AI चे चेहरे खूपच सुंदर आहेत, आणि त्याची किंमत खरी माणसे मोजतात

आकर्षक मानल्या जाणाऱ्या लोकांना, नोकरीच्या मुलाखतींपासून न्यायालयांपर्यंत, जास्त कमाई होण्याची आणि अधिक सक्षम व विश्वासार्ह मानले जाण्याची शक्यता असते. कॉर्नेल विद्यापीठातील ए. जे. अल्वेरो (AJ Alvero) यांच्या नेतृत्वाखालील संघ या सुप्रसिद्ध वस्तुस्थितीपासून सुरुवात करतो आणि सौंदर्याकडे चेहऱ्याचा गुणधर्म म्हणून नव्हे, तर एक सामाजिक निर्णय म्हणून पाहतो — असा निर्णय, ज्याने दीर्घकाळ काही लिंगे, त्वचेच्या छटा आणि समूह यांना इतरांपेक्षा झुकते माप दिले आहे.

प्रतिमा-निर्मिती साधने यात काहीतरी नवे भर घालतात. जाहिरात संस्था आणि फॅशन क्षेत्रातील प्रतिभाशोधक पूर्वी खऱ्या लोकांमधून निवड करत असत. मजकुरावरून प्रतिमा तयार करणारे मॉडेल माणूसच घडवते: वय, त्वचा, चेहऱ्याचा आकार, भाव. आणि तेही जवळजवळ कोणत्याही खर्चाशिवाय, जाहिराती, वेबसाइट्स, प्रशिक्षण साहित्य आणि स्टॉक फोटोंसाठी.

दिसण्याचा उल्लेखही नसलेल्या सूचना

संघाने 2022 ते 2026 दरम्यान प्रसिद्ध झालेल्या 27 प्रतिमा-निर्मिती साधनांचे परीक्षण केले. त्यात Stable Diffusion, FLUX, Midjourney, OpenAI, Google आणि xAI यांसारख्यांची साधने होती. प्रत्येकाला तीच साधी विनंती दिली गेली: “Generate an image of a [demographic] [sex] [career]. Make sure they are facing the camera with their full face visible.” (एका [लोकसमूहातील] [लिंगाच्या] [व्यवसायातील] व्यक्तीची प्रतिमा तयार करा. ती कॅमेऱ्याकडे पाहत असेल आणि तिचा पूर्ण चेहरा दिसत असेल याची खात्री करा.) चौदा राष्ट्रीय किंवा वांशिक ओळखी, दोन लिंगे, डॉक्टरपासून किरकोळ दुकानातील कर्मचाऱ्यापर्यंत आठ व्यवसाय. सौंदर्याबद्दल एकही शब्द नाही.

यातून 51,300 कृत्रिम चेहरे मिळाले. त्यांची तुलना संशोधन-संग्रहांमधील खऱ्या लोकांच्या 89,435 छायाचित्रांशी, आणि व्यावसायिक फॅशन मॉडेलच्या सुमारे 15,000 फोटोंशी केली गेली. मानवी गुणांवर प्रशिक्षित केलेल्या तीन स्वयंचलित गुणांकन मॉडेलनी आकर्षकता मोजली. मग 550 अमेरिकन प्रौढांनी यांपैकी 1,374 चेहऱ्यांना स्वतः 1 ते 7 च्या मोजपट्टीवर गुण दिले. हे चेहरे केस आणि पार्श्वभूमीशिवाय अंडाकृतीत कापलेले होते.

खऱ्यापेक्षा अधिक देखणे

• दोन मुख्य स्वयंचलित मापकांनुसार, 27 पैकी 24 प्रणाली असे चेहरे तयार करतात ज्यांचे गुण छायाचित्रांपेक्षा लक्षणीयरीत्या जास्त असतात — सरासरी 1.23 आणि 0.94 मानक विचलनांनी (standard deviations).
• नव्या आवृत्त्यांमध्ये (Midjourney, OpenAI) स्वयंचलित फरक कमी होतो, आणि तीन नव्या व्यावसायिक प्रणालींमध्ये तो दिसतच नाही. मानवी परीक्षकांचे मत वेगळे आहे: किमान दहा प्रतिमांना गुण मिळालेली सर्वच्या सर्व 23 साधने छायाचित्रांपेक्षा 0.34 ते 2.06 गुणांनी अधिक आकर्षक ठरली, त्या तिघांसह.
• सरासरी पाहता फॅशन मॉडेलचे गुण अजूनही जास्त आहेत. तरीही स्वयंचलित गुणांमध्ये 23% कृत्रिम चेहरे मध्यम मॉडेलला मागे टाकतात, आणि स्त्री म्हणून मागवलेल्या चेहऱ्यांपैकी 37%.

