Дослідники використовують інтерфейс «мозок-машина» для генерації привабливих облич на основі особистих уподобань

Група дослідників з Гельсінського університету створила штучний інтелект з метою генерації зображень привабливих облич, заснованих на особливостях, які люди, що носять інтерфейс «мозок-комп’ютер» (BCI), вважають привабливими. Штучний інтелект генерує особливості обличчя на основі даних, зібраних інтерфейсом «мозок-комп’ютер».

Дослідницька група була поєднанням комп’ютерних вчених та психологів з Гельсінського університету. Гельсінська дослідницька група використовувала електроенцефалографію (EEG) для визначення особливостей обличчя, які різні люди можуть вважати привабливими. Сигнали EEG були корельовані з особливостями обличчя, а потім дані були передані до генеративної адверсарної мережі (GAN). Система машинного навчання була потім навчена на особливостях обличчя, які багато людей вважали привабливими, і потім змогла зворотно проєктувати ці закономірності для генерації цілком нових облич.

Дослідники мали 30 учасників, які сиділи перед екраном, на якому відображалися зображення облич. Ці обличчя не були зображеннями реальних людей, а були згенеровані штучним інтелектом, навченим на наборі з понад 200 000 зображень знаменитостей. Учасники носили шапку EEG, підключену до електродів, для запису та аналізу їхньої мозкової діяльності під час перегляду різних облич. Система EEG могла реєструвати їхні реакції на обличчя, які вони вважали привабливими. Виміряні дані системи EEG були передані до GAN, яка інтерпретувала сигнали EEG у термінах привабливості обличчя для учасників. GAN змогла згенерувати нові обличчя після навчання на цих даних.

Дослідницька група потім провела другий експеримент. Новозгенеровані обличчя були відображені тим же добровольцям, які брали участь у попередньому перегляді. Учасників просили оцінити обличчя за привабливістю. Коли результати дослідження були проаналізовані, дослідники виявили, що учасники оцінили згенеровані зображення як привабливі приблизно 80% часу. Це на відміну від оригінальних зображень, які були оцінені як привабливі лише 20% часу.

Розмір вибірки дослідження був досить малим, тому неясно, наскільки надійним буде цей метод, якщо його протестувати на більшій популяції. Однак результати цікаві і вони є ще одним прикладом того, як поведінку та уподобання, які здаються незрозумілими, можна кількісно оцінити за допомогою певних технік штучного інтелекту.

Майкл Спапе, старший дослідник кафедри психології та логопедії Гельсінського університету, пояснив, що дослідження демонструє, як психологічні властивості можна продемонструвати за допомогою інформації про те, як мозок реагує на стимули. Як пояснив Спапе через EurekaAlert:

“Дослідження демонструє, що ми здатні генерувати зображення, які відповідають особистим уподобанням, підключуючи штучну нейронну мережу до реакцій мозку. Успіх у оцінці привабливості особливо значимий, оскільки це така виразна психологічна властивість стимулів. Комп’ютерне бачення досі було дуже успішним у категоризації зображень на основі об’єктивних закономірностей. Підключення реакцій мозку до цього процесу показує, що можна виявити та згенерувати зображення на основі психологічних властивостей, таких як особисті вподобання.”

Дослідники стверджують, що дослідження може мати наслідки для того, як комп’ютери розуміють суб’єктивні уподобання. Рішення штучного інтелекту та інтерфейси «мозок-комп’ютер» можна використовувати разом для розуміння складних психологічних явищ. За словами Спапе, ми можемо дослідити інші когнітивні функції, такі як прийняття рішень та сприйняття, за допомогою подібних технік. Припускаючи, що загальні тактики, використані для інтерпретації привабливості, будуть справедливими для інших когнітивних функцій, можна розробити подібну систему для ідентифікації форм упереджень або стереотипів.