Ứng dụng AI xem tướng mặt thực chất đang làm gì?
Khi một ứng dụng đọc ảnh selfie và trả về tính cách, về mặt kỹ thuật nó thường đang chạy một mô hình học máy đã được huấn luyện trên một tập ảnh có nhãn. Nhãn ấy có thể là điểm tính cách do chính người trong ảnh tự khai, hoặc điểm do người khác chấm, hoặc một nhãn nào đó do nhà phát triển tự đặt. Điều ứng dụng trả về không phải là "đọc" khuôn mặt theo nghĩa nhân tướng, mà là một con số ước lượng từ mẫu ảnh, dựa trên những gì mô hình đã học được từ dữ liệu huấn luyện.
Câu hỏi trung tâm của bài này hẹp hơn câu hỏi "nhân tướng học có đúng không". Ở đây chỉ hỏi: khi máy học trên ảnh thật, nó đoán được đến đâu? Các nghiên cứu được dẫn dưới đây đo trên ảnh chụp thật, phần lớn ở nước ngoài, và đo tính cách theo mô hình Big Five (năm nét lớn), không đo vận mệnh hay các bộ vị nhân tướng. Vì vậy kết quả của chúng không thể dùng để khẳng định hay phủ định các quy tắc nhân tướng Á Đông; chúng chỉ nói về giới hạn của việc đoán tính cách từ ảnh.
Nghiên cứu lớn nhất nói gì về độ chính xác?
Loại tri thức: Tư liệuTư liệu lịch sử. Có văn bản, niên đại và nguồn; số chú thích đi kèm trỏ tới nguồn ấy. Năm loại nhãnNghiên cứu quy mô lớn nhất trong nhóm này là của Alexander Kachur và Evgeny Osin cùng cộng sự, công bố năm 2020 trên Scientific Reports1. Nhóm thu 12.447 người tham gia tự nguyện, với tổng cộng 31.367 bức ảnh khuôn mặt, và mỗi người tự khai điểm Big Five của mình1. Sau đó họ huấn luyện một chuỗi mạng nơ-ron nhân tạo để đoán điểm tự báo từ ảnh1.
Kết quả chính: mô hình đoán được các nét tính cách ở mức trên may rủi một cách có ý nghĩa thống kê, cho cả nam và nữ1. Tương quan cao nhất rơi vào nét tận tâm, khoảng 0,360 với nam và 0,335 với nữ; cỡ hiệu ứng trung bình là 0,2431. Nhóm tác giả cũng ghi nhận rằng kết quả này cao hơn các nghiên cứu trước đó dùng ảnh selfie1. Đây là lần đầu một nghiên cứu đạt được dự đoán có ý nghĩa cho nét cởi mở với trải nghiệm1.
Cần đọc con số này cho đúng. Tương quan 0,36 không có nghĩa là hễ nhìn ảnh là biết người ấy tận tâm hay không. Trong nghiên cứu, dự đoán được kiểm trên tập kiểm định gồm 3.137 ảnh thuộc 1.245 cá nhân1. Nhóm tác giả cũng nêu rõ một hạn chế quan trọng: mẫu của họ chủ yếu là người da trắng, nói tiếng Nga, thuộc một nhóm văn hóa và độ tuổi1. Nghĩa là kết quả này chưa được kiểm trên người Việt hay trên các nhóm dân tộc, văn hóa, độ tuổi khác. Ngoài ra, đây là một nghiên cứu đơn lẻ ở mức chứng cứ B: nó cho thấy hiện tượng có thật trong mẫu ấy, nhưng chưa được lặp lại rộng rãi để thành kết luận chắc chắn.