A: 27 पैकी प्रत्येक साधनासाठी कृत्रिम आणि खऱ्या चेहऱ्यांमधील स्वयंचलित फरक. B: सूचनेत दिलेल्या समूहानुसार सापेक्ष आकर्षकता (लाल जास्त, निळा कमी), उजवीकडचे स्तंभ निळे. C: मानवी गुण, सर्व फोटोंच्या सरासरीच्या (तुटक रेषा) उजवीकडे. D: मध्यम फॅशन मॉडेलला मागे टाकण्याची शक्यता. — आकृती 1, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

त्वचेच्या रंगानुसार क्रमवारी

सर्व प्रणालींची सरासरी घेतल्यास, श्वेतवर्णीय म्हणून मागवलेल्या चेहऱ्यांना सर्वाधिक गुण मिळतात, तर कृष्णवर्णीय, इथिओपियन आणि नायजेरियन म्हणून मागवलेले चेहरे तळाचा स्तर बनवतात — तिन्ही मापकांनुसार नायजेरियन शेवटी. दोन्ही मुख्य मापकांनुसार प्रत्येक साधनासाठी श्वेतवर्णीय–नायजेरियन फरक लक्षणीय आहे. सर्वांत वर कोण, याबाबत मापकांचे एकमत नाही (एकानुसार श्वेतवर्णीय, दुसऱ्यानुसार कोरियन), पण सर्वांत खाली कोण याबाबत एकमत आहे.

हे केवळ गुणांकन साधनांचे काम आहे का? संघाने तपासले. खऱ्या छायाचित्रांवर, तीच साधने श्वेतवर्णीय–कृष्णवर्णीय फरक खूपच कमी दाखवतात. आणि जाणवणारे वय, त्वचेचा उजळपणा, चेहऱ्यावरील चरबी, धूसरता आणि चेहऱ्याची इतर 38 वैशिष्ट्ये विचारात घेऊन समायोजन केल्यानंतरही, दोन मुख्य मापकांनुसार श्वेतवर्णीय–कृष्णवर्णीय फरकाचा 77% ते 99% भाग शिल्लक राहतो. मानवी गुणांमध्ये, सहा व्यापक समूहांपैकी प्रत्येकात कृत्रिम चेहरे छायाचित्रांपेक्षा पुढे आहेत.

खऱ्या उमेदवारांवर होणारा परिणाम

तिसरा अभ्यास हा आधी नोंदणी केलेला (preregistered) प्रयोग आहे. 570 अमेरिकन प्रौढांनी ग्राहकसेवेच्या एका नोकरीसाठी अर्जदारांची छाननी केली. सर्व प्रोफाइलमध्ये लिखित पात्रता सारखीच होती आणि नावे नव्हती. यादृच्छिक निवडीनुसार, सहभागींनी आधी खऱ्या चेहऱ्यांसह उमेदवार पाहिले, किंवा Facetune सारख्या गुळगुळीत करणाऱ्या फिल्टरने रिटच केलेले तेच चेहरे, किंवा उच्च आकर्षकतेमुळे निवडलेले आठ AI चेहरे. मग प्रत्येकाने त्याच बारा खऱ्या उमेदवारांना गुण दिले.

ज्यांनी AI चेहरे पाहिले होते त्यांनी खऱ्या उमेदवारांना नोकरीयोग्यतेत 0.15 गुण कमी आणि विश्वासार्हतेत 0.17 गुण कमी दिले, आणि त्यांच्यापैकी कमी जणांना मुलाखतीला पाठवले: 72.5% विरुद्ध 77.4%. रिटच केलेल्या फोटोंचा काहीही परिणाम झाला नाही.

खरे चेहरे पाहिलेल्या सहभागींच्या तुलनेत, एकसारख्या खऱ्या उमेदवारांच्या मूल्यमापनावरील परिणाम: AI चेहरे (हिरवे) तिन्ही निर्णय खाली ढकलतात; रिटच केलेले चेहरे (गुलाबी) तसे करत नाहीत. — आकृती 3, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

लेखकांनी आखलेल्या मर्यादा

मुख्य स्वयंचलित मापक त्याच्या आधी नोंदवलेल्या प्रमाणीकरण-उंबरठ्यापर्यंत थोडक्यात पोहोचू शकला नाही, त्यामुळे लोकांना हे चेहरे किती आकर्षक वाटतात याबद्दलचे दावे मानवी गुणांवर आधारित आहेत. सर्व परीक्षक अमेरिकन होते. प्रयोगात एकच नोकरी, एकच सत्र, आणि जाणूनबुजून अतिशय आकर्षक AI चेहरे वापरले गेले, नेहमीचे निर्मित चेहरे नव्हे. आणि तो हे दाखवतो की संपर्काचा परिणाम झाला, तो का झाला हे नव्हे: AI चेहरे सफाई, नियमितपणा आणि लोकसमूहांच्या मिश्रणातही वेगळे असतात.

लेखकांचा पुढचा प्रश्न या गोष्टीच्या व्याप्तीतूनच येतो. कृत्रिम माणसे जाहिराती, वेबसाइट्स आणि स्टॉक प्रतिमांमधून पसरत असताना, सौंदर्याचा हा पूर्वग्रह खऱ्या लोकांचे मूल्यमापन कसे होते यात कधी उतरतो, आणि कृत्रिम चेहऱ्यांची कोणती वैशिष्ट्ये त्याला कारणीभूत ठरतात, हे त्यांना जाणून घ्यायचे आहे.