Forscher verwenden Brain-Computer-Interface, um anhand persönlicher Vorlieben attraktive Gesichter zu generieren

Ein Team von Forschern der Universität Helsinki hat eine künstliche Intelligenz entwickelt, die aufgrund der Merkmale, die Einzelpersonen mit einem Brain-Computer-Interface (BCI) als attraktiv empfinden, Bilder von attraktiven Gesichtern generiert. Die künstliche Intelligenz generiert Gesichtsmerkmale auf der Grundlage der Daten, die vom BCI gesammelt werden.

Das Forschungsteam bestand aus einer Kombination von Informatikern und Psychologen der Universität Helsinki. Das Team aus Helsinki verwendete Elektroenzephalographie- (EEG-) Messungen, um die Gesichtsmerkmale zu bestimmen, die verschiedene Menschen als attraktiv empfinden könnten. Die EEG-Signale wurden mit Gesichtsmerkmalen korreliert und dann an ein Generatives Adversarial Network (GAN) weitergeleitet. Das maschinelle Lernsystem wurde dann auf die Gesichtsmerkmale trainiert, die eine Vielzahl von Menschen als attraktiv empfanden, und konnte dann diese Muster umkehren, um völlig neue Gesichter zu generieren.

Die Forscher ließen 30 Teilnehmer vor einem Bildschirm sitzen, während ihnen Bilder von Gesichtern gezeigt wurden. Diese Gesichter gehörten nicht realen Personen, sondern waren von einer künstlichen Intelligenz generiert worden, die auf einer Datenbank von über 200.000 Bildern von Celebrities trainiert worden war. Die Teilnehmer trugen eine EEG-Kappe mit Elektroden, um ihre Hirnaktivität aufzuzeichnen und zu analysieren, während sie die verschiedenen Gesichter betrachteten. Die EEG-Kappe konnte ihre Reaktionen auf Gesichter aufzeichnen, die sie als attraktiv empfanden. Die Messungen, die vom EEG-System aufgezeichnet wurden, wurden an das GAN weitergeleitet, das die EEG-Signale in Bezug auf die Attraktivität der Gesichter interpretierte, die die Teilnehmer sahen. Das GAN konnte neue Gesichter generieren, nachdem es auf diese Daten trainiert worden war.

Das Forschungsteam führte dann ein zweites Experiment durch. Die neu generierten Gesichter wurden den gleichen Freiwilligen gezeigt, die an der vorherigen Betrachtungssitzung teilgenommen hatten. Die Teilnehmer wurden gebeten, die Gesichter nach ihrer Attraktivität zu bewerten. Als die Ergebnisse der Studie analysiert wurden, fanden die Forscher heraus, dass die Teilnehmer die generierten Bilder etwa 80 % der Zeit als attraktiv bewerteten. Dies steht im Gegensatz zu den ursprünglichen Bildern, die nur 20 % der Zeit als attraktiv bewertet wurden.

Die Stichprobengröße der Studie war ziemlich klein, so dass nicht klar ist, wie robust die Methode bei einer größeren Population wäre. Die Ergebnisse sind jedoch interessant und sie sind ein weiteres Beispiel dafür, wie Verhaltensweisen und Vorlieben, die undurchschaubar erscheinen, mit bestimmten künstlichen Intelligenz-Techniken quantifiziert werden können.

Michael Spapé, ein Senior-Forscher am Department of Psychology and Logopedics der Universität Helsinki, erklärte, dass die Studie zeigt, wie psychologische Eigenschaften mit Informationen über die Hirnreaktionen auf Reize demonstriert werden können. Wie Spapé in einer Erklärung auf EurekaAlert erläuterte:

“Die Studie zeigt, dass wir in der Lage sind, Bilder zu generieren, die der persönlichen Vorliebe entsprechen, indem wir ein künstliches neuronales Netzwerk mit Hirnreaktionen verbinden. Es ist besonders wichtig, dass wir die Attraktivität beurteilen können, da dies eine so poignante psychologische Eigenschaft des Reizes ist. Die Computer-Vision war bisher sehr erfolgreich darin, Bilder auf der Grundlage objektiver Muster zu kategorisieren. Indem wir Hirnreaktionen in die Mischung einbeziehen, zeigen wir, dass es möglich ist, Bilder auf der Grundlage psychologischer Eigenschaften wie persönlicher Geschmack zu erkennen und zu generieren.”

Die Forscher argumentieren, dass die Studie Auswirkungen auf das Verständnis subjektiver Vorlieben durch Computer haben könnte. Künstliche Intelligenz-Lösungen und Brain-Computer-Interfaces können zusammen verwendet werden, um komplexe psychologische Phänomene zu verstehen. Laut Spapé könnten wir möglicherweise andere kognitive Funktionen wie Entscheidungsfindung und Wahrnehmung mit ähnlichen Techniken untersuchen. Wenn die allgemeinen Taktiken, die zur Interpretation von Attraktivität verwendet werden, auch für andere kognitive Funktionen gelten, könnte ein ähnliches System entwickelt werden, um Formen von Vorurteilen oder Stereotypen zu identifizieren.