Künstliche Intelligenz kann politische Überzeugungen aus ausdruckslosen Gesichtern vorhersagen

Gesundheitsnews, Medizin und Forschung, Künstliche Intelligenz, Psychische Gesundheit

Dr. Amalia Ionescu, aktualisiert am 6. Mai 2024, Lesezeit: 5 Minuten

Künstliche Intelligenz (KI) hat in verschiedenen Bereichen erhebliche Fortschritte gemacht, und ein Bereich, in dem sie sich als überraschend genau erwiesen hat, ist die Vorhersage der politischen Überzeugungen einer Person. Forscher haben herausgefunden, dass selbst neutrale Gesichtsausdrücke Hinweise auf die politische Ausrichtung einer Person geben können. Diese Erkenntnis gibt Anlass zu Bedenken hinsichtlich des Schutzes der Privatsphäre, da die Gesichtserkennungstechnologie ohne die Zustimmung des Einzelnen eingesetzt werden kann. 

Verständnis der Gesichtserkennungs-Technologie

Die Gesichtserkennungstechnologie ist eine Form der KI, die Algorithmen verwendet, um Personen anhand ihrer Gesichtszüge zu identifizieren und zu überprüfen. Dabei werden Muster wie der Abstand zwischen den Augen, die Form der Kieferlinie und die Kontur der Wangenknochen analysiert. Diese Messungen werden in eine mathematische Formel oder eine Gesichtssignatur umgewandelt, die mit einer Datenbank mit bekannten Gesichtern verglichen oder in verschiedenen Anwendungen verwendet werden kann.

Mit dem zunehmenden Einsatz von Gesichtserkennungstechnologien sowohl im öffentlichen als auch im privaten Sektor wächst die Möglichkeit, dass diese Instrumente auch für andere Zwecke als die einfache Identifizierung eingesetzt werden könnten. Ein solcher Zweck ist die Vorhersage von persönlichen Eigenschaften wie der politischen Orientierung.

Die Forschung zur Vorhersage von politischen Überzeugungen

Die Forscher führten eine Studie durch, um den Einfluss von Gesichtsmerkmalen allein auf die Vorhersage der politischen Orientierung zu isolieren. Sie rekrutierten 591 Teilnehmer von einer großen Privatuniversität und kontrollierten sorgfältig die Umgebung und die Bedingungen, unter denen das Gesicht der Teilnehmer fotografiert wurde. Die Teilnehmer waren einheitlich gekleidet, verwendeten Gesichtstücher, um jegliches Make-up zu entfernen, und hatten ihr Haar ordentlich zurückgebunden. Ihre Gesichter wurden in einem gut beleuchteten Raum vor einem neutralen Hintergrund fotografiert, um die Einheitlichkeit zu gewährleisten.

Die Fotos wurden dann mit einem Algorithmus zur Gesichtserkennung verarbeitet, und zwar mit dem VGGFace2 in einer ResNet-50-256D-Architektur. Dieser Algorithmus extrahierte numerische Vektoren, so genannte Gesichtsdeskriptoren, aus den Bildern. Diese Deskriptoren kodieren die Gesichtsmerkmale in einer Form, die von Computern analysiert werden kann, und wurden verwendet, um die politische Orientierung der Teilnehmer anhand eines Modells vorherzusagen.

Die Forscher fanden heraus, dass der Gesichtserkennungsalgorithmus die politische Orientierung mit einem Korrelationskoeffizienten von 0,2 vorhersagen konnte. Diese Korrelation war zwar bescheiden, aber statistisch signifikant und deutete darauf hin, dass bestimmte stabile Gesichtsmerkmale unabhängig von anderen demografischen Faktoren mit der politischen Orientierung in Verbindung gebracht werden können.

Um diese Ergebnisse weiter zu validieren, führten die Forscher eine zweite Studie durch, bei der sie menschliche Bewerter anstelle des Algorithmus einsetzten. Sie rekrutierten 1.026 menschliche Bewerter über Amazons Mechanical Turk und legten ihnen die standardisierten Gesichtsbilder aus der ersten Studie vor. Die menschlichen Bewerter wurden gebeten, die politische Orientierung der Personen auf den Fotos zu bewerten. Die Ergebnisse zeigten, dass die menschlichen Bewerter die politische Ausrichtung mit einem Korrelationskoeffizienten von .21 vorhersagen konnten, was mit der Leistung des Algorithmus vergleichbar war.

