Brain-Reading A.I. Vonzóvá varázsolja a hamis arcokat

Képzeld el, ha a Tinder egy nem túl távoli jövőbeli verziója képes lenne bemászni az agyadba, és kibontani az általad legvonzóbbnak tartott funkciókat. egy potenciális társ, majd vizsgálja meg a romantikát kereső keresőteret, hogy megkeresse azt a partnert, amelyiknél a legtöbb ilyen fizikai attribútumokat.

Nem csak az olyan tulajdonságokról beszélünk, mint a magasság és a hajszín, hanem egy sokkal összetettebb egyenlet, amely mindenki adatkészletén alapul, akit korábban vonzónak talált. Ugyanúgy, ahogy a Spotify ajánlórendszer megtanulja az Ön által kedvelt dalokat, majd javasol másokat, amelyek hasonló profilnak felelnek meg – olyan jellemzők alapján, mint a táncolhatóság, az energia, a tempó, a hangosság és a beszédkészség – ez a hipotetikus algoritmus ugyanezt tenné a szív. Vagy legalábbis az ágyék. Nevezzük ezt a fizikai vonzerő párkeresésének az A.I. segítségével.

Hogy világos legyen, a Tinder – amennyire én tudom – nem dolgozik ilyen távolról. De a Helsinki Egyetem és a Koppenhágai Egyetem kutatói igen. És bár ez a leírás kissé disztópikus sekélységnek hathat a kettő között Fekete tükör és Szerelem Sziget, a valóságban az agyolvasási kutatásuk baromi lenyűgöző.

Keresés az arc térben

A kutatók legutóbbi kísérletükben a generatív ellenséges neurális hálózat200 000 híresség képét tartalmazó nagy adatbázison képzett, hogy megálmodjon több száz hamis arcot. Ezek olyan arcok voltak, amelyek bizonyos hírességekre jellemzőek – itt erős állkapocs, a átható azúrkék szempár – de amelyeket nem lehetett azonnal felismerni, mint a hírességeket kérdés.

A képeket ezután diavetítéssé gyűjtötték össze, hogy megmutassák 30 résztvevőnek, akikkel ki volt szerelve elektroencefalográfia (EEG) sapkák képesek leolvasni agyi tevékenységüket a fejbőrük elektromos aktivitásán keresztül. Minden résztvevőt arra kértek, hogy összpontosítson arra, hogy szerintük az az arc, amelyet a képernyőn néz, szép-e vagy sem. Mindegyik arc rövid ideig látszott, mielőtt megjelent a következő kép. A résztvevőknek nem kellett semmit papírra jelölniük, gombot megnyomniuk vagy jobbra húzniuk, hogy jelezzék jóváhagyásukat. Elég volt csak arra összpontosítani, amit vonzónak találtak.

„Ezen arcok nagy választékát mutattuk meg a résztvevőknek, és arra kértük őket, hogy szelektíven összpontosítsanak azokra az arcokra, amelyeket vonzónak találtak” Michiel Spapé, a Helsinki Egyetem posztdoktori kutatója elmondta a Digital Trendsnek. „Azáltal, hogy EEG-vel rögzítettük az agyhullámokat, amelyek közvetlenül az arc láttán jelentkeztek, megbecsültük, hogy egy arc vonzónak tűnik-e vagy sem. Ezt az információt használták fel az 512-dimenziós neurális hálózati modellen belüli keresés indítására „arc-tér” – és háromszögeljen egy pontot, amely megegyezik az egyéni résztvevő pontjával vonzerő.”

Az egyes funkciók preferenciáit felfedő rejtett adatminták megtalálása úgy valósult meg, hogy gépi tanulással vizsgálták meg az egyes arcok által kiváltott elektromos agyi aktivitást. Általánosságban elmondható, hogy minél többet észlelnek egy bizonyos típusú agyi tevékenységet (erről egy másodperc alatt többet), annál nagyobb a vonzalom. A résztvevőknek nem kellett bizonyos jellemzőket különösen vonzóként kiemelniük. Visszatérni a Spotify-hasonlathoz, ugyanúgy, ahogy öntudatlanul is vonzódhatunk egy bizonyos időjelzéssel rendelkező dalokhoz, az agyi aktivitás mérésével nézés közben nagy számú képet, majd hagyjuk, hogy egy algoritmus kitalálja, mi a közös bennük, az A.I. kiemelheti az arc azon részeit, amelyekről talán észre sem vesszük, hogy rajzoltak nak nek. A gépi tanulás ebben az összefüggésben olyan, mint egy nyomozó, akinek az a feladata, hogy összekapcsolja a pontokat.

