Hersenlezende AI Maakt valse gezichten die u aantrekkelijk zult vinden

Stel je voor dat een niet al te verre toekomstige versie van Tinder in je hersenen zou kunnen kruipen en de functies eruit zou kunnen halen die je het aantrekkelijkst vindt. een potentiële partner, scan dan de romantiekzoekende zoekruimte om uit te zoeken welke partner het hoogste aantal van deze fysieke bezit attributen.

We hebben het niet alleen over eigenschappen als lengte en haarkleur, maar over een veel complexere vergelijking gebaseerd op een dataset van iedereen die je ooit eerder aantrekkelijk hebt gevonden. Op dezelfde manier waarop het Spotify-aanbevelingssysteem leert welke nummers je leuk vindt en vervolgens andere suggereert die aan een vergelijkbaar profiel voldoen – gebaseerd op kenmerken als dansbaarheid, energie, tempo, luidheid en spraakzaamheid – dit hypothetische algoritme zou hetzelfde doen voor zaken als de hart. Of in ieder geval de lendenen. Noem het fysieke aantrekkelijkheid matchmaking door middel van A.I.

Voor alle duidelijkheid: Tinder werkt – voor zover ik weet – niet aan iets als dit. Maar onderzoekers van de Universiteit van Helsinki en de Universiteit van Kopenhagen wel. En hoewel die beschrijving misschien enigszins een dystopische oppervlakkigheid halverwege daartussen zou kunnen rieken Zwarte spiegel En Liefde eiland, in werkelijkheid is hun hersenleesonderzoek behoorlijk fascinerend.

De gezichtsruimte doorzoeken

In hun recente experiment gebruikten de onderzoekers a generatief vijandig neuraal netwerk, getraind op een grote database van 200.000 afbeeldingen van beroemdheden, om een ​​reeks van honderden nepgezichten te bedenken. Dit waren gezichten met enkele kenmerken van bepaalde beroemdheden – hier een sterke kaaklijn, a een doordringend stel azuurblauwe ogen daar – maar die niet meteen herkenbaar waren als de beroemdheden in vraag.

De beelden werden vervolgens verzameld in een diavoorstelling die aan 30 deelnemers werd getoond, die waren uitgerust elektro-encefalografie (EEG) caps kunnen hun hersenactiviteit aflezen via de elektrische activiteit op hun hoofdhuid. Elke deelnemer werd gevraagd zich te concentreren op de vraag of hij het gezicht waarnaar hij op het scherm keek, mooi vond of niet. Elk gezicht was gedurende een korte tijd te zien, voordat het volgende beeld verscheen. Deelnemers hoefden niets op papier te zetten, op een knop te drukken of naar rechts te swipen om hun goedkeuring aan te geven. Gewoon focussen op wat ze aantrekkelijk vonden, was voldoende.

“We lieten een grote selectie van deze gezichten aan de deelnemers zien en vroegen hen zich selectief te concentreren op gezichten die ze aantrekkelijk vonden,” Michiel Spape, een postdoctoraal onderzoeker aan de Universiteit van Helsinki, aan Digital Trends. “Door de hersengolven vast te leggen via EEG die plaatsvonden vlak na het zien van een gezicht, schatten we of een gezicht als aantrekkelijk werd gezien of niet. Deze informatie werd vervolgens gebruikt om een ​​zoekopdracht uit te voeren binnen het neurale netwerkmodel – een 512-dimensionaal ‘face-space’ – en trianguleer een punt dat overeenkomt met het punt van een individuele deelnemer aantrekkelijkheid.”

Het vinden van de verborgen datapatronen die voorkeuren voor bepaalde kenmerken onthulden, werd bereikt door machine learning te gebruiken om de elektrische hersenactiviteit van elk gezicht te onderzoeken. Over het algemeen geldt dat hoe meer van een bepaald soort hersenactiviteit wordt waargenomen (meer daarover in een seconde), hoe groter de aantrekkingskracht. Deelnemers hoefden bepaalde kenmerken niet als bijzonder aantrekkelijk te bestempelen. Om terug te keren naar de Spotify-analogie: op dezelfde manier waarop we onbewust aangetrokken kunnen worden tot nummers met een bepaalde maatsoort, door de hersenactiviteit te meten tijdens het kijken naar grote aantallen afbeeldingen, en vervolgens een algoritme laten uitzoeken wat ze allemaal gemeen hebben, kan de A.I. kunnen delen van het gezicht uitlichten waarvan we ons misschien niet eens realiseren dat we getekend zijn naar. Machine learning is in deze context als een detective wiens taak het is om de punten met elkaar te verbinden.

