Cercetători Utilizează Interfața Creier-Mașină Pentru A Genera Fețe Atractive Bazate Pe Preferințele Personale

O echipă de cercetători de la Universitatea din Helsinki a creat o inteligență artificială destinată să genereze imagini de fețe atractive, pe baza caracteristicilor pe care indivizii care poartă o Interfață Creier-Computer (BCI) le găsesc atractive. Inteligența artificială generează trăsături faciale pe baza datelor colectate de BCI.

Echipa de cercetare a fost o combinație de oameni de știință din domeniul calculatoarelor și psihologi de la Universitatea din Helsinki. Echipa de cercetare de la Helsinki a utilizat măsurători de electroencefalografie (EEG) pentru a determina trăsăturile faciale pe care diferiți oameni le-ar putea găsi atractive. Semnalele EEG au fost corelate cu trăsăturile faciale, iar apoi datele au fost introduse într-o Rețea Adversarială Generativă (GAN). Sistemul de învățare automată a fost apoi instruit pe trăsăturile faciale pe care o varietate de oameni le-au găsit atractive și a putut, ulterior, să reverseze aceste modele pentru a genera fețe complet noi.

Cercetătorii au avut 30 de participanți care au stat în fața unui ecran, în timp ce li s-au arătat imagini de fețe. Aceste fețe nu erau ale unor oameni reali, ci au fost generate de o inteligență artificială instruită pe un set de date de peste 200.000 de imagini de celebrități. Participanții au purtat o cască EEG conectată la electrozi pentru a înregistra și analiza activitatea creierului în timp ce vizionau diferitele fețe. EEG a putut înregistra reacțiile lor la fețele pe care le-au găsit atractive. Măsurătorile efectuate de sistemul EEG au fost introduse în GAN, care a interpretat semnalele EEG în funcție de cât de atractive au găsit participanții fețele. GAN a putut genera fețe noi odată ce a fost instruit pe aceste date.

Echipa de cercetare a efectuat apoi un al doilea experiment. Fețele nou create au fost afișate acelorași voluntari care participaseră la sesiunea de vizionare anterioară. Participanții au fost rugați să clasifice fețele în funcție de atracție. Când s-au analizat rezultatele studiului, cercetătorii au constatat că participanții au evaluat imaginile generate ca fiind atractive aproximativ 80% din timp. Acest lucru se compară cu imaginile originale, care au fost evaluate ca fiind atractive doar 20% din timp.

Dimensiunea eșantionului studiului a fost destul de mică, așa că nu este clar cât de robustă ar fi metoda atunci când este testată pe o populație mai mare. Cu toate acestea, rezultatele sunt interesante și reprezintă, cu siguranță, un alt exemplu de cum comportamentele și preferințele care par de neînțeles pot fi cuantificate cu anumite tehnici de inteligență artificială.

Michael Spapé, cercetător senior la Departamentul de Psihologie și Logopedie al Universității din Helsinki, a explicat că studiul arată cum proprietățile psihologice pot fi demonstrate cu informații despre cum răspunde creierul la stimuli. Așa cum a explicat Spapé prin EurekaAlert:

“Studiul demonstrează că suntem capabili să generăm imagini care se potrivesc preferințelor personale prin conectarea unei rețele neuronale artificiale la răspunsurile creierului. A reuși să evaluăm atracția este deosebit de semnificativ, deoarece aceasta este o proprietate psihologică atât de puternică a stimulilor. Viziunea computerizată a fost până acum foarte de succes în a categorisi imagini pe baza unor modele obiective. Prin introducerea răspunsurilor creierului în ecuație, demonstrăm că este posibil să detectăm și să generăm imagini pe baza unor proprietăți psihologice, cum ar fi gustul personal.”

Cercetătorii susțin că studiul ar putea avea implicații pentru modul în care computerele înțeleg preferințele subiective. Soluțiile de inteligență artificială și interfețele creier-computer pot fi utilizate împreună pentru a înțelege fenomene psihologice complexe. Conform lui Spapé, putem examina alte funcții cognitive, cum ar fi luarea deciziilor și percepția, utilizând tehnici similare. Presupunând că tactica generală utilizată pentru a interpreta atracția este valabilă și pentru alte funcții cognitive, un sistem similar ar putea fi dezvoltat pentru a identifica forme de prejudecăți sau stereotipuri.