Исследование выявило массовые ошибки ИИ при анализе кожи
Компания Haut. AI представила SkinFM — модель искусственного интеллекта для анализа кожи, обученную на более чем 4 млн реальных изображений. Одновременно разработчики запустили открытый бенчмарк SkinBench для сравнения точности специализированных и универсальных нейросетей. Тестирование показало, что популярные ИИ-модели нередко обнаруживали проблемы с кожей там, где их в действительности не было.
Новая модель позволяет анализировать сразу несколько характеристик кожи без необходимости создавать отдельную ИИ-систему для каждой задачи. При этом технологии Haut. AI способны оценивать более 230 параметров кожи и 48 биомаркеров, включая морщины, покраснения и пигментацию. Разработчики рассчитывают, что SkinFM ускорит создание инструментов для персонализированного подбора косметики, оценки состояния кожи и отслеживания ее изменений.
Для проверки точности нейросетей Haut. AI разработала SkinBench — набор из 19 тестов, охватывающих семь характеристик кожи, включая морщины, пигментные пятна, покраснения и темные круги под глазами. В 11 заданиях моделям предстояло распознать и оценить выраженность различных признаков, еще в восьми — определить их расположение. Полученные результаты сравнивали с оценками специалистов.
По данным Haut. AI, ее технология получила 69,6 балла из 100 возможных, опередив шесть протестированных нейросетей, среди которых были модели Google, OpenAI и Anthropic. Лучший результат среди конкурентов показала Gemini 3.5 Flash, набравшая 50,6 балла. В компании подчеркнули, что разница в оценках свидетельствует о существенных различиях в точности специализированных и универсальных ИИ-систем при анализе кожи.
Наиболее заметные ошибки нейросети допускали при оценке области вокруг глаз. Шесть протестированных моделей ошибочно обнаруживали отечность под глазами на 95−100% изображений, где ее не было. Кроме того, универсальные ИИ-системы распознавали лишь от 15 до 60% глубоких морщин на лбу против 82% у Haut. AI. Впрочем, специализированная технология уступила конкурентам в отдельных тестах: например, Gemini 3.5 Flash лучше справилась с оценкой морщин в уголках глаз и определением оттенка кожи.
Ошибки нейросетей при анализе кожи могут обернуться не только неточными оценками, но и ненужными покупками косметики. Если ИИ обнаружит несуществующую проблему, пользователь рискует получить неподходящие рекомендации по уходу. При этом потребители все чаще обращаются к нейросетям за советами. Согласно исследованию NielsenIQ, на которое ссылается Haut. AI, 49% опрошенных уже пользовались рекомендациями генеративного ИИ при выборе косметических продуктов. Для производителей такие ошибки также означают риск потери доверия к персонализированным сервисам.
В дальнейшем Haut. AI намерена расширить SkinBench, включив в тестирование дополнительные нейросети и новые задания. В частности, разработчики хотят проверить стабильность результатов — насколько последовательно ИИ оценивает одни и те же признаки кожи при повторных проверках. Компания также открыла доступ к рейтингу моделей, позволяющему сравнивать их точность по отдельным характеристикам кожи.
Вместе с тем результаты SkinBench нельзя считать независимым подтверждением превосходства технологии Haut. AI. Бенчмарк разработала сама компания, которая также оценивала с его помощью собственные решения. Помимо этого, полученные баллы отражают точность моделей на конкретном наборе заданий и не гарантируют аналогичных результатов при использовании в реальных условиях.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
