Forskere bruker hjernen-maskin-grensesnitt for å generere attraktive ansikter basert på personlige preferanser

Et team av forskere fra Universitetet i Helsinki har laget en AI som er ment å generere bilder av attraktive ansikter, basert på trekk som personer som bærer en hjernen-datamaskin-grensesnitt (BCI) finner attraktive. AI-en genererer ansiktstrekk basert på data samlet inn av BCI-en.

Forskningsgruppen var en kombinasjon av datavitenskapsmenn og psykologer fra Universitetet i Helsinki. Helsinki-forskningsgruppen brukte elektroencefalografi (EEG)-målinger for å bestemme ansiktstrekk som forskjellige mennesker kunne finne attraktive. EEG-signaler ble korrelert med ansiktstrekk, og deretter ble dataene ført til en Generativ Adversarial Network (GAN). Maskinlæringsystemet ble deretter trent på ansiktstrekk som en stor variasjon av mennesker fant attraktive, og deretter kunne det omvendt konstruere disse mønsterne for å generere helt nye ansikter.

Forskerne hadde 30 deltakere sittende foran en skjerm mens bilder av ansikter ble vist for dem. Disse ansiktene var ikke av virkelige mennesker, men var generert av en AI som var trent på en datasett med over 200 000 bilder av kjendiser. Deltakerne bar en EEG-hette med elektroder for å registrere og analysere deres hjernaktivitet mens de så på de forskjellige ansiktene. EEG-en kunne registrere deres reaksjoner på ansikter de fant attraktive. Målingene tatt av EEG-systemet ble ført til GAN-en, som tolket EEG-signaler i forhold til hvor attraktive deltakerne fant ansiktet. GAN-en kunne generere nye ansikter når den var trent på denne dataen.

Forskningsgruppen utførte deretter et annet eksperiment. De nylig skapte ansiktene ble vist til de samme frivillige som hadde deltatt i den tidligere visningssesjonen. Deltakerne ble bedt om å rangere ansiktene etter attraktivitet. Når resultater av studien ble analysert, fant forskerne at deltakerne rangerte de genererte bildene som attraktive omtrent 80% av tiden. Dette er i kontrast til de opprinnelige bildene, som bare ble rangert som attraktive 20% av tiden.

Størrelsen på studien var ganske liten, så det er ikke klart hvor robust metoden ville være hvis den ble testet på en større befolkning. Likevel er resultater interessante og de er helt sikkert et annet eksempel på hvordan atferd og preferanser som ser ut til å være uforståelige kan kvantifiseres med visse AI-teknikker.

Michael Spapé, en seniorforsker ved Universitetet i Helsinkis avdeling for psykologi og logopedi, forklarte at studien viser hvordan psykologiske egenskaper kan demonstreres med informasjon om hvordan hjernen reagerer på stimuli. Som Spapé forklarte via EurekaAlert:

“Studien viser at vi er i stand til å generere bilder som matcher personlige preferanser ved å koble en kunstig neural nettverk til hjernerespons. Å lykkes i å vurdere attraktivitet er spesielt betydelig, da dette er en så poengtert, psykologisk egenskap av stimulus. Datavitenskap har hittil vært svært suksessfullt i å kategorisere bilder basert på objektive mønster. Ved å bringe inn hjernerespons i blandingen, viser vi at det er mulig å detektere og generere bilder basert på psykologiske egenskaper, som personlig smak.”

Forskerne hevder at studien kan ha implikasjoner for hvordan datamaskiner forstår subjektive preferanser. AI-løsninger og hjernen-datamaskin-grensesnitt kan brukes sammen for å forstå komplekse psykologiske fenomener. Ifølge Spapé kan vi kanskje se på andre kognitive funksjoner, som beslutningstaking og persepsjon, ved å bruke lignende teknikker. Antageligvis hvis de generelle taktikkene som brukes til å tolke attraktivitet holder sant for andre kognitive funksjoner, kan et lignende system utvikles for å identifisere former for fordommer eller stereotyper.