Badacze korzystają z interfejsu mózg-maszyna w celu generowania atrakcyjnych twarzy na podstawie preferencji osobistych

Zespół badaczy z Uniwersytetu w Helsinkach stworzył sztuczną inteligencję zamierzoną do generowania obrazów atrakcyjnych twarzy, na podstawie cech, które osoby noszące interfejs mózg-komputer (BCI) uważają za atrakcyjne. Sztuczna inteligencja generuje cechy twarzy na podstawie danych zebranych przez BCI.

Zespół badawczy składał się z kombinacji naukowców komputerowych i psychologów z Uniwersytetu w Helsinkach. Zespół badawczy z Helsinek wykorzystał pomiary elektroencefalografii (EEG) w celu określenia cech twarzy, które różne osoby mogą uznać za atrakcyjne. Sygnały EEG były skorelowane z cechami twarzy, a następnie dane zostały wprowadzone do sieci generatywnej przeciwnej (GAN). System uczenia maszynowego został następnie przeszkolony na cechach twarzy, które wiele osób uznało za atrakcyjne, a następnie był w stanie odwrócić te wzorce, aby wygenerować całkowicie nowe twarze.

Badacze poprosili 30 uczestników, aby usiedli przed ekranem, na którym wyświetlano im obrazy twarzy. Te twarze nie były twarzami prawdziwych ludzi, ale były wygenerowane przez sztuczną inteligencję przeszkoloną na zbiorze ponad 200 000 obrazów celebrytów. Uczestnicy nosili czapkę EEG podłączoną do elektrod, aby rejestrować i analizować ich aktywność mózgową podczas oglądania różnych twarzy. EEG był w stanie zarejestrować ich reakcje na twarze, które uważali za atrakcyjne. Pomiary wykonane przez system EEG zostały wprowadzone do GAN, który interpretował sygnały EEG w kategoriach atrakcyjności twarzy. GAN był w stanie wygenerować nowe twarze po przeszkoleniu na tych danych.

Następnie zespół badawczy przeprowadził drugie doświadczenie. Nowo utworzone twarze zostały wyświetlone tym samym wolontariuszom, którzy brali udział w poprzedniej sesji oglądania. Uczestnicy zostali poproszeni o ocenę twarzy pod względem atrakcyjności. Po analizie wyników badacze stwierdzili, że uczestnicy ocenili wygenerowane obrazy jako atrakcyjne około 80% czasu. Jest to w przeciwieństwie do oryginalnych obrazów, które zostały ocenione jako atrakcyjne tylko 20% czasu.

Wzorzec próby w badaniu był dość mały, więc nie jest jasne, jak solidna byłaby metoda, gdyby została przetestowana na większej populacji. Niemniej jednak wyniki są interesujące i są kolejnym przykładem tego, jak zachowania i preferencje, które wydają się niepojęte, mogą być ilościowo określone przy użyciu pewnych technik sztucznej inteligencji.

Michael Spapé, starszy badacz w Departamencie Psychologii i Logopedii Uniwersytetu w Helsinkach, wyjaśnił, że badanie pokazuje, jak właściwości psychologiczne mogą być demonstrowane za pomocą informacji o tym, jak mózg reaguje na bodźce. Jak wyjaśnił Spapé za pośrednictwem EurekaAlert:

“Badanie pokazuje, że jesteśmy w stanie generować obrazy, które odpowiadają preferencjom osobistym, łącząc sztuczną sieć neuronową z odpowiedziami mózgu. Udane określenie atrakcyjności jest szczególnie istotne, ponieważ jest to taka subiektywna, psychologiczna właściwość bodźców. Wizja komputerowa była dotąd bardzo skuteczna w klasyfikowaniu obrazów na podstawie obiektywnych wzorców. Przez wprowadzenie odpowiedzi mózgu do mieszanki pokazujemy, że jest możliwe wykrywanie i generowanie obrazów na podstawie właściwości psychologicznych, takich jak osobiste upodobania”.

Badacze twierdzą, że badanie może mieć implikacje dla zrozumienia przez komputery subiektywnych preferencji. Rozwiązania sztucznej inteligencji i interfejsy mózg-komputer mogą być używane razem, aby zrozumieć złożone zjawiska psychologiczne. Zgodnie z oświadczeniem Spapé, możemy być w stanie zbadać inne funkcje poznawcze, takie jak podejmowanie decyzji i percepcja, przy użyciu podobnych technik. Zakładając, że ogólne taktyki stosowane do interpretacji atrakcyjności są prawdziwe dla innych funkcji poznawczych, podobny system mógłby zostać opracowany w celu identyfikacji form uprzedzeń lub stereotypów.