Gehirnlesende KI Macht gefälschte Gesichter, die Sie attraktiv finden werden

Stellen Sie sich vor, eine nicht allzu ferne zukünftige Version von Tinder könnte in Ihr Gehirn eindringen und die Funktionen extrahieren, die Sie am attraktivsten finden Wenn Sie ein potenzieller Partner sind, scannen Sie dann den Suchbereich für Romantiksuchende, um den Partner zu finden, der die meisten körperlichen Merkmale besitzt Attribute.

Dabei geht es nicht nur um Eigenschaften wie Größe und Haarfarbe, sondern um eine weitaus komplexere Gleichung, die auf einem Datensatz aller Personen basiert, die Sie jemals zuvor attraktiv gefunden haben. Auf die gleiche Weise, wie das Spotify-Empfehlungssystem lernt, welche Songs Ihnen gefallen, und dann andere vorschlägt, die einem ähnlichen Profil entsprechen – basierend auf Merkmalen wie Tanzbarkeit, Energie, Tempo, Lautstärke und Sprachverständlichkeit – dieser hypothetische Algorithmus würde das Gleiche für Fragen des tun Herz. Oder zumindest die Lenden. Nennen wir es Matchmaking für körperliche Attraktivität mittels KI.

Um es klarzustellen: Tinder arbeitet – soweit ich weiß – nicht an so etwas. Aber Forscher der Universität Helsinki und der Universität Kopenhagen sind es. Und auch wenn diese Beschreibung etwas von einer dystopischen Oberflächlichkeit auf halbem Weg riechen könnte Schwarzer Spiegel Und Liebesinsel, in Wirklichkeit ist ihre Gehirnleseforschung verdammt faszinierend.

Den Gesichtsraum durchsuchen

In ihrem jüngsten Experiment verwendeten die Forscher a Generatives kontradiktorisches neuronales Netzwerk, trainiert auf einer großen Datenbank mit 200.000 Promi-Bildern, um sich eine Reihe von Hunderten von falschen Gesichtern auszudenken. Dies waren Gesichter mit einigen der Markenzeichen bestimmter Berühmtheiten – hier ein kräftiger Kiefer, a Durchdringende azurblaue Augen waren da – die aber nicht sofort als die Berühmtheiten zu erkennen waren Frage.

Die Bilder wurden dann in einer Diashow zusammengestellt, um sie 30 Teilnehmern zu zeigen, die damit ausgestattet waren Elektroenzephalographie (EEG)-Kappen sind in der Lage, ihre Gehirnaktivität anhand der elektrischen Aktivität auf ihrer Kopfhaut abzulesen. Jeder Teilnehmer wurde gebeten, sich darauf zu konzentrieren, ob er das Gesicht, das er auf dem Bildschirm sah, für gutaussehend hielt oder nicht. Jedes Gesicht war für kurze Zeit zu sehen, bevor das nächste Bild erschien. Die Teilnehmer mussten nichts auf Papier notieren, einen Knopf drücken oder nach rechts wischen, um ihre Zustimmung zu geben. Es reichte aus, sich nur auf das zu konzentrieren, was sie attraktiv fanden.

„Wir haben den Teilnehmern eine große Auswahl dieser Gesichter gezeigt und sie gebeten, sich gezielt auf Gesichter zu konzentrieren, die sie attraktiv fanden.“ Michiel Spapé, ein Postdoktorand an der Universität Helsinki, sagte gegenüber Digital Trends. „Durch die Erfassung der Gehirnwellen mittels EEG, die unmittelbar nach dem Anblick eines Gesichts auftraten, konnten wir abschätzen, ob ein Gesicht als attraktiv angesehen wurde oder nicht. Diese Informationen wurden dann verwendet, um eine Suche innerhalb des neuronalen Netzwerkmodells voranzutreiben – einem 512-dimensionalen „Face-Space“ – und triangulieren Sie einen Punkt, der mit dem Punkt eines einzelnen Teilnehmers übereinstimmt Attraktivität.“

Das Auffinden der verborgenen Datenmuster, die Präferenzen für bestimmte Merkmale offenbarten, gelang mithilfe maschinellen Lernens, um die elektrische Gehirnaktivität zu untersuchen, die jedes Gesicht hervorrief. Im Großen und Ganzen gilt: Je mehr von einer bestimmten Art von Gehirnaktivität beobachtet wird (mehr dazu gleich), desto größer ist die Anziehungskraft. Die Teilnehmer mussten bestimmte Features nicht als besonders attraktiv hervorheben. Um auf die Spotify-Analogie zurückzukommen: So wie wir uns unbewusst zu Liedern mit einer bestimmten Taktart hingezogen fühlen könnten, indem wir beim Ansehen die Gehirnaktivität messen Große Mengen an Bildern, und dann einen Algorithmus herausfinden lassen, was sie alle gemeinsam haben, die K.I. kann Teile des Gesichts hervorheben, von denen wir vielleicht gar nicht merken, dass wir gezeichnet sind Zu. Maschinelles Lernen ist in diesem Zusammenhang wie ein Detektiv, dessen Aufgabe es ist, die Zusammenhänge zu erkennen.

