Schweizer Forscher haben mit \u201ehowhot\u201c eine Seite ins Netz gestellt, die das Aussehen ihrer Nutzer bewertet. Wie soll das gehen?<\/p>\n
<\/p>\n
Nicht jeder w\u00fcrde die Sache so sportlich nehmen: \u201eIch bin zwanzig und ziemlich h\u00e4sslich, stimmt genau\u201c, lie\u00df ein gewisser FischMaster3001 die Welt per Twitter wissen. Anlass war keine sp\u00e4tpubert\u00e4re Sinnkrise, sondern die Website \u201ehowhot\u201c, die an der ETH Z\u00fcrich entwickelt wurde und die FischMaster3001 ausprobiert hatte. Ihre Software errechnet anhand eines hochgeladenen Fotos Alter und Geschlecht des Abgebildeten. Au\u00dferdem bewertet sie dessen Attraktivit\u00e4t auf einer sechsteiligen Skala, die von \u201eHmm . . .\u201c bis \u201eGodlike\u201c reicht. Diesem Aspekt vor allem verdankt die Seite ihre enorme Popularit\u00e4t. Seit sie am 5. Januar freigeschaltet wurde, haben sie knapp f\u00fcnf Millionen Nutzer besucht und zwanzig Millionen Fotos zur Bewertung hochgeladen.<\/p>\n
Doch hinter der App steckt mehr als nur eine nette Spielerei. Bereits in den 1940er Jahren versuchten Programmierer, die Komplexit\u00e4t und Vernetzung der Nervenzellen im menschlichen Gehirn nachzubilden, um ihren Rechenmaschinen eine Art synthetische Intelligenz einzuhauchen. Heute nutzen Apple, Google und andere die k\u00fcnstlichen Neuronen zum Filtern von Spammails und zur Schrift- und Spracherkennung. Auch auf howhot arbeitet im Hintergrund ein neuronales Netzwerk, w\u00e4hrend der Nutzer auf das Urteil der Maschine wartet.<\/p>\n
Aber ist das Einsch\u00e4tzen von Attraktivit\u00e4t nicht eine h\u00f6chst subjektive Angelegenheit, die man zuallerletzt einem Computerprogramm \u00fcberlassen m\u00f6chte? Tats\u00e4chlich, sagt der howhot-Entwickler Rasmus Rothe, wurden fr\u00fcher \u201eMerkmale, die ein Gesicht sch\u00f6n oder h\u00e4sslich erscheinen lassen, vom Menschen vordefiniert. Dem Computer wurden Regeln in Form eines Algorithmus beigebracht, mit denen er in den Bildern vorgegebene Muster wiedererkennen sollte\u201c – also zum Beispiel die Symmetrie eines Gesichts.<\/p>\n
Rothes howhot wurde dagegen geradezu antiautorit\u00e4r erzogen – keine Regeln, keine Vorgaben. Das neuronale Netzwerk soll selbst lernen, was Sch\u00f6nheit bedeutet. Auch bei der Alters- und Geschlechtsbestimmung ist howhot auf sich allein gestellt. Niemand hat ihm beigebracht, dass alte Menschen Falten haben und Babys ein rundliches Gesicht.<\/p>\n
Howhot sieht sich einfach an, was m\u00f6glichst viele Menschen sch\u00f6n oder h\u00e4sslich finden, und bildet sich daraus in einem selbst\u00e4ndigen Lernprozess Ma\u00dfst\u00e4be daf\u00fcr, was sch\u00f6n und h\u00e4sslich ist. Als Trainingsmaterial, anhand dessen die Software lernte, diente die Datenbank einer Schweizer Dating App. Dort bewerten Nutzer die Profilbilder anderer Nutzer, indem sie diese auf dem Bildschirm nach rechts oder links schieben. Aus der durchschnittlichen Bewertung eines jeden dieser Fotos ergab sich jeweils ein Attraktivit\u00e4tswert, den Rothe – zusammen mit dem zugeh\u00f6rigen Foto – in sein zun\u00e4chst noch v\u00f6llig unwissendes neuronales Netzwerk einf\u00fctterte.<\/p>\n
Solch ein Foto erreicht zun\u00e4chst die erste Neuronenschicht. W\u00e4hrend diese nur einfache Formen erkennt und auf der Suche nach diesen das ganze Bild abrastert, verarbeiten Neuronen weiterer Ebenen dann die Informationen vorhergehender Schichten. Auf diese Weise filtern sie komplexere Muster, wie zum Beispiel ganze Gesichter, heraus. Entscheidend ist, dass die empfangenen Informationen mit unterschiedlicher Gewichtung weitergegeben werden – wird etwa erkannt, dass die Gr\u00f6\u00dfe der Nase von Personen relevant f\u00fcr die Attraktivit\u00e4tsbewertung ist, so lernt das neuronale Netzwerk, diese Information stark zu gewichten.<\/p>\n