ब्रेन-रीडिंग ए.आई. नकली चेहरे बनाता है जो आपको आकर्षक लगेंगे

कल्पना करें कि यदि टिंडर का कोई बहुत दूर का भविष्य संस्करण आपके मस्तिष्क के अंदर रेंगने और उन सुविधाओं को निकालने में सक्षम होता जो आपको सबसे आकर्षक लगती हैं एक संभावित साथी, फिर रोमांस की तलाश वाले खोज स्थान को स्कैन करके यह पता लगाएं कि किस साथी के पास इनमें से सबसे अधिक शारीरिक संबंध हैं गुण।

हम केवल ऊंचाई और बालों के रंग जैसे गुणों के बारे में बात नहीं कर रहे हैं, बल्कि उन सभी के डेटासेट पर आधारित कहीं अधिक जटिल समीकरण के बारे में बात कर रहे हैं जिन्हें आपने पहले कभी आकर्षक पाया है। उसी तरह जैसे Spotify अनुशंसा प्रणाली उन गानों को सीखती है जिनका आप आनंद लेते हैं और फिर दूसरों को सुझाव देते हैं जो समान प्रोफ़ाइल के अनुरूप होते हैं - नृत्यक्षमता, ऊर्जा, गति, प्रबलता और वाक्पटुता जैसी विशेषताओं के आधार पर - यह काल्पनिक एल्गोरिदम के मामलों के लिए भी ऐसा ही करेगा दिल। या, कम से कम, कमर। इसे ए.आई. के माध्यम से शारीरिक आकर्षण मैचमेकिंग कहें।

स्पष्ट होने के लिए, टिंडर - जहाँ तक मुझे जानकारी है - इस तरह की किसी भी चीज़ पर दूर से काम नहीं कर रहा है। लेकिन हेलसिंकी विश्वविद्यालय और कोपेनहेगन विश्वविद्यालय के शोधकर्ता हैं। और जबकि उस वर्णन के बीच में कुछ हद तक एक मनहूस उथलेपन की गंध आ सकती है काला दर्पण और लव आइलैंड, वास्तव में उनका मस्तिष्क-पढ़ने वाला शोध बहुत ही आकर्षक है।

चेहरे की जगह खोज रहा हूँ

अपने हालिया प्रयोग में, शोधकर्ताओं ने एक का प्रयोग किया जनरेटिव प्रतिकूल तंत्रिका नेटवर्क, सैकड़ों नकली चेहरों की एक श्रृंखला का सपना देखने के लिए, 200,000 सेलिब्रिटी छवियों के एक बड़े डेटाबेस पर प्रशिक्षित किया गया। ये कुछ मशहूर हस्तियों की पहचान वाले चेहरे थे - यहां एक मजबूत जबड़े की रेखा, ए वहाँ नीली आँखों का भेदी सेट - लेकिन जो मशहूर हस्तियों के रूप में तुरंत पहचानने योग्य नहीं थे सवाल।

फिर छवियों को 30 प्रतिभागियों को दिखाने के लिए एक स्लाइड शो में इकट्ठा किया गया, जिन्हें बाहर रखा गया था इलेक्ट्रोएन्सेफलोग्राफी (ईईजी) कैप्स उनकी खोपड़ी पर विद्युत गतिविधि के माध्यम से, उनके मस्तिष्क की गतिविधि को पढ़ने में सक्षम। प्रत्येक प्रतिभागी को इस बात पर ध्यान केंद्रित करने के लिए कहा गया था कि क्या उन्हें लगता है कि स्क्रीन पर जो चेहरा वे देख रहे हैं वह अच्छा दिख रहा है या नहीं। अगली छवि सामने आने से पहले, प्रत्येक चेहरा थोड़े समय के लिए दिखाई देता था। प्रतिभागियों को अपनी स्वीकृति दर्शाने के लिए कागज पर कुछ भी अंकित करने, बटन दबाने या दाईं ओर स्वाइप करने की आवश्यकता नहीं थी। जो चीज़ उन्हें आकर्षक लगी उस पर ध्यान केंद्रित करना ही काफी था।

