Forskere bruger hjernen-maskine-grænseflade til at generere tiltrækkende ansigter baseret på personlige præferencer

Et hold af forskere fra Helsinki Universitet har skabt en AI til at generere billeder af tiltrækkende ansigter, baseret på de træk, som individer iført en hjernen-computer-grænseflade (BCI) finder tiltrækkende. AI genererer ansigts-træk baseret på data indsamlet af BCI.

Forskningsholdet var en kombination af computervidenskabsmænd og psykologer fra Helsinki Universitet. Helsinki-forskningsholdet brugte elektroencefalografi (EEG)-målinger til at bestemme, hvilke ansigts-træk forskellige mennesker måske finder tiltrækkende. EEG-signalerne blev korreleret med ansigts-træk, og derefter blev dataene ført til en Generative Adversarial Network (GAN). Maskinelærings-systemet blev derefter trænet på ansigts-træk, som en bred vifte af mennesker fandt tiltrækkende, og derefter kunne det omvendt ingeniør-trækkene til at generere helt nye ansigter.

Forskerne havde 30 deltagere sidde foran en skærm, mens billeder af ansigter blev vist for dem. Disse ansigter var ikke af rigtige mennesker, men var genereret af en AI, der var trænet på en dataset af over 200.000 billeder af kendte personer. Deltagerne bar en EEG-kap med ledninger og elektroder til at optage og analysere deres hjernaktivitet, mens de så på de forskellige ansigter. EEG’en kunne optage deres reaktioner på ansigter, de fandt tiltrækkende. Målinger taget af EEG-systemet blev ført til GAN, der fortolkede EEG-signalerne i forhold til, hvor tiltrækkende deltagerne fandt ansigtet. GAN kunne generere nye ansigter, når den først var trænet på denne data.

Forskningsholdet gennemførte derefter en anden eksperiment. De nyligt skabte ansigter blev vist til de samme frivillige, der havde deltaget i den tidligere visningssession. Deltagerne blev bedt om at rangere ansigterne efter tiltrækkende. Når resultaterne af studiet blev analyseret, fandt forskerne, at deltagerne vurderede de genererede billeder som tiltrækkende ca. 80% af tiden. Dette er i modsætning til de originale billeder, der kun blev vurderet som tiltrækkende 20% af tiden.

Størrelsen af studieprøven var ret lille, så det er ikke klart, hvor robust metoden ville være, hvis den blev testet på en større befolkning. Men resultaterne er interessante, og de er bestemt et andet eksempel på, hvordan adfærd og præferencer, der synes uforståelige, kan kvantificeres med visse AI-teknikker.

Michael Spapé, en seniorforsker ved Helsinki Universitets afdeling for psykologi og logopedi, forklarede, at studiet viser, hvordan psykologiske egenskaber kan demonstreres med information om, hvordan hjernen reagerer på stimuli. Som Spapé forklarede via EurekaAlert:

“Studiet demonstrerer, at vi er i stand til at generere billeder, der matcher personlige præferencer ved at tilslutte en kunstig neural netværk til hjernerespons. At lykkes med at vurdere tiltrækkende er særligt betydningsfuldt, da dette er en sådan en poignant, psykologisk egenskab af stimuli. Computervision har hidtil været meget succesfuld til at kategorisere billeder baseret på objektive mønstre. Ved at bringe hjernerespons ind i blandingen viser vi, at det er muligt at registrere og generere billeder baseret på psykologiske egenskaber, som personlig smag.”

Forskerne argumenterer for, at studiet kunne have implikationer for, hvordan computere forstår subjektive præferencer. AI-løsninger og hjernen-computer-grænseflader kan bruges sammen til at forstå komplekse psykologiske fænomener. Ifølge Spapé kan vi måske se på andre kognitive funktioner, som beslutningstagning og perception, ved hjælp af lignende teknikker. Under forudsætning af, at de generelle taktikker, der bruges til at fortolke tiltrækkende, også gælder for andre kognitive funktioner, kunne et lignende system udvikles til at identificere former for bias eller stereotyper.