Các nhà nghiên cứu sử dụng giao diện máy tính não để tạo ra khuôn mặt hấp dẫn dựa trên sở thích cá nhân

Một nhóm các nhà nghiên cứu từ Đại học Helsinki đã tạo ra một trí tuệ nhân tạo được thiết kế để tạo ra hình ảnh khuôn mặt hấp dẫn, dựa trên các đặc điểm mà các cá nhân đeo giao diện máy tính não (BCI) tìm thấy hấp dẫn. Trí tuệ nhân tạo tạo ra các đặc điểm khuôn mặt dựa trên dữ liệu thu thập được bởi BCI.

Đội ngũ nghiên cứu là sự kết hợp của các nhà khoa học máy tính và tâm lý học từ Đại học Helsinki. Đội ngũ nghiên cứu Helsinki đã sử dụng các phép đo điện não đồ (EEG) để xác định các đặc điểm khuôn mặt mà khác nhau người có thể tìm thấy hấp dẫn. Các tín hiệu EEG được liên kết với các đặc điểm khuôn mặt, và sau đó dữ liệu được cung cấp cho một mạng đối抗 tạo sinh (GAN). Hệ thống học máy được đào tạo trên các đặc điểm khuôn mặt mà nhiều người tìm thấy hấp dẫn và sau đó có thể đảo ngược các mẫu này để tạo ra khuôn mặt hoàn toàn mới.

Các nhà nghiên cứu đã yêu cầu 30 người tham gia ngồi trước màn hình khi hình ảnh khuôn mặt được hiển thị cho họ. Những khuôn mặt này không phải của người thật, chúng được tạo ra bởi một trí tuệ nhân tạo được đào tạo trên một tập dữ liệu hơn 200.000 hình ảnh của các ngôi sao điện ảnh. Người tham gia đeo một mũ EEG có dây nối với các điện cực để ghi lại và phân tích hoạt động não của họ khi họ xem các khuôn mặt khác nhau. Hệ thống EEG có thể ghi lại phản ứng của họ với khuôn mặt họ tìm thấy hấp dẫn. Các phép đo được thực hiện bởi hệ thống EEG được cung cấp cho GAN, mà giải thích các tín hiệu EEG về mức độ hấp dẫn mà người tham gia tìm thấy khuôn mặt. GAN có thể tạo ra khuôn mặt mới một khi được đào tạo trên dữ liệu này.

Đội ngũ nghiên cứu sau đó đã thực hiện một thí nghiệm thứ hai. Các khuôn mặt mới được tạo ra đã được hiển thị cho cùng những người tham gia đã tham gia vào phiên xem trước. Người tham gia được yêu cầu xếp hạng các khuôn mặt theo mức độ hấp dẫn. Khi kết quả của nghiên cứu được phân tích, các nhà nghiên cứu đã tìm thấy người tham gia đánh giá hình ảnh được tạo ra là hấp dẫn khoảng 80% thời gian. Điều này ngược lại với hình ảnh gốc, mà chỉ được đánh giá là hấp dẫn khoảng 20% thời gian.

Kích thước mẫu của nghiên cứu khá nhỏ, vì vậy không rõ phương pháp này sẽ mạnh mẽ như thế nào khi được thử nghiệm trên một dân số lớn hơn. Tuy nhiên, kết quả rất thú vị và chúng chắc chắn là một ví dụ khác về cách các hành vi và sở thích mà dường như khó hiểu có thể được lượng hóa với các kỹ thuật trí tuệ nhân tạo nhất định.

Michael Spapé, một nhà nghiên cứu cao cấp tại Khoa Tâm lý học và Ngôn ngữ học của Đại học Helsinki, giải thích rằng nghiên cứu này cho thấy cách các thuộc tính tâm lý có thể được chứng minh với thông tin về cách não phản ứng với các kích thích. Như Spapé giải thích qua EurekaAlert:

“Nghiên cứu chứng minh rằng chúng ta có khả năng tạo ra hình ảnh phù hợp với sở thích cá nhân bằng cách kết nối một mạng nơ-ron nhân tạo với phản ứng não. Thành công trong việc đánh giá sự hấp dẫn đặc biệt quan trọng, vì đây là một thuộc tính tâm lý sắc nét của các kích thích. Thị giác máy tính cho đến nay đã rất thành công trong việc phân loại hình ảnh dựa trên mẫu khách quan. Bằng cách đưa phản ứng não vào hỗn hợp, chúng tôi cho thấy có thể phát hiện và tạo ra hình ảnh dựa trên các thuộc tính tâm lý, như sở thích cá nhân.”

Các nhà nghiên cứu cho rằng nghiên cứu này có thể có ý nghĩa đối với cách máy tính hiểu sở thích chủ quan. Các giải pháp trí tuệ nhân tạo và giao diện máy tính não có thể được sử dụng cùng nhau để hiểu các hiện tượng tâm lý phức tạp. Theo Spapé, chúng ta có thể nhìn vào các chức năng nhận thức khác, như ra quyết định và nhận thức, sử dụng các kỹ thuật tương tự. Giả sử các chiến thuật chung được sử dụng để giải thích sự hấp dẫn giữ đúng cho các chức năng nhận thức khác, một hệ thống tương tự có thể được phát triển để xác định các hình thức偏见 hoặc khuôn mẫu.