Ajulugemine A.I. Teeb võltsnäod, mis on teile atraktiivsed

Kujutage ette, kui mõni mitte liiga kauge Tinderi tulevane versioon suudaks teie aju sisse roomata ja eraldada teile kõige atraktiivsemad funktsioonid. potentsiaalne elukaaslane, seejärel skannige romantikaotsingute otsinguruumi, et leida kumba partnerist on kõige rohkem selliseid füüsilisi atribuudid.

Me ei räägi ainult sellistest omadustest nagu pikkus ja juuksevärv, vaid ka palju keerulisemast võrrandist, mis põhineb kõigi, keda olete kunagi atraktiivseks pidanud, andmestikul. Samamoodi nagu Spotify soovitussüsteem õpib teile meeldivad lood ja soovitab seejärel teisi, mis vastavad sarnasele profiilile – põhineb sellistel omadustel nagu tantsitavus, energia, tempo, valjus ja kõnekus – see hüpoteetiline algoritm toimiks sama ka süda. Või vähemalt nimme. Nimetage seda füüsilise atraktiivsuse matšiks A.I abil.

Selguse huvides ei tööta Tinder – nii palju kui mina tean – millegi sellise kaugjuhtimise kallal. Kuid Helsingi ülikooli ja Kopenhaageni ülikooli teadlased on. Ja kuigi see kirjeldus võib tunduda düstoopilise madaluse järele, mis on vahepealne

Must peegel ja Armastuse saar, tegelikkuses on nende ajulugemisuuringud päris paeluvad.

Näoruumi otsimine

Oma hiljutises katses kasutasid teadlased a generatiivne vastandlik närvivõrk, mis on koolitatud suures andmebaasis, mis sisaldab 200 000 kuulsuste kujutist, et unistada sadade võltsnägude seeriast. Need olid näod, millel olid teatud kuulsuste tunnused – siin on tugev lõuajoon, a seal olid läbistavad taevasinised silmad, kuid mida ei saanud kohe ära tunda kui kuulsusi küsimus.

Seejärel koondati pildid slaidiseansiks, et näidata neid 30 osalejale, kes olid komplekteeritud elektroentsefalograafia (EEG) korgid nad suudavad lugeda nende ajutegevust peanaha elektrilise aktiivsuse kaudu. Igal osalejal paluti keskenduda sellele, kas nende arvates on nägu, mida nad ekraanilt vaatavad, hea välja või mitte. Iga nägu oli näha lühikest aega, enne kui ilmus järgmine pilt. Osalejad ei pidanud heakskiitmiseks midagi paberile märkima, nuppu vajutama ega paremale pühkima. Piisas keskendumisest sellele, mida nad pidasid atraktiivseks.

"Näitasime osalejatele suurt valikut neist nägudest ja palusime neil keskenduda valikuliselt nägudele, mida nad pidasid atraktiivseks," Michiel Spapé, ütles Helsingi ülikooli järeldoktorant Digital Trendsile. "Püüdes ajulaineid EEG abil, mis tekkisid vahetult pärast näo nägemist, hindasime, kas nägu peeti atraktiivseks või mitte. Seda teavet kasutati seejärel otsingu tegemiseks närvivõrgu mudelis - 512-mõõtmelises 'nägu-ruum' – ja kolmnurka punkt, mis vastaks konkreetse osaleja punktile atraktiivsus."

Varjatud andmemustrite leidmine, mis näitasid teatud funktsioonide eelistusi, saavutati masinõppe abil, et uurida iga näo poolt tekitatud elektrilist ajutegevust. Laias laastus võib öelda, et mida rohkem teatud tüüpi ajutegevust märgatakse (sellest sekundi jooksul rohkem), seda suurem on külgetõmbe tase. Osalejad ei pidanud teatud funktsioone eriti atraktiivsetena esile tõstma. Et naasta Spotify analoogia juurde, samal viisil, nagu võime alateadlikult süveneda kindla taktiga lugude poole, mõõtes vaatamise ajal ajutegevust suur hulk pilte ja seejärel lasta algoritmil välja selgitada, mis neil kõigil on ühist, A.I. suudavad välja tuua näo osad, millest me ei pruugi isegi aru saada juurde. Masinõpe on selles kontekstis nagu detektiiv, kelle ülesanne on punkte ühendada.