Một chi tiết kỹ thuật đáng chú ý: nhóm tác giả chỉ dùng ảnh có biểu cảm trung tính hoặc gần trung tính, và họ giải thích rằng hiệu ứng yếu hơn ở hướng ngoại và nhiễu tâm có thể vì hai nét này gắn với trải nghiệm cảm xúc tích cực và tiêu cực, trong khi ảnh dùng để huấn luyện đã loại bớt biểu cảm1. Nhóm cũng nhận xét rằng ảnh đời thực, đặc biệt ảnh do người tham gia tự chọn, là một hành vi tổng thể có thể chứa nhiều manh mối khác ngoài nét mặt tĩnh, như ánh sáng, kiểu tóc, góc đầu, chất lượng ảnh1. Đây là điểm rất quan trọng khi đánh giá một ứng dụng thương mại: mô hình có thể đang học từ bối cảnh ảnh chứ không chỉ từ khuôn mặt.
Thí nghiệm ảnh ghép cho thấy điều gì?
Loại tri thức: Tư liệuTư liệu lịch sử. Có văn bản, niên đại và nguồn; số chú thích đi kèm trỏ tới nguồn ấy. Năm loại nhãnTrước nghiên cứu 2020, Anthony C. Little và David I. Perrett đã công bố năm 2007 trên British Journal of Psychology một thí nghiệm dùng ảnh ghép2. Cách làm là ghép ảnh của nhóm người có điểm cao và nhóm người có điểm thấp ở từng nét tính cách, rồi cho người tham gia đoán nét tính cách từ ảnh ghép ấy2. Kết quả tóm tắt: người đoán đúng trên mức may rủi, rõ nhất với tận tâm và hướng ngoại; sức hút, nam tính và tuổi là các manh mối trung gian2.
Điểm cần nhấn mạnh: đây là đoán trên ảnh ghép của cả một nhóm, không phải đoán trên từng người2. Ảnh ghép đã loại bỏ hoặc giữ cố định nhiều đặc điểm cá nhân, nên bài toán dễ hơn nhiều so với việc nhìn một khuôn mặt thật và đoán tính cách người đó. Kachur và Osin cũng nhận xét rằng các nghiên cứu dùng ảnh ghép thường cho cỡ hiệu ứng mạnh hơn, còn nghiên cứu dùng ảnh chụp cá nhân thật thường cho hiệu ứng khiêm tốn hơn1. Vì vậy, nếu một ứng dụng quảng cáo dựa trên kiểu kết quả "ảnh ghép đoán đúng", cần hiểu rằng đó là kết quả ở cấp nhóm, không phải ở cấp cá nhân.
Ấn tượng đầu tiên từ khuôn mặt sai ở đâu và nguy hiểm thế nào?
Loại tri thức: Tư liệuTư liệu lịch sử. Có văn bản, niên đại và nguồn; số chú thích đi kèm trỏ tới nguồn ấy. Năm loại nhãnTổng quan của Alexander Todorov và cộng sự năm 2015 trên Annual Review of Psychology cho thấy con người suy ra tính cách từ khuôn mặt rất nhanh và nhiều người đồng thuận với nhau, nhưng độ chính xác thấp3. Ấn tượng ấy vẫn chi phối các quyết định thật như bầu cử, tuyển dụng và xét xử3.
Điều này có nghĩa: cảm giác "nhìn mặt là biết người" rất mạnh, nhưng mạnh không đồng nghĩa với đúng. Khi một ứng dụng AI trả về kết quả trông có vẻ hợp lý, người dùng dễ tin vì nó khớp với ấn tượng sẵn có. Nhưng theo Todorov, chính ấn tượng sẵn có ấy là thứ thường sai và có thể dẫn tới quyết định sai về người khác3. Đây là lý do các nhà nghiên cứu nhấn mạnh rằng đoán tính cách từ mặt không nên dùng làm căn cứ cho quyết định quan trọng về một con người cụ thể.
Phân tích gộp về độ đáng tin nói gì?
