Souhrn
Výzkumníci použili moderní metody strojového učení k analýze veřejně dostupných dat ze speed datingů a zjistili, že algoritmy dokážou předpovědět vzájemný zájem účastníků s přesností 85,4–86,4 %. Zároveň prokázali, že odstranění rasových údajů z modelu nevede k výraznému poklesu přesnosti, což otevírá cestu k etičtějším aplikacím v oblasti online seznamování.
Klíčové body
- Strojové učení dokáže předpovídat vzájemný zájem ve speed datingu s přesností přes 85 %.
- Výzkum testoval kombinaci různých algoritmů (LGBM, náhodný les, logistická regrese atd.) a metod výběru příznaků.
- Rasově „oslepené“ modely dosahují srovnatelné přesnosti jako modely využívající rasové informace.
- Výsledky naznačují výrazné pohlavní rozdíly v kritériích výběru partnera.
- Studie podporuje vývoj inkluzivnějších a chování zaměřených technologií v oblasti AI pro seznamování.
Podrobnosti
Výzkum využil veřejně dostupnou datovou sadu ze speed datingů (OpenML ID: 40536) a aplikoval na ni širokou škálu algoritmů strojového učení, včetně LightGBM, náhodného lesa, logistické regrese, stochastického gradientního sestupu a metody k nejbližších sousedů. Tyto modely byly kombinovány s různými technikami výběru příznaků – od jednoduchých filtrových metod až po pokročilé embedded a wrapper přístupy. Cílem bylo identifikovat, které faktory nejvíce ovlivňují rozhodnutí o vzájemném zájmu, a zároveň posoudit, zda lze vytvořit modely, které ignorují citlivé atributy jako je rasa, aniž by to negativně ovlivnilo jejich výkonnost. Výsledky ukázaly, že i bez rasových údajů dosahují modely téměř stejné přesnosti, což naznačuje, že rasové preference nejsou klíčovým prediktorem úspěchu ve výběru partnera. Naopak pohlaví účastníků hraje výraznější roli – muži a ženy hodnotí různé vlastnosti (např. vzhled vs. inteligence) odlišně.
Proč je to důležité
Tento výzkum má významné důsledky pro etický vývoj AI v sociálních aplikacích, zejména v oblasti online seznamování. Ukazuje, že je možné navrhovat algoritmy, které nezpevňují existující stereotypy nebo diskriminaci, aniž by to snižovalo jejich užitečnost. V kontextu rostoucí kritiky algoritmické zaujatosti v sociálních technologiích představuje studie praktický příklad, jak lze AI navrhovat inkluzivněji a zároveň efektivně. Zároveň otevírá prostor pro další výzkum chování lidí v partnerských vztazích pomocí datově řízených metod.
Zdroj: 📰 Nature.com
| 