Csúsztassa az agy jobb oldalát

„Nem feltétlenül „megnövekedett agyi aktivitásról” van szó, hanem arról, hogy bizonyos képek újraszinkronizálják az idegi aktivitást” – magyarázta Spapé. „Azaz az élő agy mindig aktív. Az EEG abban különbözik a [funkcionális mágneses rezonancia képalkotástól], hogy nem vagyunk egészen biztosak abban, hogy honnan származik az aktivitás, de csak akkor, ha valamitől származik. Csak azért, mert sok neuron tüzel egyszerre, ugyanabban az irányban, [mi] képesek vagyunk felvenni [elektromos] aláírásukat. Tehát inkább a szinkronizálást és a deszinkronizálást vesszük észre, mint a „tevékenységet” mint olyant.”

Hangsúlyozta, hogy amije van a csapatnak nem az az, hogy megtaláljuk a módját a véletlenszerű agyi EEG-adatok megtekintésének, és azonnali megállapításnak, ha valaki olyat néz, akit vonzónak talál. „A vonzás nagyon összetett téma” – mondta. Másutt megjegyezte, hogy „nem tudjuk irányítani a gondolatokat”.

Tehát pontosan hogyan tudták a kutatók végrehajtani ezt a kísérletet, ha nem tudják garantálni, hogy amit mérnek, az a vonzalom? A válasz valójában az, hogy ők vannak vonzerő mérése. Ebben a forgatókönyvben legalábbis. A kutatók ebben a kísérleti összeállításban azt látják, hogy nagyjából 300 ezredmásodperccel a a résztvevő vonzó képet lát, agya egy bizonyos elektromos jellel világít, az úgynevezett a P300 hullám. A P300-as hullám nem mindig vonzást, hanem egy bizonyos releváns inger felismerését jelenti. De hogy mi ez az inger, az attól függ, hogy az illetőt mire kérték fel, hogy keressen. Más esetekben, amikor egy személyt arra kérnek, hogy más tulajdonságokra összpontosítson, ez valami egészen mást jelezhet. (Példa: a P300-as válasz mérésére szolgál a hazugságvizsgálókban – és nem feltétlenül annak megállapítására, hogy egy személy igazat mond-e egy adott személy iránti vonzódásáról.)

NeuroTinder és azon túl

Ebben a tanulmányban a kutatók ezeket a vonzási adatokat használták fel arra, hogy a generatív ellenséges hálózat új, testreszabott arcokat hozzon létre. a leginkább agyra késztető tulajdonságok – a Frankenstein arcvonások összessége a résztvevők agyadatai szerint személyesen találták meg vonzó.

„Bár előfordulhatnak olyan arcvonások, amelyeket a résztvevők általában előnyben részesítenek, mint egyesek A kísérleteink során generált arcok hasonlítanak egymásra, a modell valóban személyességet ragad meg jellemzők," Tuukka Ruotsalo, a Helsinki Egyetem docense mondta a Digital Trendsnek. „Minden generált képben vannak különbségek. A legtriviálisabb szempontból a különböző nemi preferenciákkal rendelkező résztvevők az adott preferenciának megfelelő arcokat kapnak.”

Generálás vonzó emberek, akik soha nem léteztek minden bizonnyal ennek a technológiának a címlapra való alkalmazása. Azonban más, értelmesebb alkalmazásai is lehetnek. A generatív mesterséges neurális hálózat és az emberi agyi válaszok közötti kölcsönhatás az adatokban jelenlévő különböző jelenségekre adott emberi válaszok tesztelésére is használható.

„Ez segíthet megértenünk, hogy milyen jellemzők és kombinációik reagálnak a kognitív képességekre funkciókat, például elfogultságokat, sztereotípiákat, de preferenciákat és egyéni különbségeket is” – mondta Ruotsalo.

Nemrég jelent meg a munkát ismertető papír az IEEE Transactions in Affective Computing című folyóiratban jelent meg.

Szerkesztői ajánlások

• Hogyan A.I. a darázsagyak új korszakot nyithatnak a navigációban
• A Samsung új ételei A.I. recepteket tud javasolni a hűtőszekrényedben lévő tartalom alapján
• Új kardiológia A.I. tudja, hogy hamarosan meghalsz. Az orvosok nem tudják megmagyarázni, hogyan működik
• Maradjon névtelen online a mélyhamisítású technológiával, amely teljesen új arcot generál számodra
• Az okos, új nyelvtanuló alkalmazás segítségével gyakorolhatod a beszédet egy A.I. Oktató