研究人员使用脑机接口根据个人偏好生成吸引人的面部图像

赫尔辛基大学的一组研究人员创建了一个人工智能，旨在根据个人偏好生成吸引人的面部图像。该人工智能根据佩戴脑机接口（BCI）的人所认为的吸引人的面部特征来生成面部特征。该人工智能根据脑机接口（BCI）收集的数据生成面部特征。

研究团队由赫尔辛基大学的计算机科学家和心理学家组成。赫尔辛基研究团队使用脑电图（EEG）测量来确定不同人可能认为吸引人的面部特征。EEG信号与面部特征相关联，然后将数据输入到生成对抗网络（GAN）中。机器学习系统随后在大量人认为吸引人的面部特征上进行了训练，并能够反向工程这些模式来生成全新的面部图像。

研究人员让30名参与者坐在屏幕前，向他们展示面部图像。这些面部图像不是真实的人，而是由在超过20万张名人图像数据集上训练的人工智能生成的。参与者佩戴了带有电极的EEG头戴设备来记录和分析他们在查看不同面部图像时的大脑活动。EEG能够记录他们对认为吸引人的面部图像的反应。EEG系统采集的测量数据被输入到GAN中，GAN将EEG信号解释为参与者认为面部图像有多吸引人。GAN在训练了这些数据后能够生成新的面部图像。

研究团队随后进行了第二个实验。新生成的面部图像被展示给之前观看会话中参与的相同志愿者。参与者被要求根据吸引力对面部图像进行排名。当研究结果被分析时，研究人员发现参与者大约80%的时间将生成的图像评为吸引人。这与原始图像形成对比，原始图像只被评为吸引人大约20%的时间。

该研究的样本量相当小，因此尚不清楚该方法在更大的人口中会有多么强大的效果。然而，结果很有趣，它们是人工智能技术可以量化看似难以理解的行为和偏好的另一个例子。

赫尔辛基大学心理学和言语病理学系的高级研究员Michael Spapé解释说，该研究表明了心理特性可以通过大脑对刺激的反应信息来展示。正如Spapé通过EurekaAlert解释的那样：

“该研究表明，我们能够通过将人工神经网络连接到大脑反应来生成与个人偏好相符的图像。成功评估吸引力尤其重要，因为这是刺激的如此强烈的心理特性。计算机视觉迄今为止在根据客观模式对图像进行分类方面非常成功。通过将大脑反应纳入混合，我们展示了可以检测和生成基于心理特性（如个人品味）的图像。”

研究人员认为，该研究可能对计算机理解主观偏好有影响。人工智能解决方案和脑机接口可以一起用于理解复杂的心理现象。根据Spapé的说法，我们可能能够使用类似的技术来研究决策和感知等其他认知功能。如果解释吸引力的普遍策略对其他认知功能也成立，那么可以开发出类似的系统来识别偏见或刻板印象。