Los investigadores utilizan la interfaz cerebro-máquina para generar caras atractivas basadas en preferencias personales

Un equipo de investigadores de la Universidad de Helsinki ha creado una IA destinados a generar imágenes de caras atractivass, basado en las características que las personas que usan una interfaz cerebro-computadora (BCI) encuentran atractivas. La IA genera rasgos faciales basados ​​en los datos recopilados por el BCI.

El equipo de investigación estaba formado por una combinación de informáticos y psicólogos de la Universidad de Helsinki. El equipo de investigación de Helsinki utilizó mediciones de electroencefalografía (EEG) para determinar los rasgos faciales que diferentes personas podrían encontrar atractivos. Las señales de EEG se correlacionaron con los rasgos faciales y luego los datos se enviaron a una Red Generativa Adversaria (GAN). Luego, el sistema de aprendizaje automático se entrenó en los rasgos faciales que una amplia variedad de personas encontraban atractivos y luego pudo aplicar ingeniería inversa a estos patrones para generar rostros completamente nuevos.

Los investigadores hicieron que 30 participantes se sentaran frente a una pantalla mientras se les mostraban imágenes de rostros. Estos rostros no eran de personas reales, fueron generados por una IA entrenada en un conjunto de datos de más de 200,000 imágenes de celebridades. Los participantes usaron una gorra de EEG conectada con electrodos para registrar y analizar su actividad cerebral mientras veían las diferentes caras. El EEG pudo registrar sus reacciones a las caras que encontraron atractivas. Las medidas tomadas por el sistema EEG se enviaron al GAN, que interpretó las señales EEG en términos de qué tan atractivos los participantes encontraron la cara. La GAN pudo generar nuevas caras una vez entrenada con estos datos.

Luego, el equipo de investigación llevó a cabo un segundo experimento. Los rostros recién creados se mostraron a los mismos voluntarios que habían participado en la sesión de visualización anterior. Se pidió a los participantes que clasificaran los rostros 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% de las veces. Esto contrasta con las imágenes originales, que se calificaron como atractivas solo el 20 % de las veces.

El tamaño de la muestra del estudio fue bastante pequeño, por lo que no está claro qué tan sólido sería el método cuando se probara en una población más grande. Sin embargo, los resultados son interesantes y sin duda son un ejemplo más de cómo comportamientos y preferencias que parecen inescrutables pueden cuantificarse con ciertas técnicas de IA.

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

“El estudio demuestra que somos capaces de generar imágenes que coincidan con las preferencias personales conectando una red neuronal artificial a las respuestas cerebrales. Tener éxito en la evaluación del atractivo es especialmente importante, ya que se trata de una propiedad psicológica muy conmovedora de los estímulos. Hasta ahora, la visión por computadora ha tenido mucho éxito en la clasificación de imágenes basándose en patrones objetivos. Al incorporar respuestas cerebrales a la mezcla, demostramos que es posible detectar y generar imágenes basadas en propiedades psicológicas, como el gusto personal”.

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