"हमने प्रतिभागियों को इन चेहरों का एक बड़ा चयन दिखाया, और उनसे चुनिंदा चेहरों पर ध्यान केंद्रित करने के लिए कहा जो उन्हें आकर्षक लगे," माइकल स्पापेहेलसिंकी विश्वविद्यालय के एक पोस्टडॉक्टोरल शोधकर्ता ने डिजिटल ट्रेंड्स को बताया। “ईईजी द्वारा किसी चेहरे को देखने के तुरंत बाद होने वाली मस्तिष्क तरंगों को कैप्चर करके, हमने अनुमान लगाया कि कोई चेहरा आकर्षक लग रहा था या नहीं। इस जानकारी का उपयोग तंत्रिका नेटवर्क मॉडल - 512-आयामी के भीतर खोज को चलाने के लिए किया गया था 'फेस-स्पेस' - और एक बिंदु को त्रिकोणित करें जो एक व्यक्तिगत प्रतिभागी के बिंदु से मेल खाएगा आकर्षण।"

प्रत्येक चेहरे पर उत्पन्न होने वाली विद्युत मस्तिष्क गतिविधि की जांच करने के लिए मशीन लर्निंग का उपयोग करके कुछ विशेषताओं के लिए प्राथमिकताओं को प्रकट करने वाले छिपे हुए डेटा पैटर्न को ढूंढना हासिल किया गया था। मोटे तौर पर, मस्तिष्क की एक निश्चित प्रकार की गतिविधि जितनी अधिक देखी जाएगी (एक सेकंड में उस पर अधिक), आकर्षण का स्तर उतना ही अधिक होगा। प्रतिभागियों को कुछ विशिष्ट विशेषताओं को विशेष रूप से आकर्षक बताने की आवश्यकता नहीं थी। Spotify सादृश्य पर लौटने के लिए, उसी तरह जैसे हम देखते समय मस्तिष्क की गतिविधि को मापकर अनजाने में एक विशेष समय हस्ताक्षर वाले गाने की ओर आकर्षित हो सकते हैं। बड़ी संख्या में छवियां, और फिर एक एल्गोरिदम को यह पता लगाने देना कि उन सभी में क्या समानता है, ए.आई. चेहरे के उन हिस्सों को अलग कर सकते हैं, जिनका शायद हमें एहसास भी न हो कि हम खींचे गए हैं को। इस संदर्भ में मशीन लर्निंग एक जासूस की तरह है जिसका काम बिंदुओं को जोड़ना है।

दाएं मस्तिष्क को स्वाइप करें

स्पापे ने स्पष्ट किया, "यह आवश्यक रूप से 'बढ़ी हुई मस्तिष्क गतिविधि' नहीं है, बल्कि यह है कि कुछ छवियां तंत्रिका गतिविधि को पुन: सिंक्रनाइज़ करती हैं।" “अर्थात् जीवित मस्तिष्क सदैव सक्रिय रहता है। ईईजी [कार्यात्मक चुंबकीय अनुनाद इमेजिंग] से काफी भिन्न है, इसमें हम बहुत निश्चित नहीं हैं कि गतिविधि कहां से आती है, लेकिन केवल तभी जब यह किसी चीज़ से आती है। केवल इसलिए कि कई न्यूरॉन्स एक ही समय में, एक ही दिशा में सक्रिय होते हैं, [हम] उनके [इलेक्ट्रिकल] हस्ताक्षर को पकड़ने में सक्षम होते हैं। इसलिए हम 'गतिविधि' के बजाय सिंक्रोनाइज़ेशन और डीसिंक्रनाइज़ेशन को चुनते हैं।'

उन्होंने इस बात पर जोर दिया कि टीम के पास क्या है नहीं यादृच्छिक ईईजी मस्तिष्क डेटा को देखने का एक तरीका ढूंढना है और तुरंत बताना है कि क्या कोई व्यक्ति किसी ऐसे व्यक्ति को देख रहा है जो उन्हें आकर्षक लगता है। उन्होंने कहा, "आकर्षण एक बहुत ही जटिल विषय है।" अन्यत्र, उन्होंने कहा कि "हम विचार पर नियंत्रण नहीं कर सकते।"

