ტვინის კითხვის A.I. ხდის ყალბ სახეებს, რომლებიც მიმზიდველად გეჩვენებათ

წარმოიდგინეთ, რომ Tinder-ის არც თუ ისე შორეულ მომავლის ვერსიამ შეძლოს თქვენს ტვინში ჩახშობა და იმ ფუნქციების ამოღება, რომლებიც თქვენთვის ყველაზე მიმზიდველია. პოტენციური მეწყვილე, შემდეგ დაასკანირეთ რომანტიული საძიებო სივრცე, რათა მოძებნოთ რომელი პარტნიორი ფლობდა ამ ფიზიკურ რაოდენობას ატრიბუტები.

ჩვენ არ ვსაუბრობთ მხოლოდ ისეთ თვისებებზე, როგორიცაა სიმაღლე და თმის ფერი, არამედ ბევრად უფრო რთული განტოლება, რომელიც დაფუძნებულია ყველა ადამიანის მონაცემთა ბაზაზე, ვინც აქამდე მიგაჩნიათ მიმზიდველად. ისევე, როგორც Spotify სარეკომენდაციო სისტემა სწავლობს იმ სიმღერებს, რომლებიც მოგწონთ და შემდეგ შესთავაზებს სხვებს, რომლებიც შეესაბამება მსგავს პროფილს — დაფუძნებული მახასიათებლებზე, როგორიცაა ცეკვის უნარი, ენერგია, ტემპი, ხმამაღალი ხმა და მეტყველება - ეს ჰიპოთეტური ალგორითმი იგივეს გააკეთებს გული. ან, სულ მცირე, წელზე. უწოდეთ მას ფიზიკური მიმზიდველობის შეჯიბრება A.I-ის საშუალებით.

გასაგებად რომ ვთქვათ, Tinder - რამდენადაც მე ვიცი - არ მუშაობს დისტანციურად მსგავს რამეზე. მაგრამ ჰელსინკის უნივერსიტეტისა და კოპენჰაგენის უნივერსიტეტის მკვლევარები არიან. და მიუხედავად იმისა, რომ ეს აღწერილობა შეიძლება გარკვეულწილად დისტოპიურ სიღრმულობას მოჰყვეს, რომელიც შუაშია შავი სარკე და სიყვარულის კუნძულისინამდვილეში, მათი ტვინის კითხვის კვლევა საკმაოდ მომხიბლავია.

სახის სივრცის ძიება

ბოლო ექსპერიმენტში მკვლევარებმა გამოიყენეს ა გენერაციული საპირისპირო ნერვული ქსელი200000 სახელგანთქმული სურათის დიდ მონაცემთა ბაზაზე გაწვრთნილი, ასობით ყალბი სახის სერიის დასანახად. ეს იყო სახეები გარკვეული ცნობილი ადამიანების დამახასიათებელი ნიშნებით - აქ ძლიერი ყბა, ა ცისფერი თვალების გამჭოლი წყება იქ - მაგრამ რომლებიც მყისიერად არ იყო ამოცნობილი, როგორც ცნობილი სახეები კითხვა.

სურათები შემდეგ შეიკრიბა სლაიდშოუში, რათა ეჩვენებინა 30 მონაწილეს, რომლებიც შედგენილი იყო ელექტროენცეფალოგრაფიის (EEG) ქუდები შეუძლიათ წაიკითხონ თავიანთი ტვინის აქტივობა სკალპზე ელექტრული აქტივობის საშუალებით. თითოეულ მონაწილეს სთხოვეს კონცენტრირება მოეხდინა იმაზე, ფიქრობდნენ, რომ სახე, რომელსაც ეკრანზე უყურებდნენ, ლამაზი იყო თუ არა. თითოეული სახე ჩანდა მცირე პერიოდის განმავლობაში, სანამ შემდეგი სურათი გამოჩნდებოდა. მონაწილეებს არ უხდებოდათ რაიმეს მონიშვნა ქაღალდზე, ღილაკზე დაჭერა ან მარჯვნივ გადაფურცვლა მათი თანხმობის აღსანიშნავად. საკმარისი იყო მხოლოდ იმაზე ფოკუსირება, რაც მათ მიმზიდველად მიიჩნიეს.

