Pesquisadores Usam Interface Cérebro-Máquina Para Gerar Rostos Atraentes Com Base Em Preferências Pessoais

Uma equipe de pesquisadores da Universidade de Helsinque criou uma IA destinada a gerar imagens de rostos atraentes, com base nas características que os indivíduos que usam uma Interface Cérebro-Computador (BCI) consideram atraentes. A IA gera características faciais com base nos dados coletados pela BCI.

A equipe de pesquisa foi uma combinação de cientistas da computação e psicólogos da Universidade de Helsinque. A equipe de pesquisa de Helsinque usou medidas de eletroencefalografia (EEG) para determinar as características faciais que diferentes pessoas podem considerar atraentes. Os sinais EEG foram correlacionados com características faciais e, em seguida, os dados foram alimentados em uma Rede Adversária Generativa (GAN). O sistema de aprendizado de máquina foi então treinado nas características faciais que uma ampla variedade de pessoas considerou atraentes e, em seguida, foi capaz de reverter esses padrões para gerar rostos completamente novos.

Os pesquisadores fizeram com que 30 participantes se sentassem em frente a uma tela enquanto imagens de rostos eram exibidas para eles. Esses rostos não eram de pessoas reais, mas foram gerados por uma IA treinada em um conjunto de dados de mais de 200.000 imagens de celebridades. Os participantes usavam um capacete EEG com eletrodos para registrar e analisar sua atividade cerebral enquanto viam os diferentes rostos. O EEG foi capaz de registrar suas reações aos rostos que consideravam atraentes. As medidas tomadas pelo sistema EEG foram alimentadas na GAN, que interpretou os sinais EEG em termos de quão atraentes os participantes consideravam o rosto. A GAN foi capaz de gerar novos rostos uma vez treinada com esses dados.

A equipe de pesquisa realizou um segundo experimento. Os rostos recém-criados foram exibidos aos mesmos voluntários que haviam participado da sessão de visualização anterior. Os participantes foram solicitados a classificar os rostos em termos de atração. Quando os resultados do estudo foram analisados, os pesquisadores descobriram que os participantes classificaram as imagens geradas como atraentes aproximadamente 80% do tempo. Isso é em contraste com as imagens originais, que foram classificadas como atraentes apenas 20% do tempo.

O tamanho da amostra do estudo foi bastante pequeno, então não está claro quão robusto o método seria se testado em uma população maior. No entanto, os resultados são interessantes e certamente outro exemplo de como comportamentos e preferências que parecem insondáveis podem ser quantificados com certas técnicas de IA.

Michael Spapé, um pesquisador sênior do Departamento de Psicologia e Logopedia da Universidade de Helsinque, explicou que o estudo mostra como propriedades psicológicas podem ser demonstradas com informações sobre como o cérebro responde a estímulos. Como Spapé explicou via EurekaAlert:

“O estudo demonstra que somos capazes de gerar imagens que correspondem à preferência pessoal conectando uma rede neural artificial às respostas do cérebro. Ter sucesso na avaliação da atração é especialmente significativo, pois essa é uma propriedade psicológica tão forte dos estímulos. A visão computacional tem sido muito bem-sucedida em categorizar imagens com base em padrões objetivos. Ao trazer respostas do cérebro para a mistura, mostramos que é possível detectar e gerar imagens com base em propriedades psicológicas, como o gosto pessoal.”

Os pesquisadores argumentam que o estudo pode ter implicações para como os computadores entendem preferências subjetivas. Soluções de IA e interfaces cérebro-computador podem ser usadas juntas para entender fenômenos psicológicos complexos. De acordo com Spapé, podemos ser capazes de investigar outras funções cognitivas, como tomada de decisão e percepção, usando técnicas semelhantes. Supondo que as táticas gerais usadas para interpretar a atração sejam verdadeiras para outras funções cognitivas, um sistema semelhante pode ser desenvolvido para identificar formas de viés ou estereótipos.