Veeg naar de rechter hersenhelft

“Het is niet noodzakelijkerwijs ‘verhoogde hersenactiviteit’, maar eerder dat bepaalde beelden de neurale activiteit opnieuw synchroniseren,” verduidelijkte Spapé. “Dat wil zeggen: het levende brein is altijd actief. EEG verschilt nogal van [functionele magnetische resonantiebeeldvorming] omdat we niet precies weten waar de activiteit vandaan komt, maar alleen wanneer het ergens vandaan komt. Alleen omdat veel neuronen tegelijkertijd, in dezelfde richting, vuren, kunnen we hun [elektrische] signatuur oppikken. Synchronisatie en desynchronisatie is dus wat we opmerken in plaats van ‘activiteit’ als zodanig.”

Hij benadrukte dat wat het team heeft niet Het enige wat we kunnen doen is een manier vinden om naar willekeurige EEG-hersengegevens te kijken en meteen te zien of iemand naar iemand kijkt die hij of zij aantrekkelijk vindt. “Aantrekking is een zeer complex onderwerp”, zegt hij. Elders merkte hij op dat ‘we geen gedachtencontrole kunnen uitoefenen’.

Dus hoe zijn de onderzoekers er precies in geslaagd dit experiment uit te voeren als ze niet kunnen garanderen dat wat ze meten aantrekkingskracht is? Het antwoord is in feite dat zij Zijn het meten van aantrekkingskracht. In dit scenario tenminste. Wat de onderzoekers in deze experimentele opstelling zien, is dat ongeveer 300 milliseconden na a deelnemer een aantrekkelijk beeld ziet, lichten hun hersenen op met een bepaald elektrisch signaal dat a wordt genoemd P300-golf. Een P300-golf duidt niet altijd op aantrekking, maar eerder op een herkenning van bepaalde relevante stimuli. Maar wat die prikkels zijn, hangt af van waar de persoon naar moet zoeken. In andere scenario's, waarin iemand wordt gevraagd zich op verschillende kenmerken te concentreren, kan dit op iets heel anders duiden. (Een voorbeeld: de P300-reactie wordt gebruikt als maatstaf in leugendetectoren – en niet noodzakelijkerwijs om te vertellen of iemand de waarheid vertelt over zijn of haar aantrekking tot een bepaalde persoon.)

NeuroTinder en verder

In deze studie gebruikten de onderzoekers deze attractiegegevens vervolgens om het generatieve vijandige netwerk nieuwe aangepaste gezichten te laten genereren de meest hersenkrakende eigenschappen – een Frankenstein-verzameling van gelaatstrekken waarvan de hersengegevens van de deelnemers hadden aangegeven dat ze ze persoonlijk zouden vinden aantrekkelijk.

“Hoewel er misschien enkele gelaatstrekken zijn die over het algemeen de voorkeur lijken te hebben van de deelnemers, zoals sommigen gegenereerde gezichten in onze experimenten lijken op elkaar, het model legt echt persoonlijk vast functies," Tuukka Ruotsalo, een universitair hoofddocent aan de Universiteit van Helsinki, aan Digital Trends. “Er zitten verschillen in alle gegenereerde afbeeldingen. In het meest triviale aspect krijgen deelnemers met verschillende gendervoorkeuren gezichten die overeenkomen met die voorkeur.”

Genereren aantrekkelijke mensen die nooit hebben bestaan is zeker een opvallend gebruik van deze technologie. Het kan echter ook andere, betekenisvollere toepassingen hebben. De interactie tussen een generatief kunstmatig neuraal netwerk en de reacties van het menselijk brein zou ook kunnen worden gebruikt om menselijke reacties op verschillende verschijnselen in gegevens te testen.

“Dit zou ons kunnen helpen het soort kenmerken en hun combinaties te begrijpen die reageren op cognitief gedrag functies, zoals vooroordelen, stereotypen, maar ook voorkeuren en individuele verschillen”, aldus Ruotsalo.

Onlangs verscheen er een paper waarin het werk werd beschreven gepubliceerd in het tijdschrift IEEE Transactions in Affective Computing.

Aanbevelingen van de redactie

• Hoe A.I. hommelhersenen zouden een nieuw tijdperk voor navigatie kunnen inluiden
• Samsung's nieuwe voedsel-A.I. kan recepten voorstellen op basis van wat er in uw koelkast staat
• Nieuwe cardiologie A.I. weet of je binnenkort zult overlijden. Artsen kunnen niet uitleggen hoe het werkt
• Blijf online anoniem met deepfake-technologie die een geheel nieuw gezicht voor u genereert
• Met de slimme nieuwe app voor het leren van talen kunt u oefenen met spreken met een A.I. docent