A.I. Membaca Otak Membuat Wajah Palsu Menurut Anda Menarik

Bayangkan jika Tinder versi masa depan mampu menyusup ke dalam otak Anda dan mengekstrak fitur-fitur yang menurut Anda paling menarik. calon pasangan, lalu pindai ruang pencarian pencarian romansa untuk mencari pasangan mana yang memiliki jumlah fisik ini paling banyak atribut.

Kami tidak hanya membicarakan kualitas seperti tinggi badan dan warna rambut, tetapi persamaan yang jauh lebih kompleks berdasarkan kumpulan data semua orang yang pernah Anda anggap menarik sebelumnya. Dengan cara yang sama seperti sistem rekomendasi Spotify mempelajari lagu yang Anda sukai dan kemudian menyarankan lagu lain yang sesuai dengan profil serupa — berdasarkan fitur-fitur seperti kemampuan menari, energi, tempo, kenyaringan, dan kemampuan bicara — algoritma hipotetis ini akan melakukan hal yang sama untuk masalah-masalah jantung. Atau, setidaknya, pinggangnya. Sebut saja perjodohan daya tarik fisik dengan cara A.I.

Untuk lebih jelasnya, Tinder tidak — sejauh yang saya ketahui — mengerjakan hal seperti ini dari jarak jauh. Namun para peneliti dari Universitas Helsinki dan Universitas Kopenhagen melakukan hal yang sama. Dan meskipun deskripsi tersebut mungkin terkesan dangkal distopia di tengah-tengahnya Kaca hitam Dan Pulau Cinta, pada kenyataannya penelitian membaca otak mereka sangat menarik.

Mencari ruang wajah

Dalam percobaan terbaru mereka, para peneliti menggunakan a jaringan saraf permusuhan generatif, dilatih pada database besar yang berisi 200.000 gambar selebriti, untuk memimpikan serangkaian ratusan wajah palsu. Ini adalah wajah-wajah dengan beberapa ciri khas selebriti tertentu — garis rahang yang kuat di sini, a sepasang mata biru yang tajam di sana — tapi tidak langsung dikenali sebagai selebritis di dalamnya pertanyaan.

Gambar-gambar tersebut kemudian dikumpulkan menjadi tayangan slide untuk diperlihatkan kepada 30 peserta, yang telah dilengkapi tutup elektroensefalografi (EEG). mampu membaca aktivitas otak mereka, melalui aktivitas listrik di kulit kepala mereka. Setiap peserta diminta berkonsentrasi apakah menurut mereka wajah yang mereka lihat di layar itu bagus atau tidak. Setiap wajah ditampilkan dalam waktu singkat, sebelum gambar berikutnya muncul. Peserta tidak perlu menandai apa pun di atas kertas, menekan tombol, atau menggeser ke kanan untuk menunjukkan persetujuan mereka. Berfokus pada apa yang mereka anggap menarik saja sudah cukup.

“Kami menunjukkan banyak pilihan wajah-wajah ini kepada para peserta, dan meminta mereka untuk secara selektif berkonsentrasi pada wajah-wajah yang mereka anggap menarik,” Michel Spape, seorang peneliti postdoctoral di Universitas Helsinki, mengatakan kepada Digital Trends. “Dengan menangkap gelombang otak melalui EEG yang terjadi setelah melihat sebuah wajah, kami memperkirakan apakah sebuah wajah terlihat menarik atau tidak. Informasi ini kemudian digunakan untuk mendorong pencarian dalam model jaringan saraf — 512 dimensi 'ruang muka' — dan melakukan triangulasi suatu titik yang sesuai dengan sudut pandang masing-masing peserta daya tarik.”

Menemukan pola data tersembunyi yang mengungkapkan preferensi untuk fitur tertentu dicapai dengan menggunakan pembelajaran mesin untuk menyelidiki aktivitas listrik otak yang dipicu oleh setiap wajah. Secara umum, semakin banyak jenis aktivitas otak tertentu yang terlihat (akan dibahas lebih lanjut sebentar lagi), semakin besar pula tingkat ketertarikannya. Peserta tidak perlu menganggap fitur-fitur tertentu menarik. Kembali ke analogi Spotify, dengan cara yang sama seperti kita secara tidak sadar tertarik pada lagu-lagu dengan tanda birama tertentu, yaitu dengan mengukur aktivitas otak saat menontonnya. gambar dalam jumlah besar, dan kemudian membiarkan algoritme mencari tahu persamaan yang dimiliki semua gambar tersebut, A.I. dapat memilih bagian wajah yang mungkin tidak kita sadari sedang digambar ke. Pembelajaran mesin, dalam konteks ini, seperti seorang detektif yang tugasnya menghubungkan titik-titik.