”ჩვენ ვაჩვენეთ ამ სახეების დიდი არჩევანი მონაწილეებს და ვთხოვეთ მათ შერჩევით კონცენტრირება მოახდინონ იმ სახეებზე, რომლებიც მათთვის მიმზიდველია.” მიშელ სპაპე, განუცხადა Digital Trends-ს ჰელსინკის უნივერსიტეტის პოსტდოქტორანტმა. „ტვინის ტალღების აღბეჭდვით EEG-ით, რომელიც მოხდა მხოლოდ სახის ნახვის შემდეგ, ჩვენ შევაფასეთ სახე მიმზიდველად ჩანდა თუ არა. შემდეგ ეს ინფორმაცია გამოიყენებოდა ნერვული ქსელის მოდელის – 512-განზომილებიანი ძიების გასატარებლად "face-space" - და სამკუთხედის წერტილი, რომელიც ემთხვევა ცალკეული მონაწილის წერტილს მიმზიდველობა."

ფარული მონაცემების ნიმუშების პოვნა, რომლებიც ავლენდნენ პრეფერენციებს გარკვეულ მახასიათებლებზე, მიღწეული იქნა მანქანური სწავლის გამოყენებით, რათა გამოეკვლიათ თითოეული სახის პროვოცირებული ტვინის ელექტრული აქტივობა. ზოგადად, რაც უფრო მეტია ტვინის გარკვეული სახის აქტივობა (უფრო მეტი წამში), მით უფრო მაღალია მიზიდულობის დონე. მონაწილეებს არ უნდა გამოეყოთ გარკვეული მახასიათებლები, როგორც განსაკუთრებით მიმზიდველი. დავუბრუნდეთ Spotify-ის ანალოგიას, ისევე, როგორც ჩვენ შეიძლება ქვეცნობიერად მივიზიდოთ სიმღერები კონკრეტული დროის ხელმოწერით, ტვინის აქტივობის გაზომვით ნახვისას. სურათების დიდი რაოდენობა და შემდეგ ალგორითმის ნება, რომ გაარკვიოს, რა აქვთ მათ საერთო, A.I. შეუძლია გამოყოს სახის ის ნაწილები, რომლებიც შეიძლება ვერც კი გავიაზროთ, რომ დახატული ვართ რომ. მანქანური სწავლება, ამ კონტექსტში, ჰგავს დეტექტივს, რომლის ამოცანაა წერტილების დაკავშირება.

გადაფურცლეთ ტვინი მარჯვნივ

„ეს არ არის აუცილებელი „ტვინის აქტივობის გაზრდა“, არამედ ის, რომ გარკვეული სურათები ახდენს ნერვული აქტივობის ხელახალი სინქრონიზაციას“, - განმარტა სპაპემ. ”ანუ ცოცხალი ტვინი ყოველთვის აქტიურია. EEG სრულიად განსხვავდება [ფუნქციური მაგნიტურ-რეზონანსული გამოსახულების]გან, რადგან ჩვენ არ ვართ დარწმუნებული, საიდან მოდის აქტივობა, მაგრამ მხოლოდ მაშინ, როცა ის რაღაცისგან მოდის. მხოლოდ იმის გამო, რომ ბევრი ნეირონი მუშაობს ერთდროულად, იმავე მიმართულებით, შეგვიძლია [ჩვენ] შევარჩიოთ მათი [ელექტრული] ხელმოწერა. ასე რომ, სინქრონიზაცია და დესინქრონიზაცია არის ის, რაც ჩვენ ვირჩევთ და არა „აქტივობა“, როგორც ასეთი. ”

მან ხაზი გაუსვა იმას, რაც გუნდს აქვს არა შესრულებულია გზა, რათა შევხედოთ შემთხვევითი EEG ტვინის მონაცემებს და დაუყოვნებლივ გითხრათ, თუ ადამიანი უყურებს ვინმეს, რომელიც მისთვის მიმზიდველია. ”მოზიდვა ძალიან რთული თემაა,” - თქვა მან. სხვაგან მან აღნიშნა, რომ „ჩვენ არ შეგვიძლია აზრების კონტროლის გაკეთება“.

