Forskare använder hjärndatorgränssnitt för att generera attraktiva ansikten baserat på personliga preferenser

Ett team av forskare från Helsingfors universitet har skapat en AI som är avsedd att generera bilder av attraktiva ansikten, baserat på de funktioner som individer som bär en hjärndatorgränssnitt (BCI) finner attraktiva. AI:n genererar ansiktsfunktioner baserat på data som samlats in av BCI.

Forskningsgruppen var en kombination av datavetare och psykologer från Helsingfors universitet. Helsingforsforskargruppen använde elektroencefalografi (EEG) för att bestämma vilka ansiktsfunktioner olika människor kan tycka är attraktiva. EEG-signalerna korrelerades med ansiktsfunktioner, och sedan matades data in i ett generativt adversariellt nätverk (GAN). Maskinlärningssystemet tränades sedan på ansiktsfunktioner som en stor mängd människor tyckte var attraktiva, och kunde sedan omvända ingenjör dessa mönster för att generera helt nya ansikten.

Forskarna hade 30 deltagare som satt framför en skärm medan bilder av ansikten visades för dem. Dessa ansikten var inte av riktiga människor, utan genererades av en AI som tränats på en dataset med över 200 000 bilder av kändisar. Deltagarna bar en EEG-kappa med elektroder för att spela in och analysera deras hjärnaktivitet medan de tittade på olika ansikten. EEG kunde spela in deras reaktioner på ansikten de tyckte var attraktiva. Mätningarna som togs av EEG-systemet matades in i GAN, som tolkade EEG-signalerna i termer av hur attraktiva deltagarna tyckte ansiktet var. GAN kunde generera nya ansikten när den väl var tränad på denna data.

Forskningsgruppen genomförde sedan en andra experiment. De nyskapade ansiktena visades för samma volontärer som hade deltagit i den tidigare visningssessionen. Deltagarna ombads att ranka ansiktena i termer av attraktivitet. När resultaten av studien analyserades fann forskarna att deltagarna betygde de genererade bilderna som attraktiva ungefär 80% av tiden. Detta är i kontrast till de ursprungliga bilderna, som bara betygsattes som attraktiva 20% av tiden.

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

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

“Studien visar att vi kan generera bilder som matchar personliga preferenser genom att ansluta ett konstgjort neuronnät till hjärnsvar. Att lyckas med att bedöma attraktivitet är särskilt betydelsefullt, eftersom detta är en sådan poäng, psykologisk egenskap hos stimuli. Datorseende har hittills varit mycket framgångsrikt i att kategorisera bilder baserat på objektiva mönster. Genom att ta med hjärnsvar i 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 implikationer för hur datorer förstår subjektiva preferenser. AI-lösningar och hjärndatorgränssnitt kan användas tillsammans för att förstå komplexa psykologiska fenomen. Enligt Spapé kan vi kanske titta på andra kognitiva funktioner, som beslutsfattande och perception, med hjälp av liknande tekniker. Antagande att de allmänna taktikerna som används för att tolka attraktivitet också gäller för andra kognitiva funktioner, kan ett liknande system utvecklas för att identifiera former av bias eller stereotyper.