Читающий мозг ИИ Создает фальшивые лица, которые вы найдете привлекательными

Представьте себе, что какая-то версия Tinder из не столь отдаленного будущего сможет проникнуть в ваш мозг и извлечь функции, которые вы считаете наиболее привлекательными. потенциального партнера, а затем просканируйте пространство поиска романтики, чтобы найти партнера, обладающего наибольшим количеством этих физических атрибуты.

Мы говорим не просто о таких качествах, как рост и цвет волос, а о гораздо более сложном уравнении, основанном на наборе данных всех, кого вы когда-либо считали привлекательными. Точно так же, как система рекомендаций Spotify изучает песни, которые вам нравятся, а затем предлагает другие, соответствующие аналогичному профилю — основанный на таких характеристиках, как танцевальность, энергия, темп, громкость и речевость — этот гипотетический алгоритм будет делать то же самое для вопросов сердце. Или, по крайней мере, поясницу. Назовите это сватовством по физической привлекательности с помощью искусственного интеллекта.

Чтобы внести ясность, Tinder, насколько мне известно, не работает над чем-либо отдаленно подобным этому. Но исследователи из Хельсинкского и Копенгагенского университетов это делают. И хотя это описание может отдавать некоторой антиутопической поверхностностью, находящейся на полпути между Черное зеркало и Остров любвиНа самом деле их исследования по чтению мыслей чертовски увлекательны.

Поиск пространства лица

В своем недавнем эксперименте исследователи использовали генеративно-состязательная нейронная сеть, обученный на большой базе данных из 200 000 изображений знаменитостей, придумал серию из сотен фальшивых лиц. Это были лица с некоторыми отличительными чертами некоторых знаменитостей — здесь сильная линия подбородка, пронзительные лазурные глаза, но в них не сразу можно было узнать знаменитостей вопрос.

Затем изображения были собраны в слайд-шоу для показа 30 участникам, оснащенным шапочки для электроэнцефалографии (ЭЭГ) способны читать активность их мозга по электрической активности на коже головы. Каждому участнику было предложено сосредоточиться на том, считает ли он лицо, на которое они смотрят на экране, красивым или нет. Каждое лицо показывалось на короткий промежуток времени, прежде чем появилось следующее изображение. Участникам не нужно было ничего отмечать на бумаге, нажимать кнопку или проводить пальцем вправо, чтобы выразить свое одобрение. Достаточно было просто сосредоточиться на том, что они находили привлекательным.

«Мы показали участникам большую выборку этих лиц и попросили их выборочно сконцентрироваться на лицах, которые они считают привлекательными», Мишель Спапе, научный сотрудник Хельсинкского университета, рассказал Digital Trends. «Считывая мозговые волны с помощью ЭЭГ, возникающие сразу после того, как мы увидели лицо, мы оценили, кажется ли лицо привлекательным или нет. Эта информация затем использовалась для поиска в модели нейронной сети — 512-мерной модели. «пространство лица» — и триангулируйте точку, которая будет совпадать с точкой отдельного участника. привлекательность».

Обнаружение скрытых закономерностей данных, которые выявили предпочтения определенных черт, было достигнуто с помощью машинного обучения для исследования электрической активности мозга, которую провоцировало каждое лицо. Грубо говоря, чем больше наблюдается определенного вида мозговой активности (подробнее об этом через секунду), тем выше уровень влечения. Участникам не нужно было выделять определенные особенности как особенно привлекательные. Возвращаясь к аналогии со Spotify, точно так же, как мы можем неосознанно тяготеть к песням с определенным тактовым размером, измеряя активность мозга при просмотре. большое количество изображений, а затем позволяя алгоритму выяснить, что у них общего, ИИ. может выделить части лица, о которых мы даже не подозреваем, что нарисованы к. Машинное обучение в этом контексте похоже на детектива, чья работа — соединить точки.

Проведите пальцем по правому полушарию мозга

«Это не обязательно «повышенная мозговая активность», а скорее то, что определенные изображения ресинхронизируют нервную активность», — пояснил Спапе. «То есть живой мозг всегда активен. ЭЭГ совершенно не похожа на [функциональную магнитно-резонансную томографию] тем, что мы не совсем уверены в том, откуда возникает активность, а только тогда, когда она исходит от чего-то. Только потому, что многие нейроны срабатывают одновременно и в одном направлении, [мы] можем уловить их [электрическую] сигнатуру. Таким образом, мы улавливаем синхронизацию и десинхронизацию, а не «активность» как таковую».

Он подчеркнул, что то, что есть у команды нет Задача — найти способ просмотреть случайные данные ЭЭГ мозга и сразу определить, смотрит ли человек на кого-то, кого он находит привлекательным. «Притяжение — очень сложная тема», — сказал он. В другом месте он отметил, что «мы не можем контролировать мысли».

Так как же исследователям удалось провести этот эксперимент, если они не могут гарантировать, что то, что они измеряют, является притяжением? Ответ на самом деле в том, что они являются измерение привлекательности. По крайней мере, в этом сценарии. В этой экспериментальной установке исследователи видят, что примерно через 300 миллисекунд после участник видит привлекательное изображение, его мозг загорается особым электрическим сигналом, называемым Волна Р300. Волна P300 не всегда означает влечение, а скорее признание определенных значимых стимулов. Но что это за стимулы, зависит от того, что человека попросили искать. В других сценариях, когда человека просят сосредоточиться на разных функциях, это может означать нечто совершенно иное. (Пример: реакция P300 используется в качестве меры в детекторах лжи — и не обязательно для определения того, говорит ли человек правду о своем влечении к конкретному человеку.)

NeuroTinder и не только

В этом исследовании исследователи затем использовали эти данные о привлекательности, чтобы заставить генеративно-состязательную сеть генерировать новые персонализированные лица, комбинируя самые мозговые черