程序员在Tinder中建立了用于自动配对的神经网络

蒙特利尔大学的研究生Harm de Vries 创建了一个神经网络，并对其进行了培训，以在Tinder社交网络上找到合适的合作伙伴。他必须弄清楚自己的喜好，然后教他们自己的程序。结果，她开始正确地预测研究人员在将近70％的情况下都会喜欢女孩的照片。

De Vray尝试使用约会应用程序Tinder的服务寻找伴侣。该应用程序是根据一个非常简单的方案构建的-它使用GPS确定用户的位置，并将附近其他网络参与者的照片发送给他。如果他不喜欢照片，则向左滑动。喜欢-在右边。如果用户喜欢的用户也在他的智能手机中选择了它，那么这两个用户将能够开始通信。最后，建议为一张照片选择一个伙伴。

De Vray注意到，Tinder不断地给他提供他不喜欢的女孩的照片（例如，穿刺，纹身等）。他意识到该应用程序无法适应他以前的行为，因此像真正的程序员一样，决定编写一个程序来帮助他解决一些日常事务。

为了训练神经网络，程序员选择了10,000张照片。对于一个人来说，这是很多东西，但是对于程序的培训来说，如此困难的任务还不够，因为对一个人的视觉吸引力的识别并不基于简单的特征，例如发色。 8000张照片进行了直接培训，而2000张照片进行了检查。

De Vray本人喜欢社交网络提供的53％的照片，这表明口味很广。但是，在程序第一次运行后，其准确性不足，只有55％，与随机选择相距不远。

然后，程序员决定以另一种方式教授神经网络，并从OkCupid约会网站下载了50万张照片后，他将任务设置为在照片中区分男人和女人。经过几周的运行，网络学会了以93％的准确度执行此任务（程序员本人通过手动完成此任务仅获得95％的准确度）。在收到其他培训照片后，与Tinder合作的计划显示了更令人满意的结果-68％。

De Vray已经对所取得的成就感到满意：据他说，他的最好的朋友在观看随机照片时充分了解他的喜好，其准确率达到了76％。他相信，在不久的将来，人工智能将帮助约会等复杂业务中的人们。

从本质上讲，程序员通常很难忍受常规工作，因此他们试图抓住任何自动化机会。数学家兼程序员Chris McKinley 的案例在2014年使用软件方法处理了已经提到的OkCupid约会站点，这一案例广为人知。然后，他设法收集了有关游客喜好的数据，并且在数据挖掘的帮助下，他发现自己是完美的选择。

Source: https://habr.com/ru/post/zh-CN384351/