Brain-Reading A.I. Čini lažna lica koja će vam biti privlačna

Zamislite da neka ne tako davna buduća verzija Tindera može ući u vaš mozak i izvući značajke koje smatrate najprivlačnijim potencijalnog partnera, zatim pretražite prostor za traženje romanse da biste pronašli bilo kojeg partnera koji posjeduje najveći broj ovih fizičkih atributi.

Ne govorimo samo o kvalitetama kao što su visina i boja kose, već i o daleko složenijoj jednadžbi koja se temelji na skupu podataka o svima koji su vam se ikada prije činili privlačnima. Na isti način na koji sustav preporuka Spotify uči pjesme u kojima uživate i zatim predlaže druge koje odgovaraju sličnom profilu — na temelju značajki kao što su plesnost, energija, tempo, glasnoća i govornost — ovaj bi hipotetski algoritam učinio isto za pitanja srce. Ili, barem, slabine. Nazovite to povezivanjem fizičke privlačnosti putem A.I.

Da budemo jasni, Tinder - koliko ja znam - ne radi ni na čemu sličnom. Ali istraživači sa Sveučilišta u Helsinkiju i Sveučilišta u Kopenhagenu jesu. I dok bi taj opis mogao pomalo mirisati na distopijsku plitkoću postavljenu između

Crno ogledalo i Otok ljubavi, u stvarnosti je njihovo istraživanje čitanja mozga prokleto fascinantno.

Pretraživanje prostora lica

U svom nedavnom eksperimentu, istraživači su koristili a generativna kontradiktorna neuronska mreža, obučen na velikoj bazi podataka od 200.000 slika slavnih, kako bi izmislio niz od stotina lažnih lica. Bila su to lica s nekim od obilježja određenih slavnih osoba - ovdje jaka linija čeljusti, a prodoran set azurnih očiju tamo - ali koje nisu bile odmah prepoznatljive kao slavne osobe u pitanje.

Slike su zatim skupljene u slideshow kako bi se prikazale 30 sudionika, koji su bili opremljeni s opremom elektroencefalografija (EEG) kaps sposobni čitati njihovu moždanu aktivnost, putem električne aktivnosti na njihovom tjemenu. Svaki je sudionik zamoljen da se koncentrira na to da li misli da lice koje gledaju na ekranu izgleda dobro ili ne. Svako lice prikazano je kratko vrijeme, prije nego što se pojavi sljedeća slika. Sudionici nisu morali ništa označiti na papiru, pritisnuti gumb ili prijeći prstom udesno kako bi pokazali svoje odobrenje. Dovoljno je bilo samo fokusiranje na ono što su smatrali privlačnim.

"Pokazali smo velik izbor ovih lica sudionicima i zamolili ih da se selektivno koncentriraju na lica koja smatraju privlačnima," Michiel Spapé, postdoktorski istraživač na Sveučilištu u Helsinkiju, rekao je za Digital Trends. “Snimajući moždane valove pomoću EEG-a koji su se javili neposredno nakon što smo vidjeli lice, procijenili smo je li lice viđeno kao privlačno ili ne. Te su informacije zatim korištene za pokretanje pretraživanja unutar modela neuronske mreže — 512-dimenzionalnog 'face-space' — i triangulirati točku koja bi odgovarala točki pojedinog sudionika privlačnost.”

Pronalaženje skrivenih obrazaca podataka koji su otkrivali preferencije za određene značajke postignuto je korištenjem strojnog učenja za ispitivanje električne aktivnosti mozga koju izaziva svako lice. Općenito govoreći, što je više određene vrste moždane aktivnosti uočeno (više o tome u sekundi), to su veće razine privlačnosti. Sudionici nisu morali izdvajati određene karakteristike kao posebno atraktivne. Da se vratimo na analogiju sa Spotifyjem, na isti način na koji možemo nesvjesno gravitirati pjesmama s određenim taktom, mjerenjem aktivnosti mozga tijekom gledanja velikog broja slika, a zatim prepuštajući algoritmu da otkrije što im je zajedničko, A.I. može izdvojiti dijelove lica za koje možda nismo ni svjesni da smo nacrtani do. Strojno učenje je, u ovom kontekstu, poput detektiva čiji je posao povezati točke.

