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

Et hold af forskere fra University of Helsinki 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 computerforskere og psykologer fra University of Helsinki. Helsinki-forskningsholdet brugte elektroencefalografi (EEG)-målinger til at bestemme de ansigts-træk, som forskellige mennesker måske finder tiltrækkende. EEG-signalerne blev korreleret med ansigts-træk, og derefter blev dataene ført til en Generative Adversarial Network (GAN). Maskinlærings-systemet blev derefter trænet på de ansigts-træk, som en bred vifte af mennesker fandt tiltrækkende, og derefter kunne det omvendt ingeniør disse mønstre 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 trænet på en dataset af over 200.000 billeder af celebriteter. Deltagerne bar en EEG-kap med ledninger til elektroder for at optage og analysere deres hjerneaktivitet, 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, som fortolkede EEG-signalerne i forhold til, hvor tiltrækkende deltagernes fandt ansigtet. GAN kunne generere nye ansigter, når det var trænet på denne data.

Forskningsholdet udførte derefter et andet 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 i forhold til tiltrækning. Når resultaterne af studiet blev analyseret, fandt forskerne, at deltagernes 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 studiets stikprøve 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 University of Helsinkis 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 hjerne-responser. At lykkes i vurdering af tiltrækning er særligt betydningsfuldt, da dette er en sådan en poignant, psykologisk egenskab af stimuli. Computer-vision har hidtil været meget succesfuld til at kategorisere billeder baseret på objektive mønstre. Ved at bringe hjerne-responser ind i blandingen, viser vi, at det er muligt at detektere og generere billeder baseret på psykologiske egenskaber, som personlige 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. Antager de generelle taktikker, der blev brugt til at fortolke tiltrækning, holder sig for andre kognitive funktioner, kan et lignende system udvikles til at identificere former for bias eller stereotyper.