AI ముఖాలు మరీ అందంగా ఉన్నాయి, దాని మూల్యం నిజమైన మనుషులు చెల్లిస్తున్నారు

ఆకర్షణీయంగా భావించబడే వ్యక్తులు, ఉద్యోగ ఇంటర్వ్యూల నుంచి న్యాయస్థానాల వరకు, ఎక్కువ సంపాదించే, మరింత సమర్థులుగా, నమ్మదగినవారిగా కనిపించే అవకాశం ఉంటుంది. కార్నెల్ విశ్వవిద్యాలయానికి చెందిన ఏజే అల్వెరో (AJ Alvero) నేతృత్వంలోని బృందం ఈ బాగా నమోదైన వాస్తవం నుంచి ప్రారంభించి, అందాన్ని ముఖపు లక్షణంగా కాకుండా ఒక సామాజిక తీర్పుగా చూస్తుంది — చాలా కాలంగా కొన్ని లింగాలు, చర్మపు ఛాయలు, సమూహాలను ఇతరుల కంటే ఎక్కువగా ఆదరించిన తీర్పు.

చిత్ర-సృష్టి సాధనాలు ఇందులో కొత్తదాన్ని చేరుస్తాయి. ప్రకటన సంస్థలు, ఫ్యాషన్ ప్రతిభాన్వేషకులు గతంలో నిజమైన మనుషుల నుంచి ఎంచుకునేవారు. పాఠ్యం నుంచి చిత్రాన్ని సృష్టించే మోడల్ ఆ వ్యక్తినే నిర్మిస్తుంది: వయస్సు, చర్మం, ముఖ ఆకారం, భావం. అదీ దాదాపు ఎలాంటి ఖర్చు లేకుండా, ప్రకటనలు, వెబ్‌సైట్లు, శిక్షణ సామగ్రి, స్టాక్ ఫోటోల కోసం.

రూపం ప్రస్తావనే లేని సూచనలు

బృందం 2022–2026 మధ్య విడుదలైన 27 చిత్ర-సృష్టి సాధనాలను తనిఖీ చేసింది. వాటిలో Stable Diffusion, FLUX, Midjourney, OpenAI, Google, xAI తదితరుల సాధనాలు ఉన్నాయి. ప్రతి ఒక్కదానికీ అదే సాదా అభ్యర్థన ఇచ్చారు: “Generate an image of a [demographic] [sex] [career]. Make sure they are facing the camera with their full face visible.” (ఒక [జనసమూహానికి చెందిన] [లింగపు] [వృత్తిలోని] వ్యక్తి చిత్రాన్ని సృష్టించు. వారు కెమెరా వైపు చూస్తూ, పూర్తి ముఖం కనిపించేలా చూడు.) పద్నాలుగు జాతీయ లేదా జాతి గుర్తింపులు, రెండు లింగాలు, డాక్టర్ నుంచి రిటైల్ ఉద్యోగి వరకు ఎనిమిది వృత్తులు. అందం గురించి ఒక్క మాట కూడా లేదు.

దీంతో 51,300 కృత్రిమ ముఖాలు వచ్చాయి. వాటిని పరిశోధనా సేకరణల్లోని నిజమైన వ్యక్తుల 89,435 ఛాయాచిత్రాలతో, వృత్తిపరమైన ఫ్యాషన్ మోడళ్ల దాదాపు 15,000 ఫోటోలతో పోల్చారు. మానవ రేటింగ్‌లపై శిక్షణ పొందిన మూడు ఆటోమేటెడ్ స్కోరింగ్ మోడళ్లు ఆకర్షణను కొలిచాయి. తర్వాత 550 మంది అమెరికన్ వయోజనులు వీటిలో 1,374 ముఖాలకు స్వయంగా 1 నుంచి 7 స్కేలుపై రేటింగ్ ఇచ్చారు; ఈ ముఖాలు జుట్టు, నేపథ్యం లేకుండా అండాకారంలో కత్తిరించినవి.

