Brain-Reading A.I. Tekee houkuttelevia valekasvoja

Kuvittele, jos jokin ei liian kaukainen tulevaisuuden Tinder-versio voisi ryömiä aivoihisi ja poimia niistä ominaisuuksia, joita pidät houkuttelevimpana. potentiaalinen puoliso, tutki sitten romanssia etsivää hakutilaa löytääksesi kumpi tahansa kumppani, jolla on eniten näitä fyysisiä attribuutteja.

Emme myöskään puhu pelkästään ominaisuuksista, kuten pituudesta ja hiusten väristä, vaan paljon monimutkaisemmasta yhtälöstä, joka perustuu tietojoukkoon kaikista, jotka olet koskaan pitänyt houkuttelevina. Samalla tavalla kuin Spotify-suositusjärjestelmä oppii kappaleet, joista pidät, ja ehdottaa sitten muita, jotka vastaavat samanlaista profiilia – perustuu sellaisiin ominaisuuksiin kuin tanssittavuus, energia, tempo, äänenvoimakkuus ja puhekyky – tämä hypoteettinen algoritmi tekisi samoin sydän. Tai ainakin lanteet. Kutsu sitä fyysisen houkuttelevuuden matchmakingiksi A.I: n avulla.

Selvyyden vuoksi totean, että Tinder ei - tietääkseni - työskentele minkään tällaisen etätyöskentelyn parissa. Mutta tutkijat Helsingin yliopistosta ja Kööpenhaminan yliopistosta ovat. Ja vaikka tämä kuvaus saattaa haistaa jonkin verran dystooppiselle matalalle tasolle Musta peili ja Rakkauden saari, todellisuudessa heidän aivolukututkimuksensa on sangen kiehtovaa.

Etsitään kasvojen tilaa

Äskettäisessä kokeessaan tutkijat käyttivät a generatiivinen kontradiktorinen neuroverkko, joka on koulutettu 200 000 julkkiskuvan suureen tietokantaan, ja se haaveili sarjasta satoja väärennettyjä kasvoja. Nämä olivat kasvoja, joilla oli joitain tiettyjen julkkisten tunnusmerkkejä – vahva leukalinja täällä, a siellä oli lävistävä joukko taivaansinisiä silmiä – mutta joita ei heti tunnistettu kuuluisuudeksi kysymys.

Kuvat koottiin sitten diaesitykseen, joka esitettiin 30 osallistujalle, jotka olivat mukana elektroenkefalografia (EEG) -korkit pystyvät lukemaan heidän aivotoimintaansa päänahan sähköisen toiminnan kautta. Jokaista osallistujaa pyydettiin keskittymään siihen, olivatko heidän mielestään ruudulta katsomansa kasvot hyvännäköiset vai eivät. Jokainen kasvot näkyivät lyhyen aikaa, ennen kuin seuraava kuva ilmestyi. Osallistujien ei tarvinnut merkitä mitään paperille, painaa painiketta tai pyyhkäisemällä oikealle ilmoittaakseen hyväksyvänsä. Pelkkä keskittyminen siihen, mitä he pitivät houkuttelevana, riitti.

"Näytimme osallistujille suuren valikoiman näitä kasvoja ja pyysimme heitä keskittymään valikoivasti kasvoihin, jotka he pitivät houkuttelevina." Michiel Spapé, tutkijatohtori Helsingin yliopistosta kertoi Digital Trendsille. "Kaappaamalla aivoaallot EEG: llä, jotka tapahtuivat heti kasvojen näkemisen jälkeen, arvioimme, pidettiinkö kasvot houkuttelevina vai ei. Näitä tietoja käytettiin sitten etsimään hermoverkkomallissa - 512-ulotteisessa "kasvo-avaruus" - ja kolmio piste, joka vastaa yksittäisen osallistujan pistettä houkuttelevuutta.”

Piilotetut datamallit, jotka paljastivat tiettyjen ominaisuuksien mieltymykset, löydettiin käyttämällä koneoppimista tutkimaan kunkin kasvon aiheuttamaa sähköistä aivotoimintaa. Yleisesti ottaen mitä enemmän tietynlaista aivotoimintaa havaitaan (lisätietoja sekunnissa), sitä suurempi vetovoima on. Osallistujien ei tarvinnut korostaa tiettyjä ominaisuuksia erityisen houkutteleviksi. Palatakseni Spotify-analogiaan, samalla tavalla kuin voisimme alitajuisesti kiintyä kappaleisiin, joilla on tietty aika, mittaamalla aivojen toimintaa katselun aikana suuri määrä kuvia ja antaa sitten algoritmin selvittää, mikä niillä kaikilla on yhteistä, A.I. voi erottaa osia kasvoista, joita emme ehkä edes tajua piirretymme to. Koneoppiminen on tässä yhteydessä kuin etsivä, jonka tehtävänä on yhdistää pisteitä.

