Brain-Reading A.I. Κάνει ψεύτικα πρόσωπα που θα τα βρείτε ελκυστικά

Φανταστείτε αν κάποια όχι πολύ μακρινή μελλοντική έκδοση του Tinder μπορούσε να μπει στον εγκέφαλό σας και να εξάγει τα χαρακτηριστικά που βρίσκετε πιο ελκυστικά σε έναν πιθανό σύντροφο και, στη συνέχεια, σαρώστε τον χώρο αναζήτησης που αναζητά ρομαντική σχέση για να αναζητήσετε ποιος σύντροφος είχε τον μεγαλύτερο αριθμό από αυτά τα φυσικά γνωρίσματα.

Δεν μιλάμε μόνο για ιδιότητες όπως το ύψος και το χρώμα των μαλλιών, αλλά για μια πολύ πιο περίπλοκη εξίσωση που βασίζεται σε ένα σύνολο δεδομένων όλων των ατόμων που έχετε βρει ποτέ ελκυστικά στο παρελθόν. Με τον ίδιο τρόπο που το σύστημα συστάσεων Spotify μαθαίνει τα τραγούδια που απολαμβάνετε και στη συνέχεια προτείνει άλλα που συμμορφώνονται με ένα παρόμοιο προφίλ — βασισμένος σε χαρακτηριστικά όπως η χορευτικότητα, η ενέργεια, ο ρυθμός, η ένταση και η ομιλία — αυτός ο υποθετικός αλγόριθμος θα έκανε το ίδιο για θέματα καρδιά. Ή, τουλάχιστον, η οσφυϊκή χώρα. Ονομάστε το matchmaking φυσικής ελκυστικότητας μέσω A.I.

Για να είμαι ξεκάθαρος, το Tinder δεν εργάζεται - από όσο γνωρίζω - σε κάτι τέτοιο εξ αποστάσεως. Αλλά ερευνητές από το Πανεπιστήμιο του Ελσίνκι και το Πανεπιστήμιο της Κοπεγχάγης είναι. Και ενώ αυτή η περιγραφή μπορεί να θυμίζει κάπως μια δυστοπική ρηχότητα που βρίσκεται στη μέση του Μαύρος Καθρεφτής και Νησί της Αγάπης, στην πραγματικότητα η έρευνά τους για την ανάγνωση του εγκεφάλου είναι αρκετά συναρπαστική.

Αναζήτηση στο χώρο του προσώπου

Στο πρόσφατο πείραμά τους, οι ερευνητές χρησιμοποίησαν α γενετικό αντίθετο νευρωνικό δίκτυο, εκπαιδευμένο σε μια μεγάλη βάση δεδομένων με 200.000 εικόνες διασημοτήτων, για να ονειρευτεί μια σειρά από εκατοντάδες ψεύτικα πρόσωπα. Αυτά ήταν πρόσωπα με μερικά από τα χαρακτηριστικά ορισμένων διασημοτήτων - ένα ισχυρό σαγόνι εδώ, α διαπεραστικό σύνολο γαλάζιων ματιών εκεί — αλλά που δεν ήταν αμέσως αναγνωρίσιμα από τις διασημότητες στο ερώτηση.

Στη συνέχεια, οι εικόνες συγκεντρώθηκαν σε μια παρουσίαση για να εμφανιστούν σε 30 συμμετέχοντες, οι οποίοι είχαν εξοπλιστεί με καλύμματα ηλεκτροεγκεφαλογραφίας (EEG). μπορούν να διαβάζουν τη δραστηριότητα του εγκεφάλου τους, μέσω της ηλεκτρικής δραστηριότητας στο τριχωτό της κεφαλής τους. Ζητήθηκε από κάθε συμμετέχοντα να επικεντρωθεί στο αν πίστευε ότι το πρόσωπο που κοιτούσε στην οθόνη ήταν όμορφο ή όχι. Κάθε πρόσωπο εμφανιζόταν για ένα μικρό χρονικό διάστημα, πριν εμφανιστεί η επόμενη εικόνα. Οι συμμετέχοντες δεν χρειάστηκε να σημειώσουν τίποτα σε χαρτί, να πατήσουν ένα κουμπί ή να σύρουν προς τα δεξιά για να δηλώσουν την έγκρισή τους. Αρκούσε μόνο να εστιάσουν σε αυτό που έβρισκαν ελκυστικό.

