Smegenų skaitymas A.I. Padaro netikrus veidus, kurie jums atrodys patrauklūs

Įsivaizduokite, jei kuri nors tolima būsima „Tinder“ versija galėtų įsiskverbti į jūsų smegenis ir išgauti jums patraukliausias funkcijas. potencialus draugas, tada nuskaitykite meilės ieškojimo erdvę, kad surastumėte tą partnerį, kuris turėjo daugiausiai šių fizinių atributai.

Kalbame ne tik apie tokias savybes kaip ūgis ir plaukų spalva, bet ir apie daug sudėtingesnę lygtį, pagrįstą visų, kurie jums kada nors atrodė patrauklūs, duomenų rinkiniu. Taip pat, kaip „Spotify“ rekomendacijų sistema išmoksta jums patinkančias dainas ir tada pasiūlo kitas, kurios atitinka panašų profilį – pagrįstas tokiomis ypatybėmis kaip šokantumas, energija, tempas, garsumas ir kalbėjimas – šis hipotetinis algoritmas veiktų tą patį širdies. Arba bent jau nugarinės. Pavadinkite tai fizinio patrauklumo piršlybomis per A.I.

Kad būtų aišku, „Tinder“ – kiek aš žinau – nedirba su tokiu nuotoliniu būdu. Tačiau Helsinkio ir Kopenhagos universitetų mokslininkai yra. Ir nors šis aprašymas gali atrodyti kaip distopinis seklumas, esantis viduryje

Juodas veidrodis ir Meilės sala, iš tikrųjų jų smegenų skaitymo tyrimai yra gana žavūs.

Veido erdvės paieška

Neseniai atlikdami savo eksperimentą, mokslininkai naudojo a generatyvinis priešiškas neuroninis tinklas, apmokytas didelėje 200 000 įžymybių vaizdų duomenų bazėje, kad susapnuotų šimtus netikrų veidų. Tai buvo veidai, turintys tam tikrų įžymybių bruožų – čia stiprus žandikaulis, a skvarbų žydrų akių rinkinys, bet kurios nebuvo iš karto atpažįstamos kaip įžymybės klausimas.

Tada vaizdai buvo surinkti į skaidrių demonstraciją, kad būtų parodyta 30 dalyvių, kurie buvo sukomplektuoti elektroencefalografijos (EEG) dangteliai gali nuskaityti savo smegenų veiklą per galvos odos elektrinį aktyvumą. Kiekvienas dalyvis buvo paprašytas susikoncentruoti į tai, ar, jų nuomone, veidas, į kurį žiūri ekrane, buvo gražus, ar ne. Kiekvienas veidas buvo rodomas trumpą laiką, kol pasirodė kitas vaizdas. Dalyviams nereikėjo nieko pažymėti ant popieriaus, paspausti mygtuko ar braukti dešinėn, kad parodytų savo pritarimą. Pakakdavo susitelkti į tai, kas jiems atrodė patrauklu.

„Mes parodėme dalyviams didelį šių veidų pasirinkimą ir paprašėme jų pasirinktinai sutelkti dėmesį į veidus, kurie jiems atrodė patrauklūs. Michielis Spapė, Helsinkio universiteto doktorantas, pasakojo „Digital Trends“. „Užfiksuodami smegenų bangas EEG, atsiradusias vos pamačius veidą, įvertinome, ar veidas buvo vertinamas kaip patrauklus, ar ne. Tada ši informacija buvo naudojama paieškai neuroninio tinklo modelyje - 512 matmenų „veido erdvė“ – ir trikampiuokite tašką, kuris atitiktų atskiro dalyvio tašką patrauklumas“.

Paslėptų duomenų šablonų, atskleidusių tam tikrų funkcijų pirmenybę, paieška buvo pasiekta naudojant mašininį mokymąsi, kad būtų galima ištirti kiekvieno veido išprovokuotą elektrinę smegenų veiklą. Apskritai, kuo daugiau pastebima tam tikros rūšies smegenų veikla (daugiau apie tai per sekundę), tuo didesnis traukos lygis. Dalyviai neturėjo išskirti tam tikrų savybių kaip ypač patrauklių. Grįžti prie „Spotify“ analogijos taip pat, kaip nesąmoningai galėtume patraukti dainas su tam tikru laiko ženklu, matuojant smegenų veiklą žiūrint daug vaizdų, o tada leisti algoritmui išsiaiškinti, ką jie visi turi bendro, A.I. galime išskirti veido dalis, kurių galbūt net nesuvokiame, kad esame nupiešti į. Mašininis mokymasis šiame kontekste yra kaip detektyvas, kurio darbas yra sujungti taškus.

