Исследователи используют интерфейс мозг-машина для генерации привлекательных лиц на основе личных предпочтений

Команда исследователей из Университета Хельсинки создала ИИ, предназначенный для генерации изображений привлекательных лиц, основанных на характеристиках, которые люди, носящие интерфейс мозг-компьютер (ИМК), находят привлекательными. ИИ генерирует черты лица на основе данных, собранных ИМК.

Исследовательская команда была составлена из компьютерных ученых и психологов из Университета Хельсинки. Хельсинская исследовательская команда использовала электроэнцефалографию (ЭЭГ) для определения черт лица, которые разные люди могут найти привлекательными. Сигналы ЭЭГ были сопоставлены с чертами лица, а затем данные были переданы в сеть с генеративным противостоянием (GAN). Система машинного обучения была затем обучена на чертах лица, которые широкий круг людей находил привлекательными, и смогла обратно инженерить эти закономерности, чтобы сгенерировать совершенно новые лица.

Исследователи попросили 30 участников сидеть перед экраном, на котором были показаны изображения лиц. Эти лица не были реальными людьми, они были сгенерированы ИИ, обученным на наборе данных более 200 000 изображений знаменитостей. Участники носили шапку ЭЭГ, подключенную к электродам, для записи и анализа их мозговой деятельности, пока они смотрели на разные лица. ЭЭГ смогла записать их реакции на лица, которые они находили привлекательными. Измерения, сделанные системой ЭЭГ, были переданы в GAN, которая интерпретировала сигналы ЭЭГ в терминах того, насколько привлекательным участники находили лицо. GAN смогла сгенерировать новые лица после обучения на этих данных.

Исследовательская команда затем провела второе эксперимент. Новые сгенерированные лица были показаны тем же добровольцам, которые участвовали в предыдущей сессии просмотра. Участникам было предложено ранжировать лица по привлекательности. Когда результаты исследования были проанализированы, исследователи обнаружили, что участники оценили сгенерированные изображения как привлекательные примерно 80% времени. Это в отличие от исходных изображений, которые были оценены как привлекательные только 20% времени.

Размер выборки исследования был довольно небольшим, поэтому неясно, насколько надежным будет этот метод, когда он будет протестирован на более крупной популяции. Однако результаты интересны, и они являются еще одним примером того, как поведение и предпочтения, которые кажутся непонятными, могут быть количественно оценены с помощью определенных методов ИИ.

Майкл Спапе, старший исследователь в Университете Хельсинки, объяснил, что исследование показывает, как психологические свойства могут быть продемонстрированы с помощью информации о том, как мозг реагирует на стимулы. Как объяснил Спапе в EurekaAlert:

“Исследование демонстрирует, что мы способны генерировать изображения, соответствующие личным предпочтениям, подключая искусственную нейронную сеть к реакциям мозга. Успех в оценке привлекательности особенно значим, поскольку это такое яркое психологическое свойство стимулов. Компьютерное зрение до сих пор было очень успешным в категоризации изображений на основе объективных закономерностей. Включая реакции мозга, мы показываем, что возможно обнаружить и генерировать изображения на основе психологических свойств, таких как личный вкус.”

Исследователи утверждают, что исследование может иметь последствия для того, как компьютеры понимают субъективные предпочтения. Решения ИИ и интерфейсы мозг-компьютер могут быть использованы вместе для понимания сложных психологических явлений. Согласно Спапе, мы можем быть в состоянии изучить другие когнитивные функции, такие как принятие решений и восприятие, используя подобные методы. Предполагая, что общие тактики, используемые для интерпретации привлекательности, будут справедливы и для других когнитивных функций, подобная система может быть разработана для выявления форм предубеждений или стереотипов.