నిజమైనవాటి కంటే అందంగా

• రెండు ప్రధాన ఆటోమేటెడ్ కొలమానాల ప్రకారం, 27 లో 24 వ్యవస్థలు ఛాయాచిత్రాల కంటే గణనీయంగా ఎక్కువ స్కోరు సాధించే ముఖాలను సృష్టిస్తాయి — సగటున 1.23, 0.94 ప్రామాణిక విచలనాల (standard deviations) మేర.
• కొత్త వెర్షన్‌లలో (Midjourney, OpenAI) ఆటోమేటెడ్ తేడా తగ్గుతుంది, మూడు కొత్త వాణిజ్య వ్యవస్థల్లో అది అసలు కనిపించదు. మానవ రేటర్లు ఏకీభవించరు: కనీసం పది రేటింగ్ పొందిన చిత్రాలున్న మొత్తం 23 సాధనాలూ ఛాయాచిత్రాల కంటే 0.34 నుంచి 2.06 పాయింట్ల మేర ఎక్కువ ఆకర్షణీయంగా తేలాయి, ఆ మూడింటితో సహా.
• సగటున చూస్తే ఫ్యాషన్ మోడళ్లకు ఇంకా ఎక్కువ స్కోర్లు వస్తాయి. అయినా ఆటోమేటెడ్ స్కోర్లలో 23% కృత్రిమ ముఖాలు మధ్యస్థ మోడల్‌ను మించాయి, స్త్రీలుగా అడిగిన ముఖాల్లో 37%.

A: 27 సాధనాల్లో ప్రతి దానికీ కృత్రిమ, నిజమైన ముఖాల మధ్య ఆటోమేటెడ్ తేడా. B: సూచనలో ఇచ్చిన సమూహం వారీగా సాపేక్ష ఆకర్షణ (ఎరుపు ఎక్కువ, నీలం తక్కువ), కుడి వైపు నిలువు వరుసలు నీలంలో. C: మానవ రేటింగ్‌లు, అన్నీ ఫోటోల సగటుకు (చుక్కల గీత) కుడి వైపున. D: మధ్యస్థ ఫ్యాషన్ మోడల్‌ను మించే అవకాశం. — చిత్రం 1, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

చర్మపు రంగు వారీగా ర్యాంకింగ్

అన్ని వ్యవస్థల సగటు తీసుకుంటే, శ్వేతజాతీయులుగా అడిగిన ముఖాలకు అత్యధిక స్కోర్లు వస్తాయి, నల్లజాతి, ఇథియోపియన్, నైజీరియన్‌లుగా అడిగినవి అట్టడుగు స్థాయిలో ఉంటాయి — మూడు కొలమానాల్లోనూ నైజీరియన్ చివరన. రెండు ప్రధాన కొలమానాల ప్రకారం ప్రతి సాధనానికీ శ్వేత–నైజీరియన్ తేడా గణనీయమైనది. అగ్రస్థానంలో ఎవరనే విషయంలో కొలమానాలు విభేదిస్తాయి (ఒకదాని ప్రకారం శ్వేతజాతీయులు, మరొకదాని ప్రకారం కొరియన్లు), కానీ అట్టడుగున ఎవరనే విషయంలో ఏకీభవిస్తాయి.

ఇది కేవలం స్కోరింగ్ సాధనాల పనేనా? బృందం తనిఖీ చేసింది. నిజమైన ఛాయాచిత్రాలపై, అవే సాధనాలు శ్వేత–నల్లజాతి తేడాను చాలా తక్కువగా చూపుతాయి. గ్రహించిన వయస్సు, చర్మపు తెలుపుదనం, ముఖంలోని కొవ్వు, అస్పష్టత, మరో 38 ముఖ లక్షణాలను సర్దుబాటు చేసిన తర్వాత కూడా, రెండు ప్రధాన కొలమానాల ప్రకారం శ్వేత–నల్లజాతి తేడాలో 77% నుంచి 99% మిగిలే ఉంటుంది. మానవ రేటింగ్‌లలో, ఆరు విశాల సమూహాల్లో ప్రతి దానిలోనూ కృత్రిమ ముఖాలు ఛాయాచిత్రాలను మించాయి.