"Δείξαμε μια μεγάλη επιλογή από αυτά τα πρόσωπα στους συμμετέχοντες και τους ζητήσαμε να επικεντρωθούν επιλεκτικά σε πρόσωπα που έβρισκαν ελκυστικά." Michiel Spapé, ένας μεταδιδακτορικός ερευνητής στο Πανεπιστήμιο του Ελσίνκι, δήλωσε στο Digital Trends. «Καταγράφοντας τα εγκεφαλικά κύματα με ΗΕΓ που συνέβησαν αμέσως μετά την εμφάνιση ενός προσώπου, υπολογίσαμε εάν ένα πρόσωπο φαινόταν ελκυστικό ή όχι. Αυτές οι πληροφορίες χρησιμοποιήθηκαν στη συνέχεια για να οδηγηθεί μια αναζήτηση εντός του μοντέλου νευρωνικού δικτύου - ένα 512-διάστατο "face-space" — και τριγωνίστε ένα σημείο που θα ταιριάζει με το σημείο ενός μεμονωμένου συμμετέχοντα ελκυστικότητα."

Η εύρεση των κρυφών μοτίβων δεδομένων που αποκάλυπταν προτιμήσεις για ορισμένα χαρακτηριστικά επιτεύχθηκε με τη χρήση μηχανικής μάθησης για την ανίχνευση της ηλεκτρικής εγκεφαλικής δραστηριότητας που προκαλεί κάθε πρόσωπο. Σε γενικές γραμμές, όσο περισσότερο εντοπίζεται ένα συγκεκριμένο είδος εγκεφαλικής δραστηριότητας (περισσότερο σε ένα δευτερόλεπτο), τόσο μεγαλύτερα είναι τα επίπεδα έλξης. Οι συμμετέχοντες δεν χρειάστηκε να ξεχωρίσουν ορισμένα χαρακτηριστικά ως ιδιαίτερα ελκυστικά. Για να επιστρέψουμε στην αναλογία του Spotify, με τον ίδιο τρόπο που θα μπορούσαμε ασυναίσθητα να έλκουμε έλξη σε τραγούδια με συγκεκριμένη χρονική υπογραφή, μετρώντας την εγκεφαλική δραστηριότητα κατά την προβολή μεγάλος αριθμός εικόνων και, στη συνέχεια, αφήστε έναν αλγόριθμο να καταλάβει τι κοινό έχουν όλα, το A.I. μπορούμε να ξεχωρίσουμε σημεία του προσώπου που μπορεί να μην έχουμε καν συνειδητοποιήσει ότι έχουμε τραβήξει προς την. Η μηχανική μάθηση είναι, σε αυτό το πλαίσιο, σαν έναν ντετέκτιβ του οποίου η δουλειά είναι να συνδέει τις τελείες.

Σύρετε προς τα δεξιά στον εγκέφαλο

«Δεν είναι απαραίτητα «αυξημένη εγκεφαλική δραστηριότητα», αλλά μάλλον ότι ορισμένες εικόνες συγχρονίζουν εκ νέου τη νευρική δραστηριότητα», διευκρίνισε ο Spapé. «Δηλαδή, ο ζωντανός εγκέφαλος είναι πάντα ενεργός. Το ΗΕΓ είναι εντελώς διαφορετικό από τη [λειτουργική απεικόνιση μαγνητικού συντονισμού] καθώς δεν είμαστε πολύ σίγουροι από πού προέρχεται η δραστηριότητα, αλλά μόνο όταν προέρχεται από κάτι. Μόνο επειδή πολλοί νευρώνες πυροδοτούν την ίδια στιγμή, προς την ίδια κατεύθυνση, μπορούμε [εμείς] να πάρουμε την [ηλεκτρική] υπογραφή τους. Επομένως, ο συγχρονισμός και ο αποσυγχρονισμός είναι αυτό που επιλέγουμε και όχι η «δραστηριότητα» καθαυτή».

Τόνισε ότι αυτό που έχει η ομάδα δεν που έγινε είναι να βρούμε έναν τρόπο να εξετάσουμε τυχαία δεδομένα εγκεφάλου ΗΕΓ και να πούμε, αμέσως, εάν ένα άτομο κοιτάζει κάποιον που βρίσκει ελκυστικό. «Η έλξη είναι ένα πολύ περίπλοκο θέμα», είπε. Σε άλλο σημείο, σημείωσε ότι «δεν μπορούμε να κάνουμε έλεγχο της σκέψης».

