Investigadores utilizan una interfaz cerebro-máquina para generar caras atractivas basadas en preferencias personales

Un equipo de investigadores de la Universidad de Helsinki ha creado una inteligencia artificial destinada a generar imágenes de caras atractivas, basadas en las características que las personas que llevan una interfaz cerebro-computadora (BCI) encuentran atractivas. La inteligencia artificial genera características faciales basadas en los datos recopilados por la BCI.

El equipo de investigación estaba formado por científicos informáticos y psicólogos de la Universidad de Helsinki. El equipo de investigación de Helsinki utilizó mediciones de electroencefalografía (EEG) para determinar las características faciales que diferentes personas podrían encontrar atractivas. Las señales de EEG se correlacionaron con características faciales, y luego los datos se alimentaron a una Red Adversaria Generativa (GAN). El sistema de aprendizaje automático se entrenó en las características faciales que una amplia variedad de personas encontraban atractivas y luego fue capaz de invertir los patrones para generar caras completamente nuevas.

Los investigadores hicieron que 30 participantes se sentaran frente a una pantalla mientras se les mostraban imágenes de caras. Estas caras no eran de personas reales, sino generadas por una inteligencia artificial entrenada en un conjunto de datos de más de 200.000 imágenes de celebridades. Los participantes llevaban un casco de EEG conectado con electrodos para registrar y analizar su actividad cerebral mientras veían las diferentes caras. El EEG pudo registrar sus reacciones a las caras que encontraban atractivas. Las mediciones tomadas por el sistema de EEG se alimentaron a la GAN, que interpretó las señales de EEG en términos de cuán atractivas encontraban los participantes la cara. La GAN pudo generar nuevas caras una vez entrenada con estos datos.

El equipo de investigación llevó a cabo un segundo experimento. Las caras recién creadas se mostraron a los mismos voluntarios que habían participado en la sesión de visualización anterior. A los participantes se les pidió que clasificaran las caras en términos de atractivo. Cuando se analizaron los resultados del estudio, los investigadores encontraron que los participantes calificaron las imágenes generadas como atractivas aproximadamente el 80% del tiempo. Esto se compara con las imágenes originales, que se calificaron como atractivas solo el 20% del tiempo.

El tamaño de la muestra del estudio fue bastante pequeño, por lo que no está claro cuán robusto sería el método si se probara en una población más grande. Sin embargo, los resultados son interesantes y son otro ejemplo de cómo los comportamientos y preferencias que parecen insondables pueden cuantificarse con ciertas técnicas de inteligencia artificial.

Michael Spapé, un investigador senior en el Departamento de Psicología y Logopedia de la Universidad de Helsinki, explicó que el estudio muestra cómo las propiedades psicológicas pueden demostrarse con información sobre cómo el cerebro responde a los estímulos. Como explicó Spapé en EurekaAlert:

“El estudio demuestra que somos capaces de generar imágenes que coinciden con la preferencia personal al conectar una red neural artificial con respuestas cerebrales. Tener éxito en la evaluación de la atracción es especialmente significativo, ya que esta es una propiedad psicológica tan conmovedora de los estímulos. La visión por computadora ha sido muy exitosa hasta ahora en categorizar imágenes basadas en patrones objetivos. Al incorporar las respuestas cerebrales a la mezcla, mostramos que es posible detectar y generar imágenes basadas en propiedades psicológicas, como el gusto personal.”

Los investigadores argumentan que el estudio podría tener implicaciones para cómo los computadores entienden las preferencias subjetivas. Las soluciones de inteligencia artificial y las interfaces cerebro-computadora pueden usarse juntas para comprender fenómenos psicológicos complejos. Según Spapé, es posible que podamos investigar otras funciones cognitivas, como la toma de decisiones y la percepción, utilizando técnicas similares. Asumiendo que las tácticas generales utilizadas para interpretar la atracción sean ciertas para otras funciones cognitivas, se podría desarrollar un sistema similar para identificar formas de sesgo o estereotipos.