Braukite į dešinę smegenis

„Tai nebūtinai yra „padidėjęs smegenų aktyvumas“, o tai, kad tam tikri vaizdai iš naujo sinchronizuoja nervų veiklą“, - paaiškino Spapé. „Tai yra, gyvos smegenys visada aktyvios. EEG visiškai skiriasi nuo [funkcinio magnetinio rezonanso tomografijos], nes nesame tikri, iš kur atsiranda aktyvumas, bet tik tada, kai jis atsiranda iš kažko. Tik todėl, kad daugelis neuronų šaudo tuo pačiu metu, ta pačia kryptimi, [mes] galime pasiimti jų [elektrinį] parašą. Taigi sinchronizavimas ir desinchronizavimas yra tai, ką mes pasirenkame, o ne „veikla“.

Jis pabrėžė, kad ką turi komanda ne tai yra rasti būdą, kaip pažvelgti į atsitiktinius EEG smegenų duomenis ir nedelsiant pasakyti, jei žmogus žiūri į ką nors, kas jam atrodo patrauklu. „Pritraukimas yra labai sudėtingas dalykas“, - sakė jis. Kitur jis pažymėjo, kad „mes negalime kontroliuoti minčių“.

Taigi, kaip tiksliai mokslininkams pavyko atlikti šį eksperimentą, jei jie negali garantuoti, kad tai, ką jie matuoja, yra patrauklumas? Tiesą sakant, atsakymas yra tas, kad jie yra traukos matavimas. Pagal šį scenarijų, bent jau. Tyrėjai šioje eksperimentinėje sąrankoje mato tai, kad praėjus maždaug 300 milisekundžių po a dalyvis mato patrauklų vaizdą, jo smegenys užsidega tam tikru elektriniu signalu, vadinamu a P300 banga. P300 banga ne visada reiškia trauką, o tam tikrų svarbių dirgiklių atpažinimą. Bet kokie tie dirgikliai priklauso nuo to, ko žmogaus buvo paprašyta ieškoti. Kituose scenarijuose, kai asmens prašoma sutelkti dėmesį į skirtingas savybes, tai gali reikšti kažką visiškai kitokio. (Pavyzdys: P300 atsakas naudojamas kaip priemonė melo detektoriuose – ir nebūtinai norint pasakyti, ar asmuo sako tiesą apie savo potraukį konkrečiam asmeniui.)

NeuroTinder ir ne tik

Šiame tyrime mokslininkai panaudojo šiuos patrauklumo duomenis, kad generatyvus priešininkų tinklas sukurtų naujus pritaikytus veidus, derinančius labiausiai smegenis sužadinantys bruožai – Frankenšteino veido bruožų rinkinys, kurio dalyvių smegenų duomenys parodė, kad jie rado asmeniškai patrauklus.

„Nors gali būti, kad kai kurie veido bruožai, kaip ir kai kurie, dažniausiai teikia pirmenybę dalyviams sugeneruoti veidai mūsų eksperimentuose atrodo panašūs vienas į kitą, modelis tikrai fiksuoja asmeninius funkcijos," Tuukka Ruotsalo, Helsinkio universiteto docentas pasakojo „Digital Trends“. „Visi sukurti vaizdai skiriasi. Paprasčiausiu aspektu dalyviai, turintys skirtingas lyties nuostatas, gauna veidus, atitinkančius šias nuostatas.

Generavimas patrauklūs žmonės, kurie niekada neegzistavo neabejotinai yra šios technologijos naudojimas. Tačiau jis gali turėti ir kitų, prasmingesnių programų. Generatyvaus dirbtinio neuroninio tinklo ir žmogaus smegenų reakcijų sąveika taip pat galėtų būti naudojama žmogaus atsakui į skirtingus duomenų reiškinius išbandyti.

„Tai galėtų padėti mums suprasti, kokios funkcijos ir jų deriniai reaguoja į pažinimo funkciją funkcijų, tokių kaip šališkumas, stereotipai, bet ir pageidavimai bei individualūs skirtumai“, – sakė R. Ruotsalo.

Neseniai buvo publikuotas darbas, aprašantis darbą paskelbtas žurnale IEEE Transactions in Affective Computing.

Redaktorių rekomendacijos

• Kaip A.I. kamanių smegenys gali pradėti naują navigacijos erą
• „Samsung“ naujas maistas A.I. gali pasiūlyti receptų pagal tai, kas yra jūsų šaldytuve
• Naujoji kardiologija A.I. žino, ar greitai mirsi. Gydytojai negali paaiškinti, kaip tai veikia
• Išsaugokite anonimiškumą internete naudodami „deepfake“ technologiją, kuri jums sukuria visiškai naują veidą
• Išmani nauja kalbų mokymosi programa leidžia treniruotis kalbėdamas su A.I. dėstytojas