже всі генератори створювали обличчя, що за автоматизованими мірами отримували вищі бали, ніж сфотографовані обличчя. Люди визнали результати всіх 23 генераторів значно привабливішими за сфотографовані обличчя, навіть після поправки на множинні порівняння.

«Зосередивши аналіз на гендері, ми виявили, що 37% облич, згенерованих за запитами із зазначенням жінок, перевищили медіанну оцінку професійних фотомоделей».

Автори також зазначають: хоча експерти — як люди, так і ШІ — можуть не погоджуватися та сперечатися, хто очолює квадрант «красивих», у діапазонах «непривабливий» або «мінімально привабливий» такої деталізації немає. Порівняно з верхівкою це своєрідний загальний кошик для відбракованого*:

«Більша узгодженість між мірами щодо тих, кого цінують найменше, ніж щодо тих, кого цінують найбільше, нагадує важливу рису естетичної класифікації в таких середовищах, як модельний бізнес: людям та інституціям не обов’язково погоджуватися щодо єдиного ідеалу, щоб відтворювати повторювані нерівності в тому, чия зовнішність цінується менше».

Цінність обличчя

Багато висновків дослідження повторюють звичний людський досвід контекстного та відносного сприйняття: наприклад, якщо ви були найрозумнішою чи найпривабливішою людиною у своїй школі, вступ до університету Ліги плюща може суттєво підвищити навколишні стандарти та знизити ваше відносне становище в новій спільноті.

Однак світ не заповнений згенерованими ШІ людьми, які справді ходять довкола й відтісняють живих людей ліктями на співбесідах. Тож як культурне явище естетики краси генеративного ШІ може щось змінити?

Крім тривожної можливості, що люди вдаватимуться до пластичної хірургії, аби більше відповідати «стандарту ШІ», описаний у новому дослідженні ефект схожий на культуру краси до появи ШІ в кіно, на телебаченні, у моді та інших помітних і впливових сферах людської культури. Це середовище, де нас насичували й насичують нереалістичними фізичними ідеалами та де ми вчимося давати собі з цим раду як зі своєрідною проблемою співвідношення сигналу й шуму. Ми мріємо про кінозірок, але одружуємося з тими, з ким можемо.

Стаття описує зростання впливу власної візуальної естетики ШІ в подібному контексті*:

«Якщо згенеровані обличчя і привабливіші за реальні, і привабливі нерівномірно, [the] постає запитання: які наслідки це має для оцінювання справжніх людей? Знайомство з ретельно відібраними або відредагованими зображеннями змінює порівняння зовнішності та подальші судження, а класичні контрастні експерименти показують, що знайомство з дуже привабливими людьми може знижувати подальші оцінки привабливості.

«Генеративний ШІ може подавати повторювані потоки різних облич, сформованих тими самими естетичними процесами. Поки що незрозуміло, чи змінює знайомство зі згенерованими ШІ обличчями оцінювання реальних людей, яке має важливі наслідки».

Автори не пропонують конкретного засобу розв’язання проблеми, натомість закликають до подальших досліджень. Потрібно встановити, коли згенерована ШІ краса впливає на наші судження про реальних людей, які риси синтетичних облич спричиняють цей ефект і чи збережуться результати поза симульованим експериментом із наймання.

Метод і добір даних

Щоб установити, наскільки широко генератори зображень ШІ надають перевагу привабливим обличчям, дослідники перевірили 27 систем, випущених у 2022–2026 роках: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large і 3.5-large-turbo; FLUX.1 dev і schnell, FLUX.2, FLUX.2-klein 9B і FLUX.2-klein 4B; GPT Image 1.5 і GPT Image 2; Grok Image і Grok Imagine; Nano Banana 2 і Nano Banana Pro; Midjourney v6, v7 і v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana і Lumina-2.

У всіх системах використовували той самий простий запит для створення портретів, що представляли 14 демографічних категорій серед чоловіків і жінок та вісім професій (лікар; юрист; ветеринар; фармацевт; кухар; будівельник; медсестра чи медбрат і працівник роздрібної торгівлі), без згадки про красу або привабливість.

Також перевіряли запити без демографічних характеристик, статі чи професії. Загалом для аналізу було створено 51 300 зображень.

