Les chercheurs utilisent une interface cerveau-ordinateur pour générer des visages attractifs en fonction des préférences personnelles

Une équipe de chercheurs de l’Université d’Helsinki a créé un système d’intelligence artificielle conçu pour générer des images de visages attractifs, basés sur les caractéristiques que les individus portant une interface cerveau-ordinateur (BCI) trouvent attractives. Le système d’intelligence artificielle génère des traits faciaux en fonction des données collectées par la BCI.

L’équipe de recherche était une combinaison de scientifiques en informatique et de psychologues de l’Université d’Helsinki. L’équipe de recherche d’Helsinki a utilisé des mesures d’électroencéphalographie (EEG) pour déterminer les traits faciaux que les différentes personnes pourraient trouver attractifs. Les signaux EEG ont été corrélés avec les traits faciaux, puis les données ont été transmises à un réseau antagoniste génératif (GAN). Le système d’apprentissage automatique a ensuite été formé sur les traits faciaux que les personnes trouvaient attractifs et a été capable de rétro-ingénier ces modèles pour générer de nouveaux visages.

Les chercheurs ont fait asseoir 30 participants devant un écran où des images de visages leur ont été montrées. Ces visages n’étaient pas ceux de personnes réelles, mais avaient été générés par un système d’intelligence artificielle formé sur un ensemble de données de plus de 200 000 images de célébrités. Les participants portaient un casque EEG équipé d’électrodes pour enregistrer et analyser leur activité cérébrale lorsqu’ils regardaient les différents visages. L’EEG a pu enregistrer leurs réactions aux visages qu’ils trouvaient attractifs. Les mesures prises par le système EEG ont été transmises au GAN, qui a interprété les signaux EEG en termes de niveau d’attrait que les participants trouvaient dans le visage. Le GAN a pu générer de nouveaux visages une fois formé sur ces données.

L’équipe de recherche a ensuite mené une deuxième expérience. Les visages nouvellement créés ont été montrés aux mêmes volontaires qui avaient participé à la session de vision précédente. Les participants ont été invités à classer les visages en fonction de leur attrait. Lorsque les résultats de l’étude ont été analysés, les chercheurs ont constaté que les participants ont classé les images générées comme attractives environ 80 % du temps. C’est en contraste avec les images originales, qui n’ont été classées comme attractives que 20 % du temps.

La taille de l’échantillon de l’étude était plutôt petite, il n’est donc pas clair à quel point la méthode serait robuste si elle était testée sur une population plus large. Cependant, les résultats sont intéressants et constituent un autre exemple de la façon dont les comportements et les préférences qui semblent incompréhensibles peuvent être quantifiés avec certaines techniques d’intelligence artificielle.

Michael Spapé, chercheur senior au département de psychologie et de logopédie de l’Université d’Helsinki, a expliqué que l’étude montre comment les propriétés psychologiques peuvent être démontrées avec des informations sur la façon dont le cerveau répond aux stimuli. Comme l’a expliqué Spapé via EurekaAlert:

“L’étude démontre que nous sommes capables de générer des images qui correspondent aux préférences personnelles en connectant un réseau neuronal artificiel aux réponses du cerveau. Réussir à évaluer l’attrait est particulièrement important, car c’est une propriété psychologique si poignante des stimuli. La vision par ordinateur a jusqu’à présent été très réussie pour catégoriser les images en fonction de modèles objectifs. En intégrant les réponses du cerveau, nous montrons qu’il est possible de détecter et de générer des images en fonction de propriétés psychologiques, comme le goût personnel.”

Les chercheurs soutiennent que l’étude pourrait avoir des implications pour la façon dont les ordinateurs comprennent les préférences subjectives. Les solutions d’intelligence artificielle et les interfaces cerveau-ordinateur peuvent être utilisées ensemble pour comprendre des phénomènes psychologiques complexes. Selon Spapé, nous pourrions être en mesure d’examiner d’autres fonctions cognitives, comme la prise de décision et la perception, en utilisant des techniques similaires. En supposant que les tactiques générales utilisées pour interpréter l’attrait soient valables pour d’autres fonctions cognitives, un système similaire pourrait être développé pour identifier les formes de préjugés ou de stéréotypes.