Pyyhkäise oikea aivo

"Kyse ei välttämättä ole "lisääntyneestä aivotoiminnasta", vaan pikemminkin siitä, että tietyt kuvat synkronoivat hermotoiminnan uudelleen", Spapé selventää. ”Elävät aivot ovat siis aina aktiiviset. EEG on aivan erilainen kuin [toiminnallinen magneettikuvaus] siinä mielessä, että emme ole kovin varmoja, mistä aktiivisuus tulee, mutta vain silloin, kun se tulee jostain. Vain koska monet neuronit ampuvat samanaikaisesti, samaan suuntaan, [me] pystymme poimimaan niiden [sähköisen] allekirjoituksen. Synkronointi ja desynkronointi ovat siis se, mitä haemme mieluummin kuin "toimintaa" sellaisenaan."

Hän korosti, että mitä joukkue on ei On löydettävä tapa tarkastella satunnaisia ​​EEG-aivotietoja ja kertoa välittömästi, jos henkilö katsoo jotakuta kiinnostavaa. "Ventovoima on hyvin monimutkainen aihe", hän sanoi. Muualla hän huomautti, että "emme voi hallita ajatuksia".

Kuinka tarkalleen ottaen tutkijat ovat onnistuneet suorittamaan tämän kokeen, jos he eivät voi taata, että heidän mittaamansa on vetovoimaa? Vastaus on itse asiassa, että he ovat vetovoiman mittaaminen. Tässä skenaariossa ainakin. Tutkijat näkevät tässä kokeellisessa järjestelyssä, että noin 300 millisekuntia a Osallistuja näkee houkuttelevan kuvan, hänen aivonsa syttyvät tietyllä sähköisellä signaalilla nimeltä a P300 aalto. P300-aalto ei aina tarkoita vetovoimaa, vaan pikemminkin tietyn asiaankuuluvan ärsykkeen tunnistamista. Mutta mikä tämä ärsyke on, riippuu siitä, mitä henkilöä on pyydetty etsimään. Muissa skenaarioissa, joissa henkilöä pyydetään keskittymään eri ominaisuuksiin, se voi tarkoittaa jotain täysin erilaista. (Esimerkki: P300-vastetta käytetään mittana valheenilmaisimissa – eikä välttämättä kertomaan, kertooko henkilö totuuden vetovoimastaan ​​tiettyä henkilöä kohtaan.)

NeuroTinder ja sen jälkeen

Tässä tutkimuksessa tutkijat käyttivät sitten tätä vetovoimatietoa saadakseen generatiivisen vastustajaverkoston luomaan uusia mukautettuja kasvoja yhdistämällä aivoja kiihottavimmat piirteet – Frankensteinin kasvonpiirteiden kokoelma, jonka osallistujien aivotiedot olivat osoittaneet löytäneensä henkilökohtaisesti viehättävä.

"Vaikka jotkut kasvojen piirteet näyttävät olevan yleisesti suositeltavia osallistujien kesken, kuten jotkut kokeissamme luodut kasvot näyttävät samanlaisilta, malli todella vangitsee henkilökohtaisia ominaisuudet," Tuukka Ruotsalo, apulaisprofessori Helsingin yliopistosta kertoi Digital Trendsille. ”Kaikissa luoduissa kuvissa on eroja. Mitä triviaalimmassa mielessä, osallistujat, joilla on erilainen sukupuolimieltymys, saavat kasvot, jotka vastaavat tätä mieltymystä."

Luodaan houkuttelevia ihmisiä, joita ei ole koskaan ollut olemassa on varmasti otsikoihin tarttuva tämän tekniikan käyttö. Sillä voi kuitenkin olla myös muita, mielekkäämpiä sovelluksia. Generatiivisen keinotekoisen hermoverkon ja ihmisen aivojen vasteiden välistä vuorovaikutusta voitaisiin myös käyttää testattaessa ihmisen vasteita erilaisiin datassa esiintyviin ilmiöihin.

”Tämä voisi auttaa meitä ymmärtämään, millaisia ​​piirteitä ja niiden yhdistelmiä reagoivat kognitiiviseen toimintaan toimintoja, kuten ennakkoluuloja, stereotypioita, mutta myös mieltymyksiä ja yksilöllisiä eroja”, Ruotsalo sanoi.

Työtä kuvaava lehti ilmestyi äskettäin julkaistu IEEE Transactions in Affective Computing -lehdessä.

Toimittajien suositukset

• Kuinka A.I. kimalaisten aivot voivat aloittaa uuden aikakauden navigoinnissa
• Samsungin uusi ruoka A.I. voi ehdottaa reseptejä jääkaapissasi olevan sisällön perusteella
• Uusi kardiologia A.I. tietää, kuoletko pian. Lääkärit eivät osaa selittää miten se toimii
• Pysy nimettömänä verkossa deepfake-tekniikalla, joka luo sinulle kokonaan uudet kasvot
• Älykkäällä uudella kieltenoppimissovelluksella voit harjoitella puhumista A.I: n kanssa. tutor