AI के चेहरे ज़रूरत से ज़्यादा सुंदर हैं, और क़ीमत असली लोग चुकाते हैं

नौकरी के इंटरव्यू से लेकर अदालतों तक, जिन लोगों को आकर्षक माना जाता है वे अक्सर ज़्यादा कमाते हैं और उन्हें ज़्यादा सक्षम और भरोसेमंद समझा जाता है। कॉर्नेल यूनिवर्सिटी के AJ Alvero के नेतृत्व वाली टीम इसी अच्छी तरह दर्ज तथ्य से शुरुआत करती है और सुंदरता को चेहरे का गुण नहीं, बल्कि एक सामाजिक निर्णय मानती है — ऐसा निर्णय जो लंबे समय से कुछ लिंगों, त्वचा के रंगों और समूहों को दूसरों पर तरजीह देता आया है।

इमेज जनरेटर इसमें कुछ नया जोड़ते हैं। विज्ञापन एजेंसियाँ और फ़ैशन स्काउट पहले असली लोगों में से चुनते थे। टेक्स्ट-से-इमेज मॉडल व्यक्ति को गढ़ता है: उम्र, त्वचा, चेहरे का आकार, भाव। और वह यह लगभग बिना किसी लागत के करता है — विज्ञापनों, वेबसाइटों, प्रशिक्षण सामग्री और स्टॉक फ़ोटो के लिए।

ऐसे प्रॉम्प्ट जो रूप-रंग का ज़िक्र तक नहीं करते

टीम ने 2022 से 2026 के बीच जारी 27 जनरेटरों की जाँच की, जिनमें Stable Diffusion, FLUX, Midjourney, OpenAI, Google और xAI आदि के जनरेटर शामिल थे। हर एक को एक ही सीधा अनुरोध मिला: “एक [जनसांख्यिकीय समूह] [लिंग] [पेशा] की छवि बनाओ। ध्यान रखो कि वह कैमरे की ओर देख रहा हो और उसका पूरा चेहरा दिख रहा हो।” चौदह राष्ट्रीय या जातीय लेबल, दो लिंग, आठ पेशे, डॉक्टर से लेकर दुकान कर्मचारी तक। सुंदरता के बारे में एक शब्द भी नहीं।

इससे 51,300 जनरेट किए गए चेहरे मिले, जिनकी तुलना शोध संग्रहों से ली गई असली लोगों की 89,435 तस्वीरों से और पेशेवर फ़ैशन मॉडलों की लगभग 15,000 तस्वीरों से की गई। मानवीय रेटिंग पर प्रशिक्षित तीन स्वचालित स्कोरिंग मॉडलों ने आकर्षकता मापी। फिर 550 अमेरिकी वयस्कों ने ख़ुद 1,374 चेहरों को 1 से 7 के पैमाने पर अंक दिए; चेहरों को बिना बालों और पृष्ठभूमि के एक अंडाकार में काटा गया था।

असली से भी ज़्यादा सुंदर

• दो मुख्य स्वचालित मापों के अनुसार, 27 में से 24 सिस्टम ऐसे चेहरे बनाते हैं जिनका स्कोर तस्वीरों से उल्लेखनीय रूप से ऊपर है — औसतन 1.23 और 0.94 मानक विचलन।
• हाल के संस्करणों (Midjourney, OpenAI) में स्वचालित अंतर घटता है, और तीन हालिया व्यावसायिक सिस्टमों में कोई अंतर नहीं दिखता। मानव मूल्यांकनकर्ता असहमत हैं: कम से कम दस रेटेड छवियों वाले सभी 23 जनरेटरों को तस्वीरों से ज़्यादा आकर्षक आँका गया, 0.34 से 2.06 अंकों के अंतर से, उन तीन समेत।
• फ़ैशन मॉडल औसतन अब भी ज़्यादा अंक पाते हैं। फिर भी स्वचालित स्कोर पर 23% जनरेट किए गए चेहरे माध्यिका मॉडल से आगे निकलते हैं, और महिला के रूप में माँगे गए चेहरों में 37%।

A: 27 जनरेटरों में से हर एक के लिए जनरेट किए गए और असली चेहरों के बीच स्वचालित अंतर। B: माँगे गए समूह के अनुसार सापेक्ष आकर्षकता (लाल ऊँची, नीली कम), दाईं ओर के कॉलम नीले। C: मानवीय रेटिंग, सभी तस्वीरों के औसत (डैश वाली रेखा) के दाईं ओर। D: माध्यिका फ़ैशन मॉडल से आगे निकलने की संभावना। — चित्र 1, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