Πώς ακριβώς κατάφεραν οι ερευνητές να πραγματοποιήσουν αυτό το πείραμα εάν δεν μπορούν να εγγυηθούν ότι αυτό που μετρούν είναι η έλξη; Η απάντηση είναι, στην πραγματικότητα, ότι αυτοί είναι μέτρηση της έλξης. Σε αυτό το σενάριο τουλάχιστον. Αυτό που βλέπουν οι ερευνητές σε αυτή την πειραματική διάταξη είναι ότι, περίπου 300 χιλιοστά του δευτερολέπτου μετά από ο συμμετέχων βλέπει μια ελκυστική εικόνα, ο εγκέφαλός του φωτίζεται με ένα συγκεκριμένο ηλεκτρικό σήμα που ονομάζεται α Κύμα P300. Ένα κύμα P300 δεν σημαίνει πάντα έλξη, αλλά μάλλον αναγνώριση ορισμένων σχετικών ερεθισμάτων. Αλλά ποια είναι αυτά τα ερεθίσματα εξαρτάται από το τι έχει ζητηθεί από το άτομο να ψάξει. Σε άλλα σενάρια, όπου ζητείται από ένα άτομο να επικεντρωθεί σε διαφορετικά χαρακτηριστικά, μπορεί να υποδηλώνει κάτι εντελώς διαφορετικό. (Παράδειγμα: η απόκριση P300 χρησιμοποιείται ως μέτρο σε ανιχνευτές ψεύδους — και όχι απαραίτητα για να πει εάν ένα άτομο λέει την αλήθεια για την έλξη του σε ένα συγκεκριμένο άτομο.)

NeuroTinder και όχι μόνο

Σε αυτή τη μελέτη, οι ερευνητές χρησιμοποίησαν στη συνέχεια αυτά τα δεδομένα έλξης για να βάλουν το παραγωγικό ανταγωνιστικό δίκτυο να δημιουργήσει νέα προσαρμοσμένα πρόσωπα που συνδυάζουν τα χαρακτηριστικά που προκαλούν τον εγκέφαλο - μια συλλογή από χαρακτηριστικά του προσώπου του Φρανκενστάιν, τα δεδομένα εγκεφάλου των συμμετεχόντων είχαν δείξει ότι τα βρίσκουν προσωπικά ελκυστικός.

«Ενώ μπορεί να υπάρχουν ορισμένα χαρακτηριστικά του προσώπου που φαίνεται να προτιμώνται γενικά από τους συμμετέχοντες, όπως ορισμένοι Τα πρόσωπα που δημιουργούνται στα πειράματά μας μοιάζουν μεταξύ τους, το μοντέλο αποτυπώνει πραγματικά προσωπικά χαρακτηριστικά," Tuukka Ruotsalo, αναπληρωτής καθηγητής στο Πανεπιστήμιο του Ελσίνκι, δήλωσε στο Digital Trends. «Υπάρχουν διαφορές σε όλες τις εικόνες που δημιουργούνται. Στην πιο ασήμαντη πτυχή, οι συμμετέχοντες με διαφορετικές προτιμήσεις φύλου έχουν πρόσωπα που ταιριάζουν με αυτή την προτίμηση».

Δημιουργία ελκυστικούς ανθρώπους που δεν υπήρξαν ποτέ είναι σίγουρα μια εντυπωσιακή χρήση αυτής της τεχνολογίας. Ωστόσο, θα μπορούσε να έχει και άλλες, πιο ουσιαστικές εφαρμογές. Η αλληλεπίδραση μεταξύ ενός γενεσιουργού τεχνητού νευρωνικού δικτύου και των αποκρίσεων του ανθρώπινου εγκεφάλου θα μπορούσε επίσης να χρησιμοποιηθεί για τον έλεγχο των ανθρώπινων αποκρίσεων σε διαφορετικά φαινόμενα που υπάρχουν στα δεδομένα.

«Αυτό θα μπορούσε να μας βοηθήσει να κατανοήσουμε το είδος των χαρακτηριστικών και τους συνδυασμούς τους που ανταποκρίνονται στα γνωστικά λειτουργίες, όπως προκαταλήψεις, στερεότυπα, αλλά και προτιμήσεις και ατομικές διαφορές», είπε ο Ρουότσαλο.

Ένα έγγραφο που περιγράφει το έργο ήταν πρόσφατα δημοσιεύθηκε στο περιοδικό IEEE Transactions in Affective Computing.

Συστάσεις των συντακτών

• Πώς η A.I. Ο εγκέφαλος των μελισσών θα μπορούσε να εγκαινιάσει μια νέα εποχή για την πλοήγηση
• Το νέο food A.I της Samsung. μπορεί να προτείνει συνταγές με βάση το τι υπάρχει στο ψυγείο σας
• Νέα καρδιολογική Α.Ι. ξέρει αν θα πεθάνεις σύντομα. Οι γιατροί δεν μπορούν να εξηγήσουν πώς λειτουργεί
• Παραμείνετε ανώνυμοι στο διαδίκτυο με την τεχνολογία deepfake που δημιουργεί ένα εντελώς νέο πρόσωπο για εσάς
• Η έξυπνη νέα εφαρμογή εκμάθησης γλωσσών σάς επιτρέπει να εξασκηθείτε στην ομιλία με ένα A.I. παιδαγωγός