Для порівняння 94 249 фотографій взяли з наборів FairFace, IdenProf, SCUT-FBP5500, MEBeauty, Chicago Face Database та його багаторасового й індійського розширень, а також набору Face Research Lab London. Придатні обличчя було виявлено на 89 435 фотографіях.

Різноманітні західні та азійські обличчя з набору SCUT-FBP5500 — одного із шести, використаних у новому дослідженні. Джерело

Додаткові порівняння виконали за допомогою 10k US Adult Faces Database, колекції з 15 182 фотографій професійних фотомоделей, LookismBench-SyntheticFaces, FFHQ і StyleGAN2. Фотографії моделей слугували орієнтиром «високої привабливості», а решту колекцій аналізували окремо для оцінки мір привабливості й додаткових порівнянь.

Обличчя виявляли та кадрували за допомогою MTCNN, а потім стандартизували. Привабливість оцінювали моделями ResNet-50, навченими на SCUT-FBP5500 і MEBeauty, та SwinFace, навченою на анотаціях CelebA.

Щоб перевірити, чи відповідають автоматизовані оцінки привабливості людським думкам, вибірку з 1 374 реальних і згенерованих ШІ облич оцінили 550 дорослих мешканців США.

В окремому експерименті 570 дорослих американців поділили на три групи та показали їм кандидатів на роботу зі справжніми фотографіями, ретушованими фотографіями або згенерованими ШІ обличчями. Після цього всі три групи оцінювали тих самих реальних кандидатів, що дозволило виміряти відмінності в рішеннях про наймання. Основні аналізи дослідження були попередньо зареєстровані.

Тести

За обома основними метриками привабливості згенеровані ШІ обличчя отримали значно вищі оцінки, ніж реальні фотографії, у 24 із 27 перевірених генераторів. Цей висновок також підтвердила метрика CelebA/SwinFace, як показано нижче:

Відмінності привабливості між згенерованими ШІ обличчями та реальними фотографіями для 27 генераторів зображень, виражені середніми значеннями d Коена за трьома автоматизованими метриками. Додатні значення вказують на вищі оцінки привабливості згенерованих облич.

За повідомленням статті, за всіма трьома метриками 13 генераторів створювали обличчя з оцінками, що більш ніж на одне стандартне відхилення перевищували оцінки реальних фотографій. Проте для Nano Banana Pro, Grok Image чи Nano Banana 2 переваги не виявили.

Схильність створювати надзвичайно привабливі обличчя була менш вираженою в новіших моделях Midjourney та OpenAI. Водночас у моделей із відкритими вагами ефект був приблизно вдвічі сильнішим, ніж у комерційних пропозицій OpenAI, Google, Midjourney та xAI.

Під час оцінювання людьми обличчя всіх 23 генераторів, перевірених на достатній для надійного порівняння кількості зображень, визнали привабливішими за справжні фотографії. За шкалою від 1 (найменш привабливі) до 7 (найпривабливіші) реальні обличчя отримали в середньому 3,10 бала, а згенеровані ШІ — на 0,34–2,06 бала більше залежно від генератора, як показано нижче:

Людські оцінки привабливості облич, створених 23 генераторами зображень ШІ, за шкалою від 1 до 7. Генератори отримали оцінки вище середнього для реальних фотографій, позначеного синьою пунктирною лінією. Червоні точки — середні оцінки, горизонтальні відрізки — невизначеність навколо кожного середнього.

Вищі оцінки згенерованих ШІ облич зафіксували в усіх шести расових та етнічних категоріях (див. графік нижче), навіть для Nano Banana Pro, Grok Image і Nano Banana 2, чиї обличчя в тестах не отримували вищих оцінок, ніж реальні фотографії:

Людські оцінки привабливості згенерованих ШІ облич (червоний) і реальних фотографій (синій) у шести расових та етнічних категоріях. Згенеровані ШІ обличчя отримали вищі середні оцінки в кожній категорії; відмінності становили від 0,74 до 1,37 бала за семибальною шкалою. Вертикальні відрізки позначають невизначеність навколо кожного середнього.

