Brain-Reading A.I. Прави фалшиви лица, които ще намерите за привлекателни

Представете си, ако някоя не толкова далечна бъдеща версия на Tinder може да пропълзи в мозъка ви и да извлече функциите, които намирате за най-привлекателни потенциален партньор, след това сканирайте пространството за търсене на романтика, за да потърсите кой партньор притежава най-голям брой от тези физически атрибути.

Не говорим само за качества като височина и цвят на косата, но и за много по-сложно уравнение, базирано на набор от данни на всеки, който някога сте намирали за привлекателен. По същия начин, по който системата за препоръки на Spotify научава песните, които харесвате, и след това предлага други, които отговарят на подобен профил — въз основа на характеристики като танцувалност, енергия, темпо, сила на звука и говор - този хипотетичен алгоритъм би направил същото по въпросите на сърце. Или поне слабините. Наречете го сватовство на физическата привлекателност чрез ИИ.

За да бъде ясно, Tinder не работи - доколкото ми е известно - върху нещо подобно от разстояние. Но изследователи от университета в Хелзинки и университета в Копенхаген са. И докато това описание може да намирисва донякъде на дистопична плиткост, поставена по средата между тях Черно огледало и Остров на любовта, в действителност техните изследвания за четене на мозъка са адски завладяващи.

Търсене в пространството на лицето

В скорошния си експеримент изследователите са използвали a генеративна състезателна невронна мрежа, обучен върху голяма база данни от 200 000 изображения на знаменитости, за да измисли поредица от стотици фалшиви лица. Това бяха лица с някои от отличителните белези на определени знаменитости - силна челюст тук, a пронизващ набор от лазурни очи там - но които не бяха веднага разпознаваеми като знаменитостите в въпрос.

След това изображенията бяха събрани в слайдшоу, за да се покажат на 30 участници, които бяха екипирани електроенцефалография (ЕЕГ) капс способни да разчитат мозъчната им активност чрез електрическата активност на скалпа им. Всеки участник беше помолен да се концентрира върху това дали смята, че лицето, което гледат на екрана, изглежда добре или не. Всяко лице се показваше за кратък период от време, преди да се появи следващото изображение. Участниците не трябваше да отбелязват нищо на хартия, да натискат бутон или да плъзгат надясно, за да покажат своето одобрение. Просто фокусирането върху това, което намират за привлекателно, беше достатъчно.

„Показахме голяма селекция от тези лица на участниците и ги помолихме избирателно да се концентрират върху лицата, които намират за привлекателни,“ Михел Спапе, постдокторантски изследовател в университета в Хелзинки, каза за Digital Trends. „Чрез улавяне на мозъчните вълни чрез ЕЕГ, които се появяват точно след като видяхме лице, ние преценихме дали лицето се възприема като привлекателно или не. След това тази информация беше използвана за стимулиране на търсене в модела на невронната мрежа - 512-измерен „face-space“ — и триангулирайте точка, която да съвпада с точката на отделния участник привлекателност.”

Намирането на скритите модели на данни, които разкриват предпочитания за определени характеристики, беше постигнато чрез използване на машинно обучение за изследване на електрическата мозъчна активност, провокирана от всяко лице. Най-общо казано, колкото повече от определен вид мозъчна дейност се забелязва (повече за това след секунда), толкова по-големи са нивата на привличане. Участниците не трябваше да открояват определени характеристики като особено привлекателни. Да се ​​върнем към аналогията със Spotify, по същия начин, по който можем несъзнателно да гравитираме към песни с конкретен времеви размер, чрез измерване на мозъчната активност при гледане голям брой изображения и след това оставяйки алгоритъм да разбере какво е общото между тях, A.I. може да отдели части от лицето, които може дори да не осъзнаем, че сме нарисувани да се. В този контекст машинното обучение е като детектив, чиято работа е да свързва точките.

Плъзнете надясно по мозъка

„Не е непременно „повишена мозъчна активност“, а по-скоро някои изображения повторно синхронизират невронната активност“, поясни Спапе. „Тоест живият мозък винаги е активен. ЕЕГ е доста различно от [функционалното магнитно-резонансно изображение] по това, че не сме много сигурни откъде идва дейността, но само когато идва от нещо. Само защото много неврони се задействат по едно и също време, в една и съща посока, [ние] можем да уловим техния [електрически] подпис. Така че синхронизирането и десинхронизирането е това, което ние улавяме, а не „дейност“ като такава.“

Той подчерта, че с какво разполага отборът не Направеното е да се намери начин да се видят произволни мозъчни данни от ЕЕГ и веднага да се каже дали човек гледа някого, когото намира за привлекателен. „Привличането е много сложна тема“, каза той. На друго място той отбеляза, че „не можем да контролираме мислите си“.

И така, как точно изследователите са успели да проведат този експеримент, ако не могат да гарантират, че това, което измерват, е привличането? Отговорът всъщност е, че те са измерване на привличането. Поне в този сценарий. Това, което изследователите виждат в тази експериментална настройка е, че приблизително 300 милисекунди след участникът вижда привлекателно изображение, мозъкът му светва с определен електрически сигнал, наречен a P300 вълна. Вълна P300 не винаги означава привличане, а по-скоро разпознаване на определени подходящи стимули. Но какви са тези стимули зависи от това какво е помолен да търси човекът. В други сценарии, когато човек е помолен да се съсредоточи върху различни функции, това може да означава нещо съвсем различно. (Примерен случай: реакцията P300 се използва като мярка в детекторите на лъжата - и не е задължително да се каже дали човек казва истината за своето привличане към конкретен човек.)

NeuroTinder и извън него

В това проучване изследователите след това са използвали тези данни за привличане, за да накарат генеративната състезателна мрежа да генерира нови персонализирани лица, комбиниращи най-вълнуващите мозъци черти - Франкенщайн сбор от черти на лицето Мозъчните данни на участниците показват, че те намират лично атрактивен.

„Въпреки че може да има някои черти на лицето, които изглежда като цяло предпочитани сред участниците, като някои генерираните лица в нашите експерименти изглеждат подобни едно на друго, моделът наистина улавя лично Характеристика," Туука Руотсало, доцент в университета в Хелзинки, каза пред Digital Trends. „Във всички генерирани изображения има разлики. В най-тривиалния аспект участниците с различни полови предпочитания получават лица, съответстващи на това предпочитание.

Генериране привлекателни хора, които никога не са съществували със сигурност е грабващо заглавие използване на тази технология. Въпреки това, той може да има и други, по-смислени приложения. Взаимодействието между генеративна изкуствена невронна мрежа и отговорите на човешкия мозък също може да се използва за тестване на човешките отговори на различни явления, присъстващи в данните.

„Това може да ни помогне да разберем вида функции и техните комбинации, които отговарят на когнитивните функции, като пристрастия, стереотипи, но също и предпочитания и индивидуални различия“, каза Руотсало.

Наскоро излезе документ, описващ работата публикуван в списанието IEEE Transactions in Affective Computing.

Препоръки на редакторите

• Как A.I. мозъците на земните пчели биха могли да въведат нова ера за навигация
• Новият хранителен изкуствен интелект на Samsung може да предложи рецепти въз основа на това, което има в хладилника ви
• Нова кардиология A.I. знае дали скоро ще умреш. Лекарите не могат да обяснят как работи
• Запазете анонимност онлайн с технологията deepfake, която генерира изцяло ново лице за вас
• Интелигентно ново приложение за изучаване на езици ви позволява да практикувате говорене с A.I. учител