მაშ, როგორ მოახერხეს მკვლევარებმა ამ ექსპერიმენტის ჩატარება, თუ მათ არ შეუძლიათ იმის გარანტია, რომ რასაც გაზომავენ არის მიზიდულობა? პასუხი არის, ფაქტობრივად, რომ ისინი არიან მიზიდულობის გაზომვა. ამ სცენარში მაინც. რასაც მკვლევარები ხედავენ ამ ექსპერიმენტულ პარამეტრში არის ის, რომ დაახლოებით 300 მილიწამის შემდეგ მონაწილე ხედავს მიმზიდველ სურათს, მათი ტვინი ანათებს კონკრეტული ელექტრული სიგნალით, რომელსაც ეწოდება ა P300 ტალღა. P300 ტალღა ყოველთვის არ ნიშნავს მიზიდულობას, არამედ გარკვეული შესაბამისი სტიმულის ამოცნობას. მაგრამ რა არის ეს სტიმული, დამოკიდებულია იმაზე, თუ რის მოძებნა სთხოვეს ადამიანს. სხვა სცენარებში, როდესაც ადამიანს სთხოვენ ყურადღება გაამახვილოს სხვადასხვა მახასიათებლებზე, ეს შეიძლება მიუთითებდეს რაღაც სრულიად განსხვავებულზე. (შემთხვევა: P300 პასუხი გამოიყენება როგორც სიცრუის დეტექტორების საზომი - და არა აუცილებლად იმის სათქმელად, ამბობს თუ არა ადამიანი სიმართლეს კონკრეტული ადამიანისადმი მიზიდულობის შესახებ.)

NeuroTinder და მის ფარგლებს გარეთ

ამ კვლევაში მკვლევარებმა გამოიყენეს ეს მიზიდულობის მონაცემები, რათა გენერაციულმა მოწინააღმდეგე ქსელმა გენერირება ახალი მორგებული სახეების გაერთიანებით. ყველაზე ტვინში ნაპერწკალი თვისებები - ფრანკენშტეინის სახის თვისებების შეკრება მონაწილეთა ტვინის მონაცემებმა მიუთითა, რომ ისინი პირადად პოულობენ მიმზიდველი.

„მიუხედავად იმისა, რომ შეიძლება არსებობდეს სახის ზოგიერთი თვისება, რომელიც, როგორც ჩანს, ზოგადად უპირატესობას ანიჭებენ მონაწილეებს, როგორც ზოგიერთს ჩვენს ექსპერიმენტებში გენერირებული სახეები ერთმანეთს ჰგავს, მოდელი ნამდვილად ასახავს პირადს მახასიათებლები," ტუუკა რუოცალოგანუცხადა Digital Trends-ს ჰელსინკის უნივერსიტეტის ასოცირებულმა პროფესორმა. ”ყველა გენერირებულ სურათში არის განსხვავებები. ყველაზე ტრივიალურ ასპექტში, სხვადასხვა გენდერული პრეფერენციების მქონე მონაწილეები იღებენ ამ უპირატესობის შესატყვის სახეებს.”

გენერირება მიმზიდველი ადამიანები, რომლებიც არასდროს არსებობდნენ რა თქმა უნდა, ამ ტექნოლოგიის სათაურით მომხიბვლელი გამოყენებაა. თუმცა, მას შეიძლება ჰქონდეს სხვა, უფრო მნიშვნელოვანი აპლიკაციებიც. გენერაციულ ხელოვნურ ნერვულ ქსელსა და ადამიანის ტვინის პასუხებს შორის ურთიერთქმედება ასევე შეიძლება გამოყენებულ იქნას მონაცემების სხვადასხვა ფენომენზე ადამიანის პასუხების შესამოწმებლად.

”ეს დაგვეხმარება გავიგოთ თვისებების სახეები და მათი კომბინაციები, რომლებიც რეაგირებენ კოგნიტურზე ფუნქციები, როგორიცაა მიკერძოება, სტერეოტიპები, მაგრამ ასევე პრეფერენციები და ინდივიდუალური განსხვავებები“, - თქვა რუოცალომ.

ცოტა ხნის წინ იყო ნაშრომი, რომელიც აღწერს ნამუშევარს გამოქვეყნებულია ჟურნალში IEEE Transactions in Affective Computing.

რედაქტორების რეკომენდაციები

• როგორ ა.ი. ბუმბერაზების ტვინს შეუძლია ნავიგაციის ახალი ერა წამოიწყოს
• სამსუნგის ახალი საკვები A.I. შეგიძლიათ შემოგთავაზოთ რეცეპტები იმის მიხედვით, თუ რა არის თქვენს მაცივარში
• ახალი კარდიოლოგიის A.I. იცის მალე მოკვდები თუ არა. ექიმები ვერ ხსნიან როგორ მუშაობს
• შეინახეთ ანონიმური ინტერნეტში ღრმა ფეიკის ტექნოლოგიით, რომელიც ქმნის სრულიად ახალ სახეს თქვენთვის
• ჭკვიანური ახალი ენის შემსწავლელი აპლიკაცია საშუალებას გაძლევთ ივარჯიშოთ A.I-თან საუბრისას. დამრიგებელი