शोधकर्ता ब्रेन-मशीन इंटरफेस का उपयोग व्यक्तिगत पसंद के आधार पर आकर्षक चेहरे उत्पन्न करने के लिए करते हैं

हेलसिंकी विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक ऐसा एआई बनाया है जो व्यक्तिगत रूप से आकर्षक चेहरों की छवियों को उत्पन्न करने के लिए है, जो व्यक्तियों द्वारा ब्रेन-कंप्यूटर इंटरफेस (बीसीआई) पहनने पर आकर्षक पाए जाने वाले विशेषताओं पर आधारित है। एआई बीसीआई द्वारा एकत्र किए गए डेटा के आधार पर चेहरे की विशेषताओं को उत्पन्न करता है।

शोध टीम में हेलसिंकी विश्वविद्यालय के कंप्यूटर वैज्ञानिक और मनोवैज्ञानिक शामिल थे। हेलसिंकी शोध टीम ने विभिन्न लोगों द्वारा आकर्षक पाए जाने वाले चेहरे की विशेषताओं को निर्धारित करने के लिए इलेक्ट्रोएन्सेफलोग्राफी (ईईजी) माप का उपयोग किया। ईईजी संकेतों को चेहरे की विशेषताओं के साथ संबंधित किया गया, और फिर डेटा को एक जेनरेटिव एडवर्सेरियल नेटवर्क (जीएएन) में डाला गया। मशीन लर्निंग सिस्टम को फिर से उन चेहरे की विशेषताओं पर प्रशिक्षित किया गया जो विभिन्न लोगों ने आकर्षक पाया, और फिर यह पूरी तरह से नए चेहरे उत्पन्न करने में सक्षम था।

शोधकर्ताओं ने 30 प्रतिभागियों को एक स्क्रीन के सामने बैठने के लिए कहा, जैसे ही उन्हें चेहरों की छवियां दिखाई गईं। ये चेहरे वास्तविक लोगों के नहीं थे, वे 200,000 से अधिक सेलिब्रिटी छवियों के डेटासेट पर प्रशिक्षित एक एआई द्वारा उत्पन्न किए गए थे। प्रतिभागियों ने एक ईईजी कैप पहना जो इलेक्ट्रोड से जुड़ा हुआ था जो विभिन्न चेहरों को देखते समय उनकी मस्तिष्क गतिविधि को रिकॉर्ड और विश्लेषण करने के लिए तार दिया गया था। ईईजी उनके द्वारा पाए जाने वाले चेहरों की प्रतिक्रिया को रिकॉर्ड करने में सक्षम था। ईईजी सिस्टम द्वारा ली गई मापों को जीएएन में डाला गया, जिसने ईईजी संकेतों को चेहरे की विशेषताओं के संदर्भ में व्याख्या की जो प्रतिभागियों ने आकर्षक पाया। जीएएन को एक बार प्रशिक्षित करने के बाद नए चेहरे उत्पन्न करने में सक्षम था।

शोध टीम ने फिर एक दूसरे प्रयोग किया। नए बनाए गए चेहरे उन्हीं स्वयंसेवकों को दिखाए गए जिन्होंने पहले देखने के सत्र में भाग लिया था। प्रतिभागियों से आकर्षण के संदर्भ में चेहरों को रैंक करने के लिए कहा गया। जब अध्ययन के परिणामों का विश्लेषण किया गया, तो शोधकर्ताओं ने पाया कि प्रतिभागियों ने उत्पन्न की गई छवियों को लगभग 80% समय आकर्षक के रूप में रेट किया। यह मूल छवियों के विपरीत है, जिन्हें केवल 20% समय आकर्षक के रूप में रेट किया गया था।

अध्ययन का नमूना आकार काफी छोटा था, इसलिए यह स्पष्ट नहीं है कि विधि कितनी मजबूत होगी जब इसे एक बड़ी आबादी पर परीक्षण किया जाएगा। हालांकि, परिणाम दिलचस्प हैं और वे उन व्यवहारों और पसंदों के एक और उदाहरण हैं जो अस्पष्ट लगते हैं और कुछ एआई तकनीकों के साथ मात्रा में परिवर्तित हो सकते हैं।

हेलसिंकी विश्वविद्यालय के मनोविज्ञान और लोगोपेडिक्स विभाग के वरिष्ठ शोधकर्ता माइकल स्पापे, ने समझाया कि अध्ययन यह दिखाता है कि कैसे मनोवैज्ञानिक गुणों को मस्तिष्क की प्रतिक्रियाओं के बारे में जानकारी के साथ प्रदर्शित किया जा सकता है। जैसा कि स्पापे ने यूरेकालर्ट के माध्यम से समझाया:

“अध्ययन यह प्रदर्शित करता है कि हम एक कृत्रिम तंत्रिका नेटवर्क को मस्तिष्क की प्रतिक्रियाओं से जोड़कर व्यक्तिगत पसंद के अनुसार छवियों को उत्पन्न करने में सक्षम हैं। आकर्षण का मूल्यांकन करने में सफल होना विशेष रूप से महत्वपूर्ण है, क्योंकि यह इतनी सूक्ष्म, मनोवैज्ञानिक संपत्ति है। कंप्यूटर दृष्टि अब तक छवियों को वस्तुनिष्ठ पैटर्न के आधार पर वर्गीकृत करने में बहुत सफल रही है। मस्तिष्क की प्रतिक्रियाओं को मिलाकर, हम दिखाते हैं कि यह संभव है कि छवियों का पता लगाया जाए और मनोवैज्ञानिक गुणों जैसे व्यक्तिगत स्वाद के आधार पर उत्पन्न किया जाए। “

शोधकर्ताओं का तर्क है कि अध्ययन व्यक्तिगत पसंद को समझने के लिए कंप्यूटरों के लिए परिणाम हो सकता है। एआई समाधान और ब्रेन-कंप्यूटर इंटरफेस एक साथ जटिल मनोवैज्ञानिक घटनाओं को समझने के लिए उपयोग किए जा सकते हैं। स्पापे के अनुसार, हम अन्य संज्ञानात्मक कार्यों जैसे निर्णय लेने और धारणा को समान तकनीकों का उपयोग करके देखने में सक्षम हो सकते हैं। यह मानकर कि आकर्षण की व्याख्या करने के लिए उपयोग की जाने वाली सामान्य रणनीतियां अन्य संज्ञानात्मक कार्यों के लिए भी सच हैं, एक समान प्रणाली को पूर्वाग्रह या रूढ़िवादी रूपों की पहचान करने के लिए विकसित किया जा सकता है।