Forskare använder Brain-Machine Interface för att skapa attraktiva ansikten baserat på personliga preferenser

Ett team av forskare från Helsingfors universitet har skapat en AI avsedd att skapa bilder av attraktivt ansiktes, baserat på de funktioner som individer som bär ett Brain-Computer Interface (BCI) finner attraktiva. AI genererar ansiktsdrag baserat på data som samlas in av BCI.

Forskargruppen var en kombination av datavetare och psykologer från Helsingfors universitet. Helsingfors forskargrupp använde elektroencefalografi (EEG)-mätningar för att fastställa vilka ansiktsdrag som olika människor kan tycka är attraktiva. EEG-signalerna korrelerades med ansiktsdrag och sedan matades data till ett Generative Adversarial Network (GAN). Maskininlärningssystemet tränades sedan på de ansiktsdrag som en mängd olika människor fann attraktiva och kunde sedan omvända dessa mönster för att generera helt nya ansikten.

Forskarna lät 30 deltagare sitta framför en skärm när bilder av ansikten visades för dem. Dessa ansikten var inte av riktiga människor, de skapades av en AI som tränats på en datauppsättning med över 200,000 XNUMX bilder av kändisar. Deltagarna bar en EEG-keps kopplad med elektroder för att registrera och analysera sin hjärnaktivitet när de såg de olika ansiktena. EEG kunde registrera deras reaktioner på ansikten som de fann attraktiva. Mätningarna som gjordes av EEG-systemet matades till GAN, som tolkade EEG-signalerna i termer av hur attraktivt deltagarna fann ansiktet. GAN kunde generera nya ansikten när de tränats på dessa data.

Forskargruppen genomförde sedan ett andra experiment. De nyskapade ansiktena visades för samma volontärer som hade deltagit i den tidigare visningssessionen. Deltagarna ombads rangordna ansiktena efter attraktionskraft. När resultaten av studien analyserades fann forskarna att deltagarna bedömde de genererade bilderna som attraktiva ungefär 80 % av gångerna. Detta i motsats till originalbilderna, som endast bedömdes som attraktiva 20 % av gångerna.

Studiens urvalsstorlek var ganska liten, så det är inte klart hur robust metoden skulle vara när den testades på en större population. Resultaten är dock intressanta och de är verkligen ytterligare ett exempel på hur beteenden och preferenser som verkar outgrundliga kan kvantifieras med vissa AI-tekniker.

Michael Spapé, seniorforskare vid Helsingfors universitets institution för psykologi och logopedi, förklarade att studien visar hur psykologiska egenskaper kan påvisas med information om hur hjärnan svarar på stimuli. Som Spapé förklarade i via EurekaAlert:

"Studien visar att vi kan generera bilder som matchar personliga preferenser genom att koppla ett artificiellt neuralt nätverk till hjärnans svar. Att lyckas med att bedöma attraktionskraft är särskilt viktigt, eftersom detta är en så gripande, psykologisk egenskap hos stimuli. Datorseende har hittills varit mycket framgångsrika när det gäller att kategorisera bilder baserat på objektiva mönster. Genom att ta in hjärnsvar till mixen visar vi att det är möjligt att upptäcka och generera bilder baserat på psykologiska egenskaper, som personlig smak."

Forskarna hävdar att studien kan ha konsekvenser för hur datorer förstår subjektiva preferenser. AI-lösningar och hjärn-dator-gränssnitt kan användas vid sidan av varandra för att förstå komplexa psykologiska fenomen. Enligt Spapé kan vi kanske undersöka andra kognitiva funktioner, som beslutsfattande och perception, med liknande tekniker. Om man antar att den allmänna taktiken som används för att tolka attraktivitet gäller för andra kognitiva funktioner, skulle ett liknande system kunna utvecklas för att identifiera former av partiskhet eller stereotyper.