Pühkige aju paremale

"See ei tähenda tingimata" suurenenud ajutegevust ", vaid pigem seda, et teatud kujutised sünkroniseerivad närvitegevust," selgitas Spapé. "See tähendab, et elav aju on alati aktiivne. EEG erineb [funktsionaalsest magnetresonantstomograafiast] selle poolest, et me ei ole väga kindlad, kust aktiivsus tuleb, vaid ainult siis, kui see tuleb millestki. Ainult seetõttu, et paljud neuronid tulistavad samal ajal ja samas suunas, [me] suudame nende [elektrilise] allkirja üles võtta. Nii et sünkroonimine ja desünkroniseerimine on see, mida me valime, mitte "tegevust" kui sellist."

Ta rõhutas, et mis meeskonnal on mitte selleks on leida viis, kuidas vaadata juhuslikke EEG ajuandmeid ja öelda kohe, kui inimene vaatab kedagi, keda ta peab atraktiivseks. "Atraktsioon on väga keeruline teema," ütles ta. Mujal märkis ta, et "me ei saa mõtteid kontrollida".

Kuidas siis täpselt on teadlastel õnnestunud see katse läbi viia, kui nad ei saa garanteerida, et see, mida nad mõõdavad, on külgetõmme? Vastus on tegelikult, et nad on külgetõmbe mõõtmine. Selle stsenaariumi puhul vähemalt. Teadlased näevad selles eksperimentaalses seadistuses, et ligikaudu 300 millisekundit pärast a osaleja näeb atraktiivset pilti, süttib tema aju konkreetse elektrilise signaaliga, mida nimetatakse a P300 laine. P300 laine ei tähenda alati külgetõmmet, vaid pigem teatud asjakohaste stiimulite äratundmist. Kuid mis need stiimulid on, sõltub sellest, mida inimesel on palutud otsida. Teiste stsenaariumide korral, kus inimesel palutakse keskenduda erinevatele funktsioonidele, võib see viidata millelegi täiesti erinevale. (Näiteks näide: P300 vastust kasutatakse valedetektorites mõõdikuna ja mitte tingimata selleks, et öelda, kas inimene räägib tõtt oma külgetõmbe kohta konkreetse inimese vastu.)

NeuroTinder ja kaugemalgi

Selles uuringus kasutasid teadlased neid külgetõmbeandmeid, et generatiivne võistlev võrgustik genereeriks uusi kohandatud nägusid kõige ajusädemeid tekitavad tunnused – Frankensteini näojoonte kogum, mille osalejate ajuandmed olid näidanud, et nad leiavad isiklikult atraktiivne.

"Kuigi mõned näojooned võivad osalejate seas üldiselt eelistatud olla, nagu mõned Meie katsetes loodud näod näevad üksteisega sarnased, mudel jäädvustab tõesti isiklikku Funktsioonid," Tuukka Ruotsalo, Helsingi ülikooli dotsent, rääkis Digital Trendsile. "Kõigil loodud piltidel on erinevusi. Kõige triviaalsemas aspektis saavad erinevate sooeelistustega osalejad nendele eelistustele vastavad näod.

Tekib atraktiivsed inimesed, keda pole kunagi eksisteerinud on kindlasti selle tehnoloogia pealkirju haarav kasutamine. Siiski võib sellel olla ka muid sisukamaid rakendusi. Generatiivse kunstliku närvivõrgu ja inimese aju vastuste vahelist koostoimet saab kasutada ka selleks, et testida inimeste reaktsioone andmetes esinevatele erinevatele nähtustele.

"See võib aidata meil mõista funktsioone ja nende kombinatsioone, mis reageerivad kognitiivsetele funktsioonidele funktsioonid, nagu eelarvamused, stereotüübid, aga ka eelistused ja individuaalsed erinevused,” rääkis Ruotsalo.

Tööd kirjeldav paber oli hiljuti avaldatud ajakirjas IEEE Transactions in Affective Computing.

Toimetajate soovitused

• Kuidas A.I. kimalaste ajud võivad avada navigeerimise uue ajastu
• Samsungi uus toit A.I. oskab soovitada retsepte selle põhjal, mis teie külmikus on
• Uus kardioloogia A.I. teab, kas sa sured varsti. Arstid ei oska selgitada, kuidas see toimib
• Hoidke veebis anonüümseks sügavvõltstehnoloogia abil, mis loob teile täiesti uue näo
• Nutikas uus keeleõpperakendus võimaldab teil harjutada A.I-ga rääkimist. juhendaja