त्वचा के रंग के हिसाब से क्रम

सभी सिस्टमों का औसत लेने पर, श्वेत के रूप में माँगे गए चेहरे सबसे ऊपर रहते हैं, जबकि अश्वेत, इथियोपियाई और नाइजीरियाई के रूप में माँगे गए चेहरे सबसे निचली श्रेणी बनाते हैं — तीनों मापों में नाइजीरियाई सबसे आख़िर में। दोनों मुख्य मापों के अनुसार श्वेत–नाइजीरियाई अंतर हर जनरेटर में उल्लेखनीय है। माप इस पर असहमत हैं कि सबसे ऊपर कौन है (एक में श्वेत, दूसरे में कोरियाई), लेकिन इस पर सहमत हैं कि सबसे नीचे कौन है।

क्या यह सिर्फ़ स्कोरिंग टूल्स की बात है? टीम ने जाँचा। असली तस्वीरों पर वही टूल श्वेत–अश्वेत अंतर बहुत कम दिखाते हैं। और दिखने वाली उम्र, त्वचा का हल्कापन, चेहरे की चर्बी, धुंधलापन और 38 अन्य चेहरे की विशेषताओं के लिए समायोजन के बाद भी, दोनों मुख्य मापों पर श्वेत–अश्वेत अंतर का 77% से 99% बना रहता है। मानवीय रेटिंग में, छह व्यापक समूहों में से हर एक के भीतर जनरेट किए गए चेहरे तस्वीरों से आगे रहते हैं।

असली उम्मीदवारों पर इसका असर

तीसरा अध्ययन एक पूर्व-पंजीकृत प्रयोग है। 570 अमेरिकी वयस्कों ने ग्राहक-सेवा की एक नौकरी के आवेदकों की छँटाई की। सभी प्रोफ़ाइलों में लिखित योग्यताएँ एक जैसी थीं और कोई नाम नहीं था। एक यादृच्छिक ड्रॉ के आधार पर, प्रतिभागियों ने पहले या तो असली चेहरों वाले उम्मीदवार देखे, या वही चेहरे Facetune जैसे स्मूदिंग फ़िल्टर से रीटच किए हुए, या अपनी ऊँची आकर्षकता के लिए चुने गए आठ AI चेहरे। फिर सभी ने उन्हीं बारह असली उम्मीदवारों को अंक दिए।

जिन्होंने AI चेहरे देखे थे, उन्होंने असली उम्मीदवारों को नियुक्ति-योग्यता पर 0.15 अंक कम और भरोसेमंदी पर 0.17 अंक कम दिए, और उनमें से कम को इंटरव्यू के लिए भेजा: 72.5% बनाम 77.4%। रीटच की गई तस्वीरों का कोई असर नहीं हुआ।

असली चेहरे देखने वाले प्रतिभागियों की तुलना में, एक जैसे असली उम्मीदवारों के मूल्यांकन पर प्रभाव: AI चेहरे (हरा) तीनों निर्णयों को नीचे धकेलते हैं; रीटच किए गए चेहरे (गुलाबी) नहीं। — चित्र 3, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

लेखकों द्वारा बताई गई सीमाएँ

मुख्य स्वचालित माप अपनी पूर्व-पंजीकृत सत्यापन सीमा से थोड़ा पीछे रह गया, इसलिए लोग चेहरों को कितना आकर्षक पाते हैं, इससे जुड़े दावे मानवीय रेटिंग पर टिके हैं। सभी मूल्यांकनकर्ता अमेरिकी थे। प्रयोग में एक ही नौकरी, एक ही सत्र और जानबूझकर बहुत आकर्षक AI चेहरे इस्तेमाल हुए, सामान्य आउटपुट नहीं। और यह दिखाता है कि इन चेहरों के संपर्क से फ़र्क़ पड़ा, यह नहीं कि क्यों: AI चेहरे चमक-दमक, नियमितता और जनसांख्यिकीय मिश्रण में भी अलग होते हैं।

लेखकों का अगला सवाल इस घटना के पैमाने से निकलता है। जैसे-जैसे जनरेट किए गए लोग विज्ञापनों, वेबसाइटों और स्टॉक इमेजों में फैलते जा रहे हैं, वे जानना चाहते हैं कि यह सौंदर्य पूर्वाग्रह कब असली लोगों को आँकने के तरीक़े तक पहुँचता है, और कृत्रिम चेहरों की कौन-सी विशेषताएँ इसे चलाती हैं।