Yapay Zeka Frenolojisi: Eski Hataları Tekrarlıyoruz!

Her birkaç ayda bir, yüksek eğitimli başka bir akademisyen şu soruyu soruyor: Pekala, 18. yüzyılda çürütülmüş ırk bilimini yapmayı denesem ama bu sefer yapay zeka ile yapsam nasıl olur?

Yapay zeka frenoloji portföyüne en son eklenen çalışma, bir grup ekonomi profesöründen geliyor. Bu profesörler, tek bir yüz fotoğrafını algoritmik olarak analiz ederek, bir kişinin kişiliğini hesaplayıp eğitim ve kariyer sonuçlarını tahmin edebilecek bir yöntem geliştirdiklerini iddia ediyorlar. İşte eserin detayları.

Son dönemlerde benzeri akademik girişimler—örneğin, bir kişinin cinselliğini ya da suç işleme olasılığını yüz hatlarına bakarak tahmin eden algoritmalar gibi—yaygın şekildeeleştirildi ve çürütüldü. Ayrıca, kişilik özelliklerini ölçtüğünü iddia eden ticari yapay zeka araçlarının son derece güvensiz olduğu gösterildi.

Yine de, Pennsylvania Üniversitesi Wharton Okulu’ndan Marius Guenzel ve Shimon Kogan; Indiana Üniversitesi’nden Marina Niessner ve Yale Üniversitesi’nden Kelly Shue, bir kişinin yüz ifadesine bakarak kişiliğini belirleyebileceğine karar verdiler. Wharton’da bulunan çeşitli yapay zeka ve finans araştırma fonlarından finansal destek aldılar ve dünya çapında finansal teknoloji konferanslarında ve üniversitelerde bulgularını sundular.

Yazarlar, 96.000 MBA programı mezununun LinkedIn profil fotoğraflarını topladılar ve yüz ifadesi analizi yapan bir algoritmadan geçirdiler. Bu algoritma, kişinin Big Five kişilik testine göre hangi skorlara sahip olacağını ölçtü. Bu test, kişileri algılanan açıklık, vicdanlılık, dışa dönüklük, uyumluluk ve duygusal dengesizlik konularında değerlendiriyor.

Daha sonra, bu kişilik skorları ile bu kişilerin tamamladığı MBA programlarının prestiji ve tahmin edilen iş gücü tazminatları (LinkedIn verilerini analiz eden bir özel modelle tahmin edilen) arasındaki korelasyonu ölçtüler. Analiz sonucunda, kişiliğin, bir kişinin yüksek sıralamalı bir MBA programına katılmasını ve mezun olduktan sonra ilk işinde ne kadar kazanacağını tahmin etmede “önemli bir rol” oynadığını sonucuna vardılar. Örneğin, en “arzu edilen” kişiliklerin yüzde 20’sinde yer alan erkekler, yüzde 7.3 daha yüksek sıralanmış MBA programlarına katıldılar ve kişiliklerinin arzu edilebilirlik açısından en alt yüzde 20’sine düşen erkeklere göre tahminen yüzde 8.4 daha fazla gelire sahip oldular. Araştırmacılar, kişinin ırkı, yaşı ve çekiciliği gibi faktörleri kontrol ettiklerinde (bunların hepsi tahmin edilmiştir), etkilerin azaldığını gördüler.

Kayda değer bir şekilde, yazarlar algoritmalarının LinkedIn profil fotoğraflarından çıkardığı Big Five kişilik puanlarının doğru olduğunu bağımsız olarak onaylamaya yönelik herhangi bir çaba göstermemiş görünüyorlar. Profillerini analiz ettikleri kişilik testi yapılmadığından, algoritmanın sonuçları doğrulanmamıştır.

Profesörler, bulgularının “kariyer sonuçlarını şekillendirmede bilişsel olmayan becerilerin kritik rolünü” vurguladığını ve yüzleri analiz etmek için yapay zeka kullanmanın, aslında insanlara kişilik testleri yapmadan, akademik inceleme için “yeni yollar sunduğunu… [ve bu tür teknolojilerden yararlanırken] etik, pratik ve stratejik değerlendirmelerin daha fazla keşfini davet ettiğini” belirttiler.

Aynı zamanda, gösterdikleri tekniğin işgücü piyasası taraması için kullanılmaması gerektiğini ve “yüzlerden kişilik çıkarımının en temel biçimiyle istatistiksel ayrımcılığı temsil ettiğini” söylediler.

Diğer bir deyişle, bu bilim insanları yapmaları gerekip gerekmediğini düşündüler, bunun ayrımcı olduğunu gördüler ve sonra yine de yaptılar.