Modellering af menneskelig adfærd med Airbnb

Forskere ved Idiap og EPFL har arbejdet med psykologer for at forstå, hvordan folk danner første indtryk fra fotos. De fokuserede på, hvordan folk reagerer på ejendomme, der er tilgængelige på Airbnb. Bedre analyse af menneskelig adfærd bør give forskere mulighed for at programmere maskiner, der er i stand til at træffe flere "menneskelige" beslutninger.

Med bare et par klik på TripAdvisor eller Airbnb, du kan bestille en romantisk lejlighed til en weekend væk med din partner, eller en stilfuld restaurant til en forretningsfrokost. De hurtige beslutninger involveret, hovedsagelig baseret på billeder, er langt fra trivielle i betragtning af deres kommercielle betydning og den økonomiske revolution repræsenteret ved fremkomsten af ​​on-demand økonomi-websteder som Airbnb. Men hvad er det ved et billede, der får os til at beskrive et interiør som "trendy", "farverig" eller "praktisk"? For at besvare det spørgsmål, forskere ved Idiap Research Institute og på EPFL har arbejdet med psykologer fra University of Lausanne. De ønsker at få en bedre forståelse af sociale mediebrugeres opfattelser og adfærd og derefter bruge denne viden til at programmere computere, der er i stand til at træffe beslutninger på en mere menneskelig måde. "I en periode med big data, maskiner står i stigende grad bag et stort antal beslutninger, "forklarer Daniel Gatica-Perez, adjungeret professor ved EPFL School of Engineering and Digital Humanities Institute. "Vores mål er at gøre dem så lignede menneskelige beslutninger som muligt."

Et samarbejde mellem psykologer og ingeniører

For at forstå, hvordan et første indtryk dannes, forskere foretog først interviews med gæster og rejsende, spørger dem, hvordan de vælger overnatningssteder. De brugte 350, 000 billeder af 22, 000 ejendomme opført på Airbnb i Schweiz og Mexico, og anvendte dem en algoritmisk analyse for at kontrollere, at de var billeder af interiører. De valgte derefter 200 ejendomme tilfældigt og sendte en liste over adjektiver til online -observatører. Disse observatører måtte beslutte, hvor nøjagtigt adjektiverne beskrev hver egenskab, på en skala fra 1 til 7. Nogle adjektiver var mere faktuelle (f.eks. "rene" og "rodede"), mens andre var mere subjektive (f.eks. "boheme" og "charmerende"). Den fase, udført i samarbejde mellem psykologer og ingeniører, afsløret, hvilke egenskaber alle deltagerne var enige om, og hvilke de var uenige om. For ejendomme beskrevet som "farverige" eller "mørke, "de fleste respondenter var enige i disse tillægsord, og scoren var meget ens. Resultater for andre tillægsord, såsom "afslappet" eller "traditionel, "varierede meget afhængigt af ejendommen.

Analyse af menneskelig opfattelse online

Forskerne udførte derefter modellering baseret på de opnåede data. De forsøgte at opdage, hvilke egenskaber ved billederne fik deltagerne til at beskrive dem ved hjælp af et givet adjektiv, for at programmere computere til at genkende dem. Næste, de kiggede på, i hvilket omfang adjektiverne var indbyrdes forbundne. Vil folk, der beskriver en ejendom som "farverig", også forbinde adjektivet "ren" med den ejendom? Hvad er forbindelsen mellem "prætentiøs, "smarte, "" organiseret "og" stor "? Hvordan er positive og negative adjektiver, og faktuelle og subjektive tillægsord, indbyrdes forbundne? Og hvorfor er adjektivet "romantisk" tættere forbundet med "sofistikeret" end med "trendy"? "Vi forventer måske, at 'stort' og 'rummeligt' vil være meget tæt på hinanden i folks sind, og 'rodet' og 'tom' for at være meget langt fra hinanden, "siger Gatica-Perez." Men relationerne er mere komplekse. Ved hjælp af vores system, hvis vi genkender en egenskab, vi kan også forbinde andre tillægsord, der er forbundet med dem, i folks sind. "

Maskiner, der hjælper mennesker

Endelig, forskerne tog ejendomsbillederne og anvendte algoritmer, der blev brugt inden for dyb læring, sammenligne resultaterne med dem, der er opnået fra mennesker. Til sidst, fagfolk som arkitekter eller designere kunne anvende resultaterne på fotos af interiører. Laboratoriet overvåger også udviklingen af ​​billeddelingssteder, som, for et givet sted, vise meget forskellige fotos - professionelle og amatører - hvilket fører til vidt forskellige opfattelser. Imidlertid, forskernes hovedmål er at forstå billedets karakteristika og de forbindelser, der bestemmer den måde, vi danner indtryk på, så de kan programmere computere til at efterligne dem. "Vi hører ofte, at maskiner fungerer bedre end mennesker, "afslutter Gatica-Perez." Vores mål er anderledes:vi vil træne maskiner til at genkende disse finesser, som mennesker opfatter og udtrykker i deres daglige liv, og at bruge dem til at understøtte folks reelle behov. "

"Check Out This Place:Inferring Ambiance from Airbnb Photos" er offentliggjort i IEEE -transaktioner på multimedier .