๋-๊ธฐ๊ณ ์ธํฐํ์ด์ค
์ฐ๊ตฌ์ง, ๋-๊ธฐ๊ณ ์ธํฐํ์ด์ค๋ฅผ ์ฌ์ฉํ์ฌ ๊ฐ์ธ์ ์ ํธ๋์ ๊ธฐ๋ฐํ ๋งค๋ ฅ์ ์ธ ์ผ๊ตด ์์ฑ
헬싱키 대학교의 연구진은 뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI)를 착용한 개인이 매력적인 것으로 판단하는 특징에 기반하여 매력적인 얼굴 이미지를 생성하는 인공지능(AI)을 개발하였다. 이 인공지능은 뇌-컴퓨터 인터페이스에 의해 수집된 데이터를 기반으로 얼굴 특징을 생성한다.
연구진은 헬싱키 대학교의 컴퓨터 과학자와 심리학자들로 구성되어 있었다. 헬싱키 연구진은 뇌파 측정(electroencephalography, EEG)을 사용하여 개인이 매력적인 것으로 판단하는 얼굴 특징을 결정하였다. EEG 신호는 얼굴 특징과 상관관계가 있었으며, 이후 생성적 적대 신경망(Generative Adversarial Network, GAN)에 데이터를 입력하였다. 기계 학습 시스템은 다양한 사람들에 의해 매력적인 것으로 판단되는 얼굴 특징에 대해 훈련되었으며, 이후 새로운 얼굴을 생성할 수 있었다.
연구진은 30명의 참가자를 화면 앞에 앉히고, 인공 지능에 의해 생성된 200,000개의 유명인 얼굴 이미지 데이터셋을 기반으로 생성된 가상의 얼굴 이미지를 보여주었다. 참가자는 뇌파를 측정하기 위한 EEG 캡을 착용하였으며, 다양한 얼굴을 볼 때 뇌 활동을 기록하고 분석하였다. EEG는 참가자가 매력적인 것으로 판단하는 얼굴에 대한 반응을 기록할 수 있었다. EEG 시스템에 의해 측정된 데이터는 GAN에 입력되어 참가자가 얼굴을 매력적인 것으로 판단하는 정도에 따라 해석되었다. GAN은 이 데이터에 대해 훈련을 받은 후 새로운 얼굴을 생성할 수 있었다.
연구진은 두 번째 실험을 수행하였다. 새로 생성된 얼굴 이미지를 이전에 참가한 자원들에게 보여주고, 매력도에 따라 순위를 매기도록 요청하였다. 연구 결과를 분석한 결과, 참가자는 생성된 이미지에 대해 약 80%의 경우 매력적인 것으로 판단하였다. 이는 원래의 이미지에 대한 매력도 평가인 20%와 대조적인 결과이다.
이 연구의 표본 크기는 상대적으로 작아, 이 방법이 더 큰 인구에 대해 검증될 경우 얼마나 강건한지 명확하지 않다. 그러나 결과는 интерес롭고, 인공지능 기술을 사용하여 보이지 않는 행동과 선호도를 수량화할 수 있는 또 하나의 예이다.
헬싱키 대학교 심리학 및 언어병리학부의 선임 연구원인 Michael Spapé는 이 연구가 뇌가 자극에 반응하는 방식에 대한 정보를 사용하여 심리적 특성을 보여줄 수 있음을 시사한다고 설명하였다. Spapé는 EurekaAlert를 통해 다음과 같이 설명하였다.
“이 연구는 인공 신경망을 뇌 반응에 연결하여 개인의 선호도에 맞는 이미지를 생성할 수 있음을 보여준다. 매력도 평가에 성공하는 것은 특히 중요하다. 이는 자극의 심리적 특성 중 하나이기 때문이다. 컴퓨터 비전은 객관적인 패턴을 기반으로 이미지를 분류하는 데 매우 성공적이었지만, 뇌 반응을 결합하여 심리적 특성, 즉 개인의 취향과 같은 것을 기반으로 이미지를 생성하고 감지할 수 있음을 보여준다.”
연구진은 이 연구가 컴퓨터가 주관적인 선호도를 이해하는 방식에 대한 영향을 미칠 수 있다고 주장한다. 인공지능 솔루션과 뇌-기계 인터페이스를 함께 사용하여 복잡한 심리적 현상을 이해할 수 있다. Spapé에 따르면, 우리는 유사한 기술을 사용하여 의사 결정 및 지각과 같은 다른 인지 기능을 조사할 수 있을 것이다. 매력도에 대한 일반적인 전략이 다른 인지 기능에 대해서도 동일하게 적용된다면, 편향이나 고정관념과 같은 형태를 식별하는 데 사용할 수 있는 유사한 시스템을 개발할 수 있을 것이다.
