Tutkijat käyttävät aivokone-liittymää luomaan miellyttäviä kasvoja henkilökohtaisten mieltymysten perusteella

Helsingin yliopiston tutkijaryhmä on luonut tekoälyjärjestelmän, joka luo miellyttäviä kasvoja, joissa on niiden piirteet, jotka yksilöt, jotka käyttävät aivokone-liittymää (BCI), pitävät miellyttävinä. Tekoäly luo kasvonpiirteitä aivokone-liittymän keräämien tietojen perusteella.

Tutkijaryhmä koostui Helsingin yliopiston tietojenkäsittelytieteilijöistä ja psykologeista. Helsingin tutkijaryhmä käytti elektroenkefalografiatuottoja (EEG) määrittämään kasvonpiirteitä, joita eri ihmiset saattavat pitää miellyttävinä. EEG-signaaleja korreloitiin kasvonpiirteiden kanssa, ja sitten data syötettiin generatiiviseen vastakkainoppijärjestelmään (GAN). Konenoppimisjärjestelmä koulutettiin kasvonpiirteillä, joita laaja joukko ihmisiä piti miellyttävinä, ja sitten se pystyi kääntämään nämä mallit uusiksi kasvoiksi.

Tutkijat pyysivät 30 osanottaista istumaan näytön eteen, kun heille näytettiin kasvojen kuvia. Nämä kasvot eivät olleet oikeiden ihmisten kasvoja, vaan ne oli luonut tekoäly, joka oli koulutettu yli 200 000 julkisuuden henkilön kuvista. Osanottajat käyttivät EEG-kypärää, jossa oli elektrodit, jotka rekisteröivät ja analysoivat heidän aivotoimintaa, kun he katsoivat eri kasvoja. EEG pystyi rekisteröimään heidän reaktionsa kasvoihin, joita he pitivät miellyttävinä. EEG-järjestelmän mittaukset syötettiin GAN:lle, joka tulkitsi EEG-signaaleja siinä, kuinka miellyttäviä osanottajat pitivät kasvoista. GAN pystyi luomaan uusia kasvoja, kun se oli koulutettu tällaisiin tietoihin.

Tutkijaryhmä toteutti toisen kokeen. Uudet kasvot näytettiin samoisille vapaaehtoisille, jotka olivat osallistuneet aiempaan katselusessioon. Osanottajilta pyydettiin arvioimaan kasvojen miellyttävyyttä. Kun tutkimuksen tuloksia analysoitiin, tutkijat totesivat, että osanottajat arvioivat luodut kuvat miellyttäviksi noin 80 prosentissa tapauksista. Tämä on vastakohtana alkuperäisille kuville, joita arvioitiin miellyttäviksi vain noin 20 prosentissa tapauksista.

Tutkimuksen otoskoko oli melko pieni, joten ei ole selvää, kuinka vankkaa menetelmä olisi, jos se testattaisiin suuremmalla väestöllä. Tutkimuksen tulokset ovat kuitenkin mielenkiintoisia, ja ne ovat toinen esimerkki siitä, kuinka käyttäytymistä ja mieltymyksiä, jotka näyttävät arvioitavilta, voidaan määrittää tietynlaisilla tekoälymenetelmillä.

Helsingin yliopiston psykologian ja logopedian laitoksen vanhempi tutkija Michael Spapé selitti, että tutkimus osoittaa, kuinka psykologiset ominaisuudet voidaan osoittaa tietojen avulla siitä, kuinka aivot reagoivat ärsykkeisiin. Spapén mukaan tutkimus osoittaa, että pystymme luomaan kuvia, jotka vastaavat henkilökohtaista mieltymystä yhdistämällä tekoälyverkon aivovasteisiin. Onnistuminen miellyttävyyden arvioinnissa on erityisen merkittävää, koska se on niin voimakas psykologinen ominaisuus ärsykkeessä. Tietokoneen näkö on ollut hyvin menestyksekäs kuvien luokitteluun objektiivisten mallien perusteella. Yhdistämällä aivovasteet tietokoneen näköön, osoitamme, että on mahdollista havaita ja luoda kuvia psykologisten ominaisuuksien, kuten henkilökohtaisen maun, perusteella.

Tutkijat väittävät, että tutkimus voi olla merkittävä keino ymmärtää, kuinka tietokoneet ymmärtävät subjektiivisia mieltymyksiä. Tekoälyratkaisuja ja aivokone-liittymiä voidaan käyttää yhdessä ymmärtämään monimutkaisia psykologisia ilmiöitä. Spapén mukaan voimme tutkia muita kognitiivisia toimintoja, kuten päätöksentekoa ja havaitsemista, samankaltaisilla menetelmillä. Olettaen, että yleiset taktiikat, joita käytetään miellyttävyyden tulkintaan, ovat voimassa myös muissa kognitiivisissa toiminnoissa, samankaltaista järjestelmää voidaan kehittää tunnistamaan esimerkiksi erilaisia harhakuvia tai stereotypioita.