Prijeđite prstom desno po mozgu

"Nije nužno 'povećana moždana aktivnost', već da određene slike ponovno sinkroniziraju neuralnu aktivnost", pojasnio je Spapé. “Odnosno, živi mozak je uvijek aktivan. EEG je prilično različit od [funkcionalne magnetske rezonancije] po tome što nismo baš sigurni odakle dolazi aktivnost, već samo kada dolazi od nečega. Samo zato što se mnogi neuroni aktiviraju u isto vrijeme, u istom smjeru, [mi] možemo uhvatiti njihov [električni] potpis. Dakle, sinkronizacija i desinkronizacija je ono što preuzimamo, a ne 'aktivnost' kao takva."

Naglasio je da ono što tim ima ne učinjeno je pronaći način da pogledate nasumične podatke EEG mozga i odmah kažete gleda li osoba nekoga koga smatra privlačnim. “Privlačnost je vrlo složena tema”, rekao je. Na drugom mjestu primijetio je da "ne možemo kontrolirati misli."

Pa kako su točno istraživači uspjeli izvesti ovaj eksperiment ako ne mogu jamčiti da je ono što mjere privlačnost? Odgovor je zapravo da oni su mjerenje privlačnosti. U ovom scenariju, barem. Ono što istraživači vide u ovom eksperimentalnom postavu je da, otprilike 300 milisekundi nakon sudionik vidi atraktivnu sliku, njegov mozak zasvijetli određenim električnim signalom koji se zove a P300 val. Val P300 ne označava uvijek privlačnost, već prije prepoznavanje određenog relevantnog podražaja. No koji su to podražaji ovisi o tome što je osoba zamoljena da traži. U drugim scenarijima, gdje se od osobe traži da se usredotoči na različite značajke, to bi moglo ukazivati ​​na nešto sasvim drugo. (Primjer: odgovor P300 koristi se kao mjera u detektorima laži — a ne nužno da bi se utvrdilo govori li osoba istinu o svojoj privlačnosti prema određenoj osobi.)

NeuroTinder i šire

U ovoj studiji istraživači su potom upotrijebili te podatke o privlačnosti kako bi generativna protivnička mreža generirala nova prilagođena lica kombinirajući osobine koje najviše pokreću mozak - Frankensteinov skup crta lica podataka o mozgu sudionika pokazao je da oni osobno atraktivan.

“Iako možda postoje neke crte lica za koje se čini da su sudionici općenito preferirani, kao neki generirana lica u našim eksperimentima izgledaju slično jedno drugome, model stvarno bilježi osobne karakteristike,” Tuukka Ruotsalo, izvanredni profesor na Sveučilištu u Helsinkiju, rekao je za Digital Trends. “Postoje razlike u svim generiranim slikama. U najtrivijalnijem aspektu, sudionici s različitim spolnim preferencijama dobivaju lica koja odgovaraju tim preferencijama.”

Generiranje privlačni ljudi koji nikada nisu postojali sigurno je upotreba ove tehnologije koja privlači naslove. Međutim, mogao bi imati i druge, smislenije primjene. Interakcija između generativne umjetne neuronske mreže i odgovora ljudskog mozga također se može koristiti za testiranje ljudskih odgovora na različite fenomene prisutne u podacima.

“To bi nam moglo pomoći da razumijemo vrstu značajki i njihovih kombinacija koje reagiraju na kognitivne funkcije, kao što su predrasude, stereotipi, ali i sklonosti i individualne razlike,” rekao je Ruotsalo.

Nedavno je objavljen rad koji opisuje rad objavljen u časopisu IEEE Transactions in Affective Computing.

Preporuke urednika

• Kako je A.I. mozgovi bumbara mogli bi uvesti novu eru za navigaciju
• Samsungova nova umjetna inteligencija za hranu može predložiti recepte na temelju onoga što imate u hladnjaku
• Nova kardiologija A.I. zna hoćeš li uskoro umrijeti. Liječnici ne mogu objasniti kako to funkcionira
• Ostanite anonimni na mreži uz tehnologiju deepfake koja stvara potpuno novo lice za vas
• Pametna nova aplikacija za učenje jezika omogućuje vam da vježbate govor s A.I. tutor