Loại tri thức: Tư liệuTư liệu lịch sử. Có văn bản, niên đại và nguồn; số chú thích đi kèm trỏ tới nguồn ấy. Năm loại nhãnY. Z. Foo và cộng sự năm 2021 công bố trên Personality and Social Psychology Bulletin hai phân tích gộp về độ chính xác khi đoán mức đáng tin từ khuôn mặt4. Kết quả tóm tắt: có độ chính xác nhưng khiêm tốn, với tương quan khoảng 0,14 ở cấp khuôn mặt và 0,27 ở cấp người đoán, và mức độ phụ thuộc vào lĩnh vực hành vi4. Nhóm tác giả đặt câu hỏi liệu đây là "hạt nhân sự thật" hay là "nhân tướng học hiện đại", và kết luận không ủng hộ cách đọc tính cách chắc chắn từ mặt4.
Đây là mức chứng cứ A, tức tổng hợp nhiều nghiên cứu, nên có trọng lượng cao hơn một nghiên cứu đơn lẻ. Con số 0,14 và 0,27 cho thấy tín hiệu có thật nhưng rất nhỏ: nó đủ để nói rằng khuôn mặt mang chút thông tin về cách người khác cảm nhận, nhưng không đủ để kết luận về tính cách thật của một cá nhân.
Bảng đối chiếu các nghiên cứu
| Nghiên cứu | Cỡ mẫu / phạm vi dữ liệu | Nét đoán được | Mức tương quan | Điều không đo |
|---|---|---|---|---|
| Kachur và Osin cùng cộng sự (2020), Scientific Reports1 | 12.447 người, 31.367 ảnh; người da trắng nói tiếng Nga; tập kiểm định 3.137 ảnh của 1.245 người | Cả năm nét Big Five, trên mức may rủi; mạnh nhất là tận tâm | Cao nhất khoảng 0,360 (nam) và 0,335 (nữ) cho tận tâm; cỡ hiệu ứng trung bình 0,243 | Không đo vận mệnh, không kiểm quy tắc nhân tướng, không đo trên người Việt |
| Little và Perrett (2007), British Journal of Psychology2 | Ảnh ghép nhóm điểm cao và điểm thấp | Tận tâm và hướng ngoại rõ nhất; manh mối trung gian: sức hút, nam tính, tuổi | Trên mức may rủi (thẻ thư mục không nêu con số) | Đoán trên ảnh ghép cả nhóm, không phải từng người |
| Todorov và cộng sự (2015), Annual Review of Psychology3 | Tổng quan hệ thống | Quy gán xã hội từ khuôn mặt: nhanh, đồng thuận cao, chính xác thấp | Không nêu con số trong thẻ thư mục | Không đo vận mệnh; nhấn mạnh ấn tượng chi phối quyết định thật |
| Foo và cộng sự (2021), PSPB4 | Hai phân tích gộp | Mức đáng tin từ khuôn mặt | Khoảng 0,14 ở cấp khuôn mặt, 0,27 ở cấp người đoán | Phụ thuộc lĩnh vực hành vi; không ủng hộ đọc tính cách chắc chắn từ mặt |
Vì sao vẫn có tín hiệu nhỏ?
Loại tri thức: Tư liệuTư liệu lịch sử. Có văn bản, niên đại và nguồn; số chú thích đi kèm trỏ tới nguồn ấy. Năm loại nhãnKachur và Osin cùng cộng sự nêu bốn nhóm lý do có thể giải thích mối liên hệ giữa ảnh khuôn mặt và tính cách1. Thứ nhất, một số nét tính cách gắn với hành vi biểu cảm cảm xúc thường xuyên, và biểu cảm thường xuyên có thể định hình nét mặt tĩnh, tạo nếp nhăn hoặc phát triển cơ mặt1. Thứ hai, ngoại hình có thể ảnh hưởng đến cách người khác đối xử, từ đó ảnh hưởng đến sự phát triển tính cách, theo kiểu "lời tiên tri tự ứng nghiệm" hoặc "lời tiên tri tự phản"1. Thứ ba, các đặc điểm hình thái khuôn mặt có thể liên quan đến một số nét tính cách1. Thứ tư, ảnh đời thực còn chứa manh mối ngoài khuôn mặt như ánh sáng, kiểu tóc, góc chụp1.