तो शोधकर्ता वास्तव में इस प्रयोग को करने में कैसे कामयाब रहे यदि वे इस बात की गारंटी नहीं दे सकते कि वे जो माप रहे हैं वह आकर्षण है? वास्तव में, उत्तर यह है कि वे हैं आकर्षण मापना. इस परिदृश्य में, कम से कम. शोधकर्ता इस प्रायोगिक सेटअप में जो देखते हैं वह यह है कि, लगभग 300 मिलीसेकंड के बाद प्रतिभागी एक आकर्षक छवि देखते हैं, उनका मस्तिष्क एक विशेष विद्युत संकेत से प्रकाशित होता है जिसे a कहा जाता है P300 लहर. P300 तरंग हमेशा आकर्षण का प्रतीक नहीं होती, बल्कि एक निश्चित प्रासंगिक उत्तेजनाओं की पहचान होती है। लेकिन वह उत्तेजना क्या है यह इस बात पर निर्भर करता है कि व्यक्ति को क्या देखने के लिए कहा गया है। अन्य परिदृश्यों में, जहां किसी व्यक्ति को विभिन्न विशेषताओं पर ध्यान केंद्रित करने के लिए कहा जाता है, यह पूरी तरह से कुछ अलग संकेत दे सकता है। (मामले में: P300 प्रतिक्रिया का उपयोग झूठ पकड़ने वालों में एक उपाय के रूप में किया जाता है - और यह बताने के लिए जरूरी नहीं है कि कोई व्यक्ति किसी विशेष व्यक्ति के प्रति अपने आकर्षण के बारे में सच बता रहा है या नहीं।)

न्यूरोटिंडर और उससे आगे

इस अध्ययन में, शोधकर्ताओं ने इस आकर्षण डेटा का उपयोग जनरेटिव प्रतिकूल नेटवर्क के संयोजन से नए अनुकूलित चेहरे उत्पन्न करने के लिए किया सबसे मस्तिष्क-चमकदार लक्षण - प्रतिभागियों के मस्तिष्क डेटा के चेहरे की विशेषताओं की एक फ्रेंकस्टीन असेंबली ने संकेत दिया था कि वे व्यक्तिगत रूप से पाते हैं आकर्षक।

“हालांकि कुछ चेहरे की विशेषताएं हो सकती हैं जो आम तौर पर प्रतिभागियों के बीच पसंद की जाती हैं, जैसे कि कुछ हमारे प्रयोगों में उत्पन्न चेहरे एक-दूसरे के समान दिखते हैं, मॉडल वास्तव में व्यक्तिगत रूप से कैप्चर करता है विशेषताएँ," तुउक्का रुओत्सालोहेलसिंकी विश्वविद्यालय के एक एसोसिएट प्रोफेसर ने डिजिटल ट्रेंड्स को बताया। “सभी उत्पन्न छवियों में अंतर हैं। सबसे तुच्छ पहलू में, विभिन्न लिंग प्राथमिकताओं वाले प्रतिभागियों को उस प्राथमिकता से मेल खाने वाले चेहरे मिलते हैं।

उत्पादक आकर्षक लोग जो कभी अस्तित्व में नहीं थे यह निश्चित रूप से इस तकनीक का सुर्खियाँ बटोरने वाला उपयोग है। हालाँकि, इसके अन्य, अधिक सार्थक अनुप्रयोग भी हो सकते हैं। जनरेटिव कृत्रिम तंत्रिका नेटवर्क और मानव मस्तिष्क प्रतिक्रियाओं के बीच बातचीत का उपयोग डेटा में मौजूद विभिन्न घटनाओं के प्रति मानव प्रतिक्रियाओं का परीक्षण करने के लिए भी किया जा सकता है।

“इससे हमें उन विशेषताओं और उनके संयोजनों को समझने में मदद मिल सकती है जो संज्ञानात्मक पर प्रतिक्रिया करते हैं कार्य, जैसे पूर्वाग्रह, रूढ़िवादिता, लेकिन प्राथमिकताएं और व्यक्तिगत मतभेद भी,'' रुओत्सालो ने कहा।

काम का वर्णन करने वाला एक पेपर हाल ही में था आईईईई ट्रांजेक्शन इन अफेक्टिव कंप्यूटिंग जर्नल में प्रकाशित.

संपादकों की सिफ़ारिशें

• कैसे ए.आई. भौंरा मस्तिष्क नेविगेशन के लिए एक नए युग की शुरुआत कर सकता है
• सैमसंग का नया फूड A.I. आपके फ्रिज में मौजूद चीज़ों के आधार पर व्यंजन सुझा सकते हैं
• न्यू कार्डियोलॉजी ए.आई. जानता है कि क्या तुम जल्द ही मर जाओगे। डॉक्टर यह नहीं बता सकते कि यह कैसे काम करता है
• डीपफेक तकनीक के साथ ऑनलाइन गुमनाम रहें जो आपके लिए एक बिल्कुल नया चेहरा तैयार करती है
• चतुर नया भाषा-शिक्षण ऐप आपको ए.आई. के साथ बोलने का अभ्यास करने देता है। कोई विषय पढ़ाना