Wischen Sie über die rechte Gehirnhälfte

„Es handelt sich nicht unbedingt um eine ‚erhöhte Gehirnaktivität‘, sondern vielmehr darum, dass bestimmte Bilder die neuronale Aktivität neu synchronisieren“, stellte Spapé klar. „Das heißt, das lebende Gehirn ist immer aktiv. Im Gegensatz zum EEG (funktionelle Magnetresonanztomographie) wissen wir nicht genau, woher die Aktivität kommt, sondern nur, ob sie von etwas kommt. Nur weil viele Neuronen gleichzeitig und in die gleiche Richtung feuern, können wir ihre elektrische Signatur erfassen. Synchronisation und Desynchronisation sind also das, was wir wahrnehmen, und nicht „Aktivität“ als solche.“

Er betonte, was das Team habe nicht Ziel ist es, einen Weg zu finden, zufällige EEG-Gehirndaten zu betrachten und sofort zu erkennen, ob eine Person jemanden ansieht, den sie attraktiv findet. „Anziehung ist ein sehr komplexes Thema“, sagte er. An anderer Stelle stellte er fest, dass „wir keine Gedankenkontrolle durchführen können“.

Wie genau ist es den Forschern also gelungen, dieses Experiment durchzuführen, wenn sie nicht garantieren können, dass es sich bei dem, was sie messen, um Anziehung handelt? Die Antwort ist tatsächlich, dass sie Sind Anziehung messen. Zumindest in diesem Szenario. Was die Forscher in diesem Versuchsaufbau sehen, ist, dass etwa 300 Millisekunden nach a Wenn der Teilnehmer ein attraktives Bild sieht, leuchtet in seinem Gehirn ein bestimmtes elektrisches Signal auf, das als a bezeichnet wird P300 Welle. Eine P300-Welle bedeutet nicht immer Anziehung, sondern vielmehr das Erkennen bestimmter relevanter Reize. Aber um welche Reize es sich handelt, hängt davon ab, wonach die Person suchen soll. In anderen Szenarien, in denen eine Person aufgefordert wird, sich auf verschiedene Funktionen zu konzentrieren, kann dies auf etwas völlig anderes hinweisen. (Ein typisches Beispiel: Die P300-Reaktion wird als Maß für Lügendetektoren verwendet – und nicht unbedingt, um festzustellen, ob eine Person die Wahrheit über ihre Anziehungskraft auf eine bestimmte Person sagt.)

NeuroTinder und darüber hinaus

In dieser Studie nutzten die Forscher diese Anziehungsdaten dann, um das generative kontradiktorische Netzwerk neue maßgeschneiderte Gesichtskombinationen generieren zu lassen die hirnintensivsten Merkmale – eine Frankenstein-Zusammenstellung von Gesichtsmerkmalen, die die Gehirndaten der Teilnehmer angegeben hatten, dass sie sie persönlich finden attraktiv.

„Während es einige Gesichtszüge geben kann, die bei den Teilnehmern allgemein bevorzugt zu sein scheinen, wie einige Die in unseren Experimenten erzeugten Gesichter sehen einander ähnlich aus, das Modell fängt wirklich Persönliches ein Merkmale," Tuukka Ruotsalo, außerordentlicher Professor an der Universität Helsinki, sagte gegenüber Digital Trends. „Es gibt Unterschiede in allen generierten Bildern. Im trivialsten Aspekt erhalten Teilnehmer mit unterschiedlichen Geschlechtspräferenzen Gesichter, die dieser Präferenz entsprechen.“

Erstellen attraktive Menschen, die es nie gegeben hat ist sicherlich ein schlagzeilenträchtiger Einsatz dieser Technologie. Es könnte jedoch auch andere, sinnvollere Anwendungen haben. Die Interaktion zwischen einem generativen künstlichen neuronalen Netzwerk und den Reaktionen des menschlichen Gehirns könnte auch genutzt werden, um menschliche Reaktionen auf verschiedene in Daten vorhandene Phänomene zu testen.

„Dies könnte uns helfen, die Art der Funktionen und ihre Kombinationen zu verstehen, die auf kognitive Prozesse reagieren Funktionen wie Vorurteile, Stereotypen, aber auch Vorlieben und individuelle Unterschiede“, sagte Ruotsalo.

Ein Artikel, der die Arbeit beschreibt, wurde kürzlich veröffentlicht veröffentlicht in der Zeitschrift IEEE Transactions in Affective Computing.

Empfehlungen der Redaktion

• Wie K.I. Hummelgehirne könnten eine neue Ära der Navigation einläuten
• Samsungs neue Lebensmittel-KI kann Rezepte vorschlagen, die auf dem basieren, was sich in Ihrem Kühlschrank befindet
• Neue Kardiologie-KI weiß, ob du bald stirbst. Ärzte können nicht erklären, wie es funktioniert
• Bleiben Sie online anonym mit der Deepfake-Technologie, die Ihnen ein völlig neues Gesicht verleiht
• Mit der cleveren neuen Sprachlern-App können Sie das Sprechen mit einer KI üben. Tutor