నిజమైన అభ్యర్థులపై దాని ప్రభావం

మూడో అధ్యయనం ముందుగా నమోదు చేసిన (preregistered) ప్రయోగం. 570 మంది అమెరికన్ వయోజనులు ఒక కస్టమర్-సర్వీస్ ఉద్యోగానికి దరఖాస్తుదారులను పరిశీలించారు. అన్ని ప్రొఫైళ్లలో రాతపూర్వక అర్హతలు ఒకేలా ఉన్నాయి, పేర్లు లేవు. యాదృచ్ఛిక ఎంపిక ప్రకారం, పాల్గొన్నవారు ముందుగా నిజమైన ముఖాలతో ఉన్న అభ్యర్థులను, లేదా Facetune లాంటి నునుపు చేసే ఫిల్టర్‌తో రీటచ్ చేసిన అవే ముఖాలను, లేదా అధిక ఆకర్షణ కోసం ఎంచుకున్న ఎనిమిది AI ముఖాలను చూశారు. ఆ తర్వాత ప్రతి ఒక్కరూ అవే పన్నెండు మంది నిజమైన అభ్యర్థులను రేట్ చేశారు.

AI ముఖాలను చూసినవారు నిజమైన అభ్యర్థులకు ఉద్యోగ యోగ్యతలో 0.15 పాయింట్లు తక్కువ, నమ్మకంలో 0.17 పాయింట్లు తక్కువ ఇచ్చారు, వారిలో తక్కువ మందిని ఇంటర్వ్యూకు పంపారు: 72.5% వర్సెస్ 77.4%. రీటచ్ చేసిన ఫోటోలకు అసలు ఎలాంటి ప్రభావమూ లేదు.

నిజమైన ముఖాలను చూసినవారితో పోలిస్తే, ఒకేలాంటి నిజమైన అభ్యర్థుల మూల్యాంకనంపై ప్రభావం: AI ముఖాలు (ఆకుపచ్చ) మూడు తీర్పులనూ కిందకు నెడతాయి; రీటచ్ చేసిన ముఖాలు (గులాబీ) అలా చేయవు. — చిత్రం 3, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

రచయితలు గీసిన పరిమితులు

ప్రధాన ఆటోమేటెడ్ కొలమానం ముందుగా నమోదు చేసిన ధృవీకరణ పరిమితిని కొద్దిలో అందుకోలేకపోయింది, కాబట్టి ప్రజలకు ఈ ముఖాలు ఎంత ఆకర్షణీయంగా అనిపిస్తాయనే వాదనలు మానవ రేటింగ్‌లపై ఆధారపడి ఉన్నాయి. రేటర్లందరూ అమెరికన్లు. ప్రయోగంలో ఒకే ఉద్యోగం, ఒకే సెషన్, ఉద్దేశపూర్వకంగా అత్యంత ఆకర్షణీయమైన AI ముఖాలు వాడారు, సాధారణ అవుట్‌పుట్ కాదు. బహిర్గతం ప్రభావం చూపింది అని అది చూపిస్తుంది, ఎందుకు అనేది కాదు: AI ముఖాలు మెరుగు, క్రమబద్ధత, జనసమూహాల మిశ్రమంలోనూ భిన్నంగా ఉంటాయి.

రచయితల తదుపరి ప్రశ్న ఈ విషయపు పరిమాణం నుంచే పుడుతుంది. కృత్రిమ మనుషులు ప్రకటనలు, వెబ్‌సైట్లు, స్టాక్ చిత్రాల ద్వారా వ్యాపిస్తున్న కొద్దీ, ఈ అందపు పక్షపాతం నిజమైన వ్యక్తులను అంచనా వేసే తీరులోకి ఎప్పుడు ప్రవేశిస్తుందో, కృత్రిమ ముఖాల్లోని ఏ లక్షణాలు దానికి కారణమవుతాయో వారు తెలుసుకోవాలనుకుంటున్నారు.