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系统，旨在根据个体的偏好生成吸引人的面部图像。该系统使用脑机接口（BCI）来收集个体对面部特征的偏好数据，然后使用生成对抗网络（GAN）来生成新的面部图像。

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。他们使用电生理图（EEG）来测量个体对不同面部特征的反应，然后将这些数据输入到GAN中。GAN系统被训练来识别个体对面部特征的偏好，然后生成新的面部图像。

研究人员让30名参与者佩戴EEG头戴设备，观看一系列由人工智能生成的面部图像。这些图像不是真实的人脸，而是由超过20万张名人图像训练的AI生成的。参与者观看这些图像时，EEG头戴设备记录了他们的大脑活动。然后，研究人员将这些数据输入到GAN中，GAN系统根据参与者的偏好生成新的面部图像。

研究人员进行了第二个实验，向同一组参与者展示了新生成的面部图像，并要求他们评估这些图像的吸引力。结果显示，参与者对新生成的图像的吸引力评分约为80%，而原始图像的吸引力评分仅为20%。

虽然该研究的样本量较小，但结果仍然很有趣。它表明，使用人工智能技术可以量化看似难以量化的行为和偏好。

赫尔辛基大学心理学和语言病学系的高级研究员Michael Spapé解释说，该研究展示了如何使用人工智能技术来量化心理属性。Spapé表示：“该研究表明，我们可以通过连接人工神经网络和大脑反应来生成符合个人偏好的图像。这尤其重要，因为吸引力是一个复杂的心理属性。计算机视觉在识别图像的客观模式方面已经非常成功，但通过引入大脑反应，我们可以检测和生成基于心理属性的图像，例如个人偏好。”

研究人员认为，该研究可能对计算机理解主观偏好有所启发。人工智能解决方案和脑机接口可以一起使用来理解复杂的心理现象。根据Spapé的说法，我们可能可以使用类似的技术来研究其他认知功能，例如决策和感知。如果解释吸引力的方法可以应用于其他认知功能，我们可以开发出类似的系统来识别偏见或刻板印象。