Warum sich dein Gesichtsscore zwischen Uploads ändern kann. Und was wir dagegen tun.
Du bildest dir das nicht ein
Eine häufige Sorge bei KI-Gesichtsbewertungen: Dasselbe Bild, mehrmals eingereicht, kann jedes Mal mit einer anderen Zahl zurückkommen. Wenn sich ein Score ändert, obwohl sich an deinem Gesicht nichts geändert hat, misst die App gar nichts. Sie erzeugt eine plausibel klingende Zahl.
Das ist mehr als eine Frage des Stolzes. Wenn dein Ausgangswert zufällig ist, lässt sich dein Fortschritt nicht messen. Ein +4 nach einem Monat disziplinierter Hautpflege könnte einfach ein anderer Würfelwurf sein.
Warum KI-Scores schwanken können
Drei technische Abkürzungen können das verursachen. Erstens kann eine App dein Foto mit einem vagen Prompt („bewerte dieses Gesicht von 1 bis 10“) und ohne feste Bewertungskriterien an ein Sprachmodell schicken, sodass das Modell jedes Mal ein anderes Urteil improvisiert. Zweitens Sampling-Zufall: Dieselben Einstellungen, durch die ein Chatbot in jedem Gespräch anders formuliert, lassen einen Score bei jedem Upload anders ausfallen. Drittens eine uneinheitliche Neuverarbeitung deines Bildes: andere Zuschnitte, andere Komprimierung, anderer Input.
Was es braucht, damit ein Score wiederholbar ist
Wir haben Glowster um ein Versprechen herum gebaut: Lädst du genau dieselbe Fotodatei noch einmal hoch, bekommst du dieselben Scores. Fünf Mechanismen sorgen dafür. (1) Deterministische Vorverarbeitung: Jeder Upload wird auf dieselbe Weise skaliert und normalisiert, sodass das Modell bei identischen Fotos identischen Input sieht. (2) Ein verankertes, versioniertes Bewertungsraster: Das Modell bewertet anhand fester, schriftlicher Stufendefinitionen für jeden Teilfaktor - nicht nach Gefühl -, und jeder Score wird mit der Raster-Version gekennzeichnet, die ihn erzeugt hat. (3) Wir unterdrücken den Sampling-Zufall des Modells nicht - den kontrollieren wir nicht -, aber das müssen wir auch nicht: Die Stabilität des Scores kommt stattdessen vom verankerten Raster und vom nächsten Mechanismus. (4) Mehrere unabhängige Bewertungsdurchläufe, von denen der Median genommen wird - und automatisch weitere Durchläufe, wenn sie voneinander abweichen -, sodass verbleibendes Rauschen des Modells herausgemittelt statt an der Quelle beseitigt wird. (5) Die App rechnet, nicht das Modell: Das Modell bewertet nur vierzehn benannte Teilfaktoren, und deine Merkmalsscores und dein Gesamtscore werden daraus mit einer veröffentlichten, gewichteten Formel berechnet. Die Hauptzahl ist Arithmetik über diese Teilscores, nie eine Zahl, die das Modell improvisiert hat - und genau das ist die oben beschriebene Fehlerquelle für schwankende Scores.
Wenn wir irgendetwas am Bewertungsraster oder am Modell ändern, ändert sich die Versionsnummer, und wir prüfen die Konsistenz vor dem Release erneut an einem festen Fotosatz. Deine alten Scores bleiben mit deinen neuen vergleichbar, oder wir sagen dir, dass sie es nicht sind.
Warum das das ganze Produkt ist
Erst ein konsistenter Score macht den Rest sinnvoll. Dein 90-Tage-Plan zielt auf deine am niedrigsten bewerteten Merkmale - das funktioniert nur, wenn diese Scores ein echtes Signal sind. Jeder Check-in zeigt eine Veränderung - die zählt nur, wenn sie echt ist. Ein schwankender Score kann dir nur den ersten Scan verkaufen. Wir können dir zeigen, wie sich der zweite bewegt.
Teste uns.
Mach deinen Scan, merk dir deine Zahl und scanne dasselbe Foto beim nächsten Check-in noch einmal. Wenn wir mit der Konsistenz falschliegen, merkst du es - genau darum geht es.
Meinen wiederholbaren Score holen →