Для новіших моделей людські оцінки також відрізнялися від автоматизованих результатів. Між GPT Image 1.5 і GPT Image 2 від OpenAI змін було мало, тоді як версії Midjourney 6, 7 і 8 отримували дедалі вищі оцінки привабливості.

Інакше кажучи, люди й далі вважали, що новіші моделі ШІ створюють надзвичайно привабливі обличчя, навіть коли автоматизовані метрики вказували на послаблення цієї тенденції.

Несправедлива перевага

Останній експеримент досліджував, чи може знайомство з привабливими згенерованими ШІ обличчями впливати на оцінювання реальних претендентів на роботу.

Для симульованої вакансії «фахівець із забезпечення успіху клієнтів» 570 дорослих американців поділили на три групи. Оцінивши чотирьох однакових кандидатів, кожна група переглянула вісім профілів зі справжніми фотографіями, ретушованими фотографіями або згенерованими ШІ обличчями. Обличчя ШІ раніше отримали 5,75 бала із семи за привабливість, тоді як справжні фотографії — 2,99. Ретушовані зображення згладили й освітлили ефектом на основі функції One-tap Enhance у Facetune.

До експерименту додали ще дванадцять кандидатів з однаковими фотографіями та кваліфікаціями для всіх трьох груп, щоб перевірити, чи впливає знайомство з різними зображеннями на рішення про наймання.

Кандидати зі згенерованими ШІ обличчями отримали трохи вищі оцінки придатності до наймання та надійності, хоча значущого збільшення кількості запрошень на співбесіду не виявили. Однак після знайомства із цими обличчями тих самих реальних кандидатів оцінювали як менш придатних до наймання та менш надійних, а частка запрошень на співбесіду впала із 77,4% до 72,5%:

Результати тесту наймання показують зміни у сприйманій придатності реальних кандидатів до працевлаштування, їхній надійності та ймовірності запрошення на співбесіду після знайомства з різними типами облич. Нижчі оцінки з’являлися після перегляду згенерованих ШІ облич, але не ретушованих фотографій. Точки показують відмінності від контрольної групи зі справжніми фотографіями, вертикальні лінії — 95-відсоткові довірчі інтервали.

Після перегляду ретушованих фотографій порівнянного зниження не зафіксували. Отже, реальні люди, які нібито виглядали якнайкраще, не «підняли планку» так, як це зробили зображення ШІ.

Автори коментують:

«Кандидати, яким зіставили згенеровані ШІ обличчя, отримали лише трохи кращі прямі оцінки. Але учасники, які побачили ці обличчя, згодом оцінили тих самих реальних кандидатів більш негативно за всіма трьома результатами.

«Самі кандидати зі згенерованими ШІ обличчями отримали трохи вищі прямі оцінки надійності, що робить менш імовірним просте пояснення загальною неприязню до профілів зі штучними обличчями.

«Утім, експеримент показує, що знайомство із цими обличчями мало значення, але не пояснює чому».

Висновок

За моїми особистими спостереженнями, згенеровані ШІ персонажі вже безперечно почали домінувати у вуличній рекламі міста, де я живу, але це двовимірні зображення. Чи зможе використання генеративного відео на основі дифузії на телебаченні та в кіно подолати нинішні правові й етичні обмеження, ще належить побачити. Якщо так, можливо, на нас чекає значно більше згенерованих ШІ та/або вдосконалених ним акторів, які «підвищуватимуть естетичний стандарт» і втілюватимуть сценарій «всюдисущої краси ШІ», окреслений у новій статті.

Сам принцип не новий; новим є потенціал автоматизації. У такому разі можна було б виокремити сутність нинішніх або колишніх реальних знаменитостей, моделей і публічних представників, тиражувати чи «вдосконалювати» їх та широко поширювати без дорогих переговорів щодо контрактів. Але це ще попереду — якщо взагалі станеться.

^† Робота під назвою Generative AI Produces and Transmits Beauty Bias підготовлена вісьмома дослідниками з Корнеллського університету, Університету Флориди та Пенсильванського університету.

* Внутрішньотекстові посилання авторів перетворені мною на гіперпосилання.

Уперше опубліковано в понеділок, 19 жовтня 2026 року