Als je een beetje op mij lijkt, is de romantische dystopie van Tinder vooral een oefening in afwijzen. Terwijl je foto's voorbij ziet schieten - is dat alweer een glimlachende persoon die een spierwitte arm over een treurige, verdoofde tijger heen legt - begint de hele situatie een beetje op een Nascar-race te lijken: altijd naar "links" en snel een beetje.Waarom laat Tinder me niet gewoon met een algoritme de mensen zien die ik sowieso aantrekkelijk vind?
Advertentie
Ik loste dit probleem op door de app te verwijderen en mezelf opnieuw aan te bieden aan de wereld van de klassieke datemethodes (het valt wel mee, echt, heus). Maar Harm de Vries en Jason Yosinki, twee PhD informatica studenten aan respectievelijk de universiteit van Montreal en Cornell, besloten het anders aan te pakken: ze bouwden een deep learning algoritme dat de verschillende soorten vrouwen op Tinder kan herkennen."Ik verhuisde naar Montreal om aan mijn PhD te beginnen en begon toen met Tinder," vertelt de Vries me aan de telefoon. "Ik vond consistent niet mijn type. In dit geval vooral heel veel meisjes met tatoeages en piercings. Tinder bleef me maar dit soort foto's laten zien terwijl ik alles wegswipete. Toen werd het wel duidelijk dat ze in ieder geval niet gebruik maken van mijn persoonlijke voorkeuren."Het algoritme hebben ze gepubliceerd op de ArXiv preprint server. Het is nog niet peer-reviewed.
De deep learning-methode die de onderzoekers gebruiken maakt gebruik van "overdraagbaar leren," een methode waarbij een neuraal netwerk getraind wordt om een ding te herkennen (in dit geval, geslacht) waarna het een aantal parameters aangereikt krijgt om andere zaken te herkennen (aantrekkelijkheid).Het netwerk werd getraind om geslacht te herkennen met behulp van 50.000 OKCupid-foto's, waarna die kennis werd losgelaten op 10.000 Tinder-foto's. Het resultaat was een programma dat in 63 procent van de gevallen de mensen wist te herkennen die de Vries aantrekkelijk vond op Tinder aan de hand van hun profielfoto's. Als de afbeeldingen door een vooraf getraind netwerk werden gevoerd schoot de precisie van het programma door naar 68 procent."Het is slechts een kwestie van tijd voordat iemand dit commercialiseert," zegt de Vries. "Als er veel gebruikers zijn kan je het neurale netwerk veel preciezer trainen. Dan wordt het snel veel beter dan deze eerste versie."Oké, het resultaat was dus nog niet perfect. In feite is deze gecompliceerde methode waarschijnlijk niet veel effectiever dan deze robotpen die iedereen naar rechts swipet, maar dat maakt niks uit. De Vries zal vooralsnog met een paar *rilling* meisjes met tattoos moeten blijven omgaan."Het is slechts een kwestie van tijd voordat iemand dit commercialiseert"