Tutkijat käyttävät aivokone-liittymää luomaan miellyttäviä kasvoja henkilökohtaisten mieltymysten perusteella

Tutkijaryhmä Helsingin yliopistosta on luonut tekoälyjärjestelmän, jonka tarkoituksena on luoda miellyttävien kasvojen kuvia yksilöiden henkilökohtaisten mieltymysten perusteella. Järjestelmä käyttää aivokone-liittymää (BCI) keräämään tietoja siitä, mitkä kasvonpiirteet yksilöt pitävät miellyttävinä. Tekoäly generoi kasvonpiirteitä kerätyn datan perusteella.

Tutkijaryhmä koostui tietojenkäsittelytieteilijöistä ja psykologeista Helsingin yliopistosta. Helsingin tutkijaryhmä käytti elektroenkefalograafiaa (EEG) mittaamaan kasvonpiirteitä, joita eri ihmiset pitävät miellyttävinä. EEG-signaaleja korreloitiin kasvonpiirteiden kanssa, ja sitten data syötettiin generatiiviseen vastakkainoppijärjestelmään (GAN). Tekoälyjärjestelmä koulutettiin laajalla joukolla kasvonpiirteitä, joita eri ihmiset pitävät miellyttävinä, ja se pystyi kääntämään nämä mallit uusiksi kasvoiksi.

Tutkijat pyysivät 30 osanottaista istumaan näyttöruudun eteen, jossa heille näytettiin kasvojen kuvia. Nämä kasvot eivät olleet oikeiden ihmisten kasvoja, vaan ne oli luonut tekoäly, joka oli koulutettu yli 200 000 julkkisten kuvan datasetilla. Osanottajat käyttivät EEG-kapselia, jossa oli elektrodeja, jotka rekisteröivät heidän aivotoimintansa, kun he katselivat eri kasvoja. EEG pystyi rekisteröimään heidän reaktionsa kasvoihin, joita he pitivät miellyttävinä. Mittaukset, jotka EEG-järjestelmä teki, syötettiin GAN-järjestelmään, joka tulkitsi EEG-signaaleja siinä, kuinka miellyttäviä osanottajat pitivät kasvoja. GAN pystyi generoimaan uusia kasvoja, kun se oli koulutettu tällä datalla.

Tutkijaryhmä suoritti toisen kokeen. Uudet kasvot, jotka oli luonut GAN-järjestelmä, näytettiin samoisille vapaaehtoisille, jotka olivat osallistuneet aiempaan katselusessioon. Osanottajilta pyydettiin arvioimaan kasvojen miellyttävyyttä. Kun tutkijat analysoivat tutkimuksen tuloksia, he löysivät, että osanottajat arvioivat generoidut kuvat miellyttäviksi noin 80 prosentissa tapauksista. Tämä on vastakohtana alkuperäisille kuville, jotka arvioitiin miellyttäviksi vain noin 20 prosentissa tapauksista.

Tutkimuksen otoskoko oli melko pieni, joten ei ole selvää, kuinka luotettava menetelmä olisi, jos se testattaisiin suuremmalla väestöllä. Tutkimuksen tulokset ovat kuitenkin mielenkiintoisia, ja ne ovat toinen esimerkki siitä, kuinka käyttäytymisen ja mieltymysten kaltaiset ilmiöt, jotka vaikuttavat arvoituksellisilta, voidaan kvantifioida tietynlaisilla tekoälymenetelmillä.

Michael Spapé, vanhempi tutkija Helsingin yliopiston psykologian ja logopedian laitoksella, selitti, että tutkimus osoittaa, kuinka psykologiset ominaisuudet voidaan osoittaa tietoa siitä, kuinka aivot reagoivat ärsykkeisiin. Spapé selitti EurekaAlertin kautta:

“Tutkimus osoittaa, että pystymme generoimaan kuvia, jotka vastaavat henkilökohtaista mieltymystä, yhdistämällä tekoälyverkon aivovasteisiin. Onnistuminen miellyttävyyden arvioinnissa on erityisen merkittävää, koska se on niin voimakas psykologinen ominaisuus ärsykkeissä. Tietokoneen näkö on toistaiseksi ollut hyvin onnistunut luokittelemassa kuvia objektiivisten mallien perusteella. Tuomalla aivovasteet mukaan, osoitamme, että on mahdollista havaita ja generoida kuvia psykologisten ominaisuuksien, kuten henkilökohtaisen maun, perusteella.”

Tutkijat väittävät, että tutkimus voi olla merkittävä keino ymmärtää, kuinka tietokoneet ymmärtävät subjektiivisia mieltymyksiä. Tekoälyratkaisut ja aivokone-liittymät voidaan käyttää yhdessä ymmärtämään monimutkaisia psykologisia ilmiöitä. Spapén mukaan voimme tutkia muita kognitiivisia toimintoja, kuten päätöksentekoa ja havaitsemista, samankaltaisten menetelmien avulla. Olettaen, että yleiset taktiikat, joita käytetään miellyttävyyden tulkintaan, ovat voimassa myös muissa kognitiivisissa toiminnoissa, voidaan kehittää samankaltainen järjestelmä, joka pystyy tunnistamaan esimerkiksi puolueellisuuden tai stereotypiat.