捣乱的人工智能可以减少向左滑动

蒙特利尔大学的博士后研究员Harm de Vries开发了一个改进Tinder建议的人工智能程序。注册帐户是他在2014年8月到达这座城市时要做的第一件事，但是他对结果感到失望。“ Tinder一直向我提供带有很多纹身和刺孔的女性照片，即使我从未选择过一个。我不想得罪任何人，他们根本不是我的类型，”他解释说。他注意到该应用未能记起他的用户历史记录，以便更好地定位自己喜欢的女性，因此，他开发了新软件，并在Arxiv上发布了该软件的详细信息 。他的工作由计算机科学与运筹学系Yoshua Bengio实验室的Aaron Courville和Roland Memisevic教授监督。

对于不熟悉Tinder的我们这些人来说，这是一个移动应用程序，它可以通过查看用户的位置来工作：它可以找到您附近的用户并显示其照片。然后，您可以用手指向右滑动以表示您感兴趣，或者如果不感兴趣则向左滑动。如果有人在您的照片上向右滑动，则表示您是一场比赛，并且可以直接彼此交流。

开发他的程序取决于教它如何识别他喜欢的女性类型。为此，他从Tinder和应用程序中提取了近10,000张图像，并使用算法对其进行了处理。“一万张图像可能看起来很多，但实际上，该程序几乎无法精确预测我可能会感兴趣的图像，因为物理吸引力并不唯一取决于客观特征，例如头发的颜色，” de不好意思。

为了确定其计划的成功率，de Vries的第一步实际上是弄清楚自己的喜好是什么。“我意识到我对53%的女性肖像感兴趣，这意味着我的品味实际上比我想像的还要广泛!” 他说。他的程序的第一个版本允许用户标记图像以训练机器，但结果却好坏参半：55%。“我标记了来自Tinder的所有10,000张图像。8000个用于训练该程序，其余的用于评估该程序的性能。第一个版本的结果几乎比偶然性要好，因为看起来10,000张照片的样本太少了，并且因为预测吸引力比确定图像中是否有人的计算机要复杂得多，”他补充说。

要完善分析，需要应用“深度学习”-一种类似于大脑神经元网络的计算机学习方式。它取决于连续过滤信息。通过图片和标签，连续的过滤器使机器可以学习头发的颜色和性别等概念。这涉及对计算机进行编程，以便可以从他从约会网站OkCupid检索到的500,000张照片中区分出男人和女人。经过几周的学习，计算机以93%的准确度完成了这项任务。相比之下，de Vries亲自执行任务时仅获得了95%的成绩。

接下来，他将来自该学习分析的数据构建到他的原始程序中，以便再次测试它查找他想要的Tinder照片的能力。这导致了68%的成功率。“ 68%的成功率是一个很好的开始，在我认识我的口味很好的一位好朋友看来，我随机抽取了一个样本，却只取得了76%的成绩!” 德弗里斯说。

他的结果使他相信，人工智能可以改善对Tinder用户偏好的计算机分析。至于de Vries，他的下一步将是进一步提高他的计算机的深度学习能力，发展人工智能以帮助人们找到自己的知己。

标签： 人工智能