Beyond the realms of attractiveness: investigating time perception and AI evaluations

Abstract

Os julgamentos de atratividade moldam os nossos comportamentos diários, tendo um impacto nas nossas interacções sociais e ao nível reprodutivo. A investigação tem demonstrado que a sensação de “congelamento do tempo” que experienciamos ao vermos uma pessoa atraente resulta de um mecanismo evolutivo associado à prontidão para a ação, provocado por uma excitação fisiológica. No entanto, ainda não está claro como fatores como o ciclo menstrual e as expressões emocionais influenciam a relação entre a atratividade e a percepção temporal. Adicionalmente, com o avanço da Inteligência Artificial (IA), torna-se crucial perceber como os modelos de predição de atratividade facial tomam decisões. Assim, procuramos analisar se o dimorfismo sexual e a emocionalidade influenciam as avaliações destes modelos. Conduzimos quatro estudos: os dois primeiros exploraram a perceção temporal de estímulos atraentes; os últimos focaram-se em avaliações algorítmicas de atratividade. No Estudo 1, examinámos o efeito do ciclo menstrual nas perceções temporais de estímulos atraentes, enquanto o Estudo 2 explorou a interação entre a emocionalidade e atratividade facial na perceção temporal de participantes de ambos os géneros. Nos Estudos 3 e 4, avaliámos o impacto do dimorfismo sexual (Estudo 3) e expressões emocionais (Estudo 4) nas predições de atratividade feitas por um modelo de IA (VGG-19). De acordo com o esperado, as vozes masculinizadas foram reproduzidas durante mais tempo na fase fértil do ciclo menstrual. E ainda, corroboramos resultados de estudos anteriores acerca do efeito da visualização de faces atraentes na dilatação temporal. Contudo, não encontramos evidência a suportar uma influência quer do ciclo menstrual ou das expressões emocionais neste efeito. Em termos de IA, o modelo demonstrou uma preferência por rostos femininos e por expressões de felicidade ou neutras, alinhando-se com teorias sobre preferências evolutivas ligadas à qualidade reprodutiva e ao investimento parental. Esta tese investiga os fatores que contribuem para a sobrestimação de estímulos atraentes e avança a compreensão dos processos subjacentes envolvidos nas avaliações humanas e algorítmicas da atratividade.

Judgments of attractiveness shape our daily behaviors, thus understanding the cognitive processes involved in this perception offers evolutionary advantages that impact reproduction and social interactions. Previous research suggests that the “time-freezing” sensation we experience when encountering an attractive person stems from an evolutionary mechanism linked to action readiness, triggered by a physiological arousal response. However, it remains unclear how factors such as the menstrual cycle and emotional expressions influence the relationship between attractiveness and time perception. Additionally, with the advancement of AI, it is crucial to understand how facial attractiveness prediction models make their decisions. In this work, we investigate whether variables such as sexual dimorphism and emotionality affect attractiveness evaluations of AI models. We conducted four studies: the first two explored the time perception of attractive stimuli; the last two focused on algorithmic evaluations of attractiveness. In Study 1, we examined the effect of the menstrual cycle on temporal perceptions of attractive stimuli, while Study 2 explored the interaction between emotionality and facial attractiveness on the time perception of participants of both genders. In Studies 3 and 4, we assessed the impact of variables such as sexual dimorphism (Study 3) and emotional expressions (Study 4) on attractiveness predictions made by an AI model (VGG-19). As expected, masculinized voices were reproduced for a longer duration during the fertile phase of the menstrual cycle. Additionally, we corroborate findings from previous studies regarding the effect of viewing attractive faces on temporal dilation. However, we found no evidence to support an influence of either the menstrual cycle or emotional expressions on this effect. In terms of AI, the model demonstrated a preference for feminine faces and for happy or neutral expressions, aligning with theories about evolutionary preferences related to reproductive quality and parental investment. This work investigates the factors that contribute to the overestimation of attractive stimuli and advances our understanding of the underlying processes involved in attractiveness evaluations, both human and algorithmic.