Geser otak kanan

“Ini tidak selalu berarti 'peningkatan aktivitas otak', melainkan gambar-gambar tertentu yang menyelaraskan kembali aktivitas saraf,” jelas Spapé. Artinya, otak yang hidup selalu aktif. EEG tidak seperti [pencitraan resonansi magnetik fungsional] di mana kita tidak begitu yakin dari mana aktivitas berasal, tetapi hanya jika aktivitas tersebut berasal dari sesuatu. Hanya karena banyak neuron menyala pada saat yang sama, dalam arah yang sama, maka [kita] dapat menangkap tanda [listrik] mereka. Jadi sinkronisasi dan desinkronisasi adalah hal yang kami lakukan, bukan ‘aktivitas’ seperti itu.”

Dia menekankan apa yang dimiliki tim bukan Yang dilakukan adalah menemukan cara untuk melihat data EEG otak secara acak dan segera mengetahui apakah seseorang sedang melihat seseorang yang menurutnya menarik. “Ketertarikan adalah subjek yang sangat kompleks,” katanya. Di tempat lain, dia mencatat bahwa “kita tidak dapat melakukan pengendalian pikiran.”

Jadi bagaimana sebenarnya para peneliti dapat melakukan percobaan ini jika mereka tidak dapat menjamin bahwa apa yang mereka ukur adalah daya tarik? Faktanya, jawabannya adalah mereka adalah mengukur daya tarik. Setidaknya dalam skenario ini. Apa yang dilihat para peneliti dalam pengaturan eksperimental ini adalah, kira-kira 300 milidetik setelah a peserta melihat gambar yang menarik, otaknya menyala dengan sinyal listrik tertentu yang disebut a gelombang P300. Gelombang P300 tidak selalu menandakan ketertarikan, melainkan pengenalan terhadap rangsangan tertentu yang relevan. Namun rangsangan tersebut bergantung pada apa yang diminta untuk dicari oleh orang tersebut. Dalam skenario lain, ketika seseorang diminta untuk fokus pada fitur yang berbeda, hal ini mungkin mengindikasikan sesuatu yang sama sekali berbeda. (Contoh kasus: Respons P300 digunakan sebagai ukuran pendeteksi kebohongan — dan belum tentu untuk mengetahui apakah seseorang mengatakan yang sebenarnya tentang ketertarikannya pada orang tertentu.)

NeuroTinder dan seterusnya

Dalam studi ini, para peneliti kemudian menggunakan data daya tarik ini agar jaringan permusuhan generatif menghasilkan penggabungan wajah-wajah baru yang disesuaikan ciri-ciri yang paling memicu otak - kumpulan fitur wajah Frankenstein yang ditunjukkan oleh data otak peserta yang mereka temukan secara pribadi menarik.

“Meskipun mungkin ada beberapa fitur wajah yang tampaknya secara umum disukai oleh beberapa peserta wajah-wajah yang dihasilkan dalam eksperimen kami terlihat mirip satu sama lain, modelnya benar-benar mencerminkan kepribadian fitur," Tuukka Ruotsalo, seorang profesor di Universitas Helsinki, mengatakan kepada Digital Trends. “Ada perbedaan pada semua gambar yang dihasilkan. Dalam aspek yang paling sepele, peserta dengan preferensi gender berbeda mendapatkan wajah yang cocok dengan preferensi tersebut.”

Menghasilkan orang-orang menarik yang belum pernah ada tentu saja merupakan penggunaan teknologi ini yang menjadi berita utama. Namun, hal ini juga dapat mempunyai kegunaan lain yang lebih bermakna. Interaksi antara jaringan saraf tiruan generatif dan respons otak manusia juga dapat digunakan untuk menguji respons manusia terhadap berbagai fenomena yang ada dalam data.

“Ini dapat membantu kita memahami jenis fitur dan kombinasinya yang merespons kognitif fungsi, seperti bias, stereotip, tetapi juga preferensi dan perbedaan individu,” kata Ruotsalo.

Sebuah makalah yang menjelaskan pekerjaan itu baru-baru ini diterbitkan dalam jurnal IEEE Transactions in Affective Computing.

Rekomendasi Editor

• Bagaimana A.I. otak lebah bisa mengantarkan era baru dalam navigasi
• A.I. makanan baru dari Samsung dapat menyarankan resep berdasarkan apa yang ada di lemari es Anda
• Kardiologi baru A.I. tahu apakah kamu akan segera mati. Dokter tidak dapat menjelaskan cara kerjanya
• Tetap anonim saat online dengan teknologi deepfake yang menghadirkan wajah baru bagi Anda
• Aplikasi pembelajaran bahasa baru yang cerdas memungkinkan Anda berlatih berbicara dengan A.I. guru