Chính vì có nhiều con đường như vậy, tín hiệu nhỏ trong nghiên cứu không nên được đọc thành "khuôn mặt quyết định tính cách". Nó chỉ nói rằng trong một tập dữ liệu cụ thể, có một mối liên hệ yếu giữa ảnh và điểm tự báo. Mối liên hệ yếu ấy không cho phép đoán đúng một người cụ thể, và càng không cho phép suy ra vận mệnh.
Điều bài này không nói
Bài này không đánh giá bất kỳ ứng dụng xem tướng cụ thể nào, vì không có dữ liệu kiểm định độc lập về các ứng dụng ấy. Bài này cũng không kiểm định các bộ vị nhân tướng Á Đông như trán, mắt, mũi, cằm, hay các quy tắc như tam đình, ngũ nhạc. Các nghiên cứu được dẫn ở đây đo tính cách theo mô hình Big Five, một khung phương Tây, và không đo các khái niệm của nhân tướng học. Vì vậy kết quả của chúng không thể dùng để khẳng định nhân tướng học đúng hay sai; chúng chỉ nói về giới hạn của việc đoán tính cách từ ảnh bằng máy học.
Loại tri thức: Chưa đủ bằng chứngChưa đủ bằng chứng. Có người nêu, nhưng chưa có nguồn hay nghiên cứu đủ để khẳng định. Năm loại nhãnHiện chưa có nghiên cứu trên người Việt về việc đoán tính cách từ ảnh khuôn mặt, và chưa có nghiên cứu kiểm định các quy tắc nhân tướng Á Đông bằng phương pháp máy học. Đây là khoảng trống bằng chứng cần nói rõ, thay vì suy rộng từ kết quả nước ngoài sang người Việt.
Hiệu ứng có thật nhưng sinh ra từ niềm tin
Loại tri thức: Dân gianQuan niệm dân gian. Điều người ta tin, kiêng hay truyền miệng, ghi lại như một niềm tin chứ không như một sự thật đã kiểm. Năm loại nhãnTrong dân gian, nhiều người tin rằng nhìn mặt có thể đoán được tính cách, và một số người thực hành nhân tướng học dựa trên niềm tin ấy. Niềm tin này có thể tạo ra hiệu ứng có thật theo một con đường khác: khi người ta tin vào một mô tả về mình, họ có thể thay đổi hành vi, và hành vi thay đổi có thể dẫn đến kết quả khác đi. Đây là hiệu ứng có thật, nhưng nó sinh ra từ niềm tin và hành vi, không phải từ việc hệ ấy "đoán đúng" khuôn mặt. Nói cách khác, cần phân biệt hai chuyện: hệ ấy đoán đúng, và người tin thay đổi hành vi. Chỉ chuyện thứ hai mới có cơ chế rõ ràng, và nó không biến hệ ấy thành công cụ đo lường chính xác.
Cách đọc đúng cho người dùng ứng dụng: coi kết quả như một gợi ý giải trí, không dùng làm căn cứ cho quyết định về công việc, tình cảm hay tiền bạc của một người cụ thể. Với nhà phát triển, điều đáng làm là công bố cỡ mẫu, phạm vi dữ liệu và mức tương quan thật, thay vì chỉ nói "AI đoán chính xác".
Liên hệ với bài đã có
Bài Khoa học nói gì về xem tướng mặt đã trình bày nền tảng về Todorov và Foo, tức các tổng quan về độ chính xác của ấn tượng từ khuôn mặt. Bài này bổ sung góc máy học trên ảnh, tập trung vào câu hỏi về ứng dụng AI và độ lớn của tín hiệu trong các nghiên cứu dùng ảnh thật.
