Изследователите използват интерфейс мозък-машина, за да генерират привлекателни лица въз основа на лични предпочитания

Екип от изследователи от университета в Хелзинки създаде AI предназначени да генерират изображения на привлекателно лицеs, въз основа на характеристиките, които хората, носещи интерфейс мозък-компютър (BCI), намират за привлекателни. AI генерира черти на лицето въз основа на данните, събрани от BCI.

Изследователският екип беше комбинация от компютърни учени и психолози от университета в Хелзинки. Изследователският екип от Хелзинки използва електроенцефалографски (ЕЕГ) измервания, за да определи чертите на лицето, които различните хора могат да намерят привлекателни. ЕЕГ сигналите бяха свързани с чертите на лицето и след това данните бяха подавани към Generative Adversarial Network (GAN). След това системата за машинно обучение беше обучена върху чертите на лицето на голямо разнообразие от хора, смятани за привлекателни, и след това успя да проектира обратно тези модели, за да генерира изцяло нови лица.

Изследователите накараха 30 участници да седнат пред екрана, докато им бяха показани изображения на лица. Тези лица не бяха на истински хора, те бяха генерирани от AI, обучен върху набор от данни от над 200,000 XNUMX изображения на знаменитости. Участниците носеха EEG капачка, свързана с електроди, за да записват и анализират мозъчната си дейност, докато гледаха различните лица. ЕЕГ успя да запише реакциите им на лица, които смятаха за привлекателни. Измерванията, направени от EEG системата, се подават на GAN, който интерпретира EEG сигналите по отношение на това колко привлекателно е лицето на участниците. GAN успя да генерира нови лица, след като беше обучен на тези данни.

След това изследователският екип проведе втори експеримент. Новосъздадените лица бяха показани на същите доброволци, които са участвали в предишната сесия за гледане. Участниците бяха помолени да класират лицата по отношение на привлекателността. Когато резултатите от проучването бяха анализирани, изследователите установиха, че участниците оценяват генерираните изображения като привлекателни в приблизително 80% от случаите. Това е в контраст с оригиналните изображения, които са оценени като привлекателни само в 20% от случаите.

Размерът на извадката от проучването беше доста малък, така че не е ясно колко надежден би бил методът, когато се тества върху по-голяма популация. Резултатите обаче са интересни и със сигурност са още един пример за това как поведение и предпочитания, които изглеждат неразгадаеми, могат да бъдат количествено определени с определени техники на ИИ.

Майкъл Спапе, старши изследовател в катедрата по психология и логопедия на университета в Хелзинки, обясни, че проучването показва как психологическите свойства могат да бъдат демонстрирани с информация за това как мозъкът реагира на стимули. Както Спапе обясни в чрез EurekaAlert:

„Проучването демонстрира, че сме способни да генерираме изображения, които отговарят на личните предпочитания, като свързваме изкуствена невронна мрежа с реакциите на мозъка. Успехът в оценката на привлекателността е особено важен, тъй като това е толкова трогателно, психологическо свойство на стимулите. Компютърното зрение досега е било много успешно в категоризирането на изображения въз основа на обективни модели. Чрез въвеждането на мозъчни реакции към микса, ние показваме, че е възможно да се откриват и генерират изображения въз основа на психологически свойства, като личен вкус.

Изследователите твърдят, че проучването може да има последици за това как компютрите разбират субективните предпочитания. Решенията за изкуствен интелект и интерфейсите мозък-компютър могат да се използват паралелно за разбиране на сложни психологически феномени. Според Spapé може да сме в състояние да разгледаме други когнитивни функции, като вземане на решения и възприятие, използвайки подобни техники. Ако приемем, че общите тактики, използвани за тълкуване на привлекателността, са валидни за други когнитивни функции, може да се разработи подобна система за идентифициране на форми на пристрастие или стереотипи.