In einer dritten Studie weiteten die Forscher ihre Untersuchung der Vorhersagekraft der Gesichtserkennung auf einen anderen Kontext aus, indem sie das Modell auf eine Reihe von naturalistischen Bildern von Politikern anwandten. Die Ergebnisse zeigten, dass das Gesichtserkennungsmodell die politische Orientierung anhand dieser Bilder mit einer mittleren Genauigkeit von einem Korrelationskoeffizienten von .13 vorhersagen konnte.

Bedenken hinsichtlich des Datenschutzes und seiner Auswirkungen

Die Forschungsergebnisse werfen erhebliche Bedenken hinsichtlich des Datenschutzes auf. Die Gesichtserkennungstechnologie kann ohne die Zustimmung oder das Wissen einer Person eingesetzt werden. Strafverfolgungsbehörden oder andere Stellen können problemlos Gesichtsbilder aus verschiedenen Quellen erhalten, darunter Social-Media-Plattformen, Dating-Websites und staatliche Datenbanken. Die Zugänglichkeit und der potenzielle Missbrauch der Gesichtserkennungstechnologie stellen eine noch nie dagewesene Bedrohung für die Privatsphäre dar.

Obwohl die Untersuchungen wertvolle Einblicke in die möglichen Zusammenhänge zwischen Gesichtsmerkmalen und politischer Orientierung liefern, müssen die Grenzen der Studien berücksichtigt werden. Die Teilnehmer stammten in erster Linie von einer einzigen Privatuniversität, die möglicherweise nicht repräsentativ für eine breite Bevölkerungsgruppe ist. Außerdem könnten inhärente Verzerrungen in der menschlichen Wahrnehmung oder im Design des Algorithmus die Ergebnisse beeinflussen.

Künftige Forschungsarbeiten könnten diese Einschränkungen durch die Einbeziehung eines vielfältigeren Teilnehmerkreises und den Einsatz fortschrittlicher Bildgebungstechnologien beheben. Die Untersuchung dieser Vorhersagen über verschiedene Kulturen und politische Systeme hinweg könnte tiefere Einblicke in die Allgemeingültigkeit der Ergebnisse liefern.

Quellen und weiterführende Informationen

  1. Kosinski, M., Khambatta, P., & Wang, Y. (2024). Facial recognition technology and human raters can predict political orientation from images of expressionless faces even when controlling for demographics and self-presentation. American Psychologist.Advance online publication. https://doi.org/10.1037/amp0001295
  2. Recognition of surgically altered face images: An empirical analysis on recent advances. Sabharwal, Tanupreet; Gupta, Rashmi; Son, Le Hoang; Kumar, Raghvendra; Jha, Sudan, 2019

ai


⊕ Dieser Beitrag wurde auf der Grundlage wissenschaftlicher Fachliteratur und fundierter empirischer Studien und Quellen erstellt und in einem mehrstufigen Prozess überprüft.

Wichtiger Hinweis: Der Beitrag beschäftigt sich mit einem medizinischen Thema, einem Gesundheitsthema oder einem oder mehreren Krankheitsbildern. Dieser Artikel dient nicht der Selbst-Diagnose und ersetzt auch keine Diagnose durch einen Arzt oder Facharzt. Bitte lesen und beachten Sie hier auch den Hinweis zu Gesundheitsthemen!

Gehirn-Computer-Schnittstelle: Videospiele mit Gedanken steuern

Gehirn-Computer-Schnittstelle: Videospiele mit Gedanken steuern

Amalgamfüllungen und ihre Risiken: Erfahren Sie, warum eine Entfernung nur in bestimmten Fällen empfohlen wird....

Neue Diagnose- und Behandlungsmethode bei Brustkrebs

Neue Diagnose- und Behandlungsmethode bei Brustkrebs

Früherkennung von Brustkrebs: Erfahren Sie, wie Mammogramme und KI-Algorithmen das Risiko besser vorhersagen können....

Fitness-Tracker erkennt frühe Anzeichen von Alzheimer

Fitness-Tracker erkennt frühe Anzeichen von Alzheimer

Erfahren Sie, wie tragbaren Geräte künftig die Diagnose und Behandlung der Alzheimer Krankheit verbessern kann....

KI-App erkennt drohende Depression

KI-App erkennt drohende Depression

Frühzeitige Erkennung von Depressionen: MoodCapture analysiert Mimik und Umgebung, um beginnende Depressionen zu erkennen....

ChatGPT entdeckt Medikamente, die off label für Alzheimer nutzbar sind

ChatGPT entdeckt Medikamente, die off label für Alzheimer nutzbar sind

Alzheimer-Krankheit: Forscher nutzen generative künstliche Intelligenz (GAI) zur Identifizierung potenzieller Medikamente....