Onderzoekers gebruiken Brain-Machine Interface om aantrekkelijke gezichten te genereren op basis van persoonlijke voorkeuren

Een team van onderzoekers van de Universiteit van Helsinki heeft een AI ontwikkeld die bedoeld is om afbeeldingen van aantrekkelijke gezichten te genereren, op basis van de kenmerken die individuen die een Brain-Computer Interface (BCI) dragen, aantrekkelijk vinden. De AI genereert gezichtskenmerken op basis van de gegevens die door de BCI worden verzameld.

Het onderzoeksteam bestond uit een combinatie van computerwetenschappers en psychologen van de Universiteit van Helsinki. Het onderzoeksteam van Helsinki gebruikte electroencefalografie (EEG) metingen om te bepalen welke gezichtskenmerken verschillende mensen aantrekkelijk zouden vinden. De EEG-signalen werden gecorreleerd met gezichtskenmerken en vervolgens werd de data gevoed aan een Generatief Adversariaal Netwerk (GAN). Het machine learning-systeem werd vervolgens getraind op de gezichtskenmerken die een breed scala aan mensen aantrekkelijk vond en kon vervolgens deze patronen omkeren om geheel nieuwe gezichten te genereren.

De onderzoekers lieten 30 deelnemers voor een scherm zitten waarop afbeeldingen van gezichten werden getoond. Deze gezichten waren niet van echte mensen, maar waren gegenereerd door een AI die was getraind op een dataset van meer dan 200.000 afbeeldingen van beroemdheden. De deelnemers droegen een EEG-hoofdband met elektroden om hun hersenactiviteit te registreren en te analyseren terwijl ze de verschillende gezichten bekeken. De EEG kon hun reacties op gezichten die ze aantrekkelijk vonden, registreren. De metingen die door het EEG-systeem werden genomen, werden gevoed aan de GAN, die de EEG-signalen interpreteerde in termen van hoe aantrekkelijk de deelnemers het gezicht vonden. De GAN kon nieuwe gezichten genereren zodra deze was getraind op deze data.

Het onderzoeksteam voerde vervolgens een tweede experiment uit. De nieuw gegenereerde gezichten werden getoond aan dezelfde vrijwilligers die hadden deelgenomen aan de eerdere kijk-sessie. De deelnemers werden gevraagd de gezichten te rangschikken op basis van aantrekkelijkheid. Toen de resultaten van de studie werden geanalyseerd, vonden de onderzoekers dat de deelnemers de gegenereerde afbeeldingen ongeveer 80% van de tijd aantrekkelijk vonden. Dit is in tegenstelling tot de oorspronkelijke afbeeldingen, die slechts 20% van de tijd aantrekkelijk werden bevonden.

De steekproefgrootte van de studie was vrij klein, dus het is niet duidelijk hoe robuust de methode zou zijn als deze op een grotere populatie zou worden getest. Echter, de resultaten zijn interessant en zijn zeker een ander voorbeeld van hoe gedragingen en voorkeuren die ondoorgrondelijk lijken, kunnen worden gekwantificeerd met bepaalde AI-technieken.

Michael Spapé, een senior onderzoeker aan de afdeling Psychologie en Logopedie van de Universiteit van Helsinki, legde uit dat de studie laat zien hoe psychologische eigenschappen kunnen worden aangetoond met informatie over hoe de hersenen reageren op stimuli. Zoals Spapé uitlegde via EurekaAlert:

“De studie toont aan dat we in staat zijn om afbeeldingen te genereren die overeenkomen met persoonlijke voorkeuren door een kunstmatig neuronaal netwerk te verbinden met hersenreacties. Het slagen in het beoordelen van aantrekkelijkheid is vooral significant, omdat dit zo’n poignante, psychologische eigenschap van de stimuli is. Computerzicht heeft tot nu toe zeer succesvol zijn in het categoriseren van afbeeldingen op basis van objectieve patronen. Door hersenreacties toe te voegen, laten we zien dat het mogelijk is om afbeeldingen te detecteren en te genereren op basis van psychologische eigenschappen, zoals persoonlijke smaak.”

De onderzoekers beweren dat de studie implicaties kan hebben voor hoe computers subjectieve voorkeuren begrijpen. AI-oplossingen en brain-computer interfaces kunnen samen worden gebruikt om complexe psychologische fenomenen te begrijpen. Volgens Spapé kunnen we mogelijk andere cognitieve functies, zoals besluitvorming en perceptie, onderzoeken met behulp van soortgelijke technieken. Als de algemene tactieken die worden gebruikt om aantrekkelijkheid te interpreteren, ook gelden voor andere cognitieve functies, kan een soortgelijk systeem worden ontwikkeld om vormen van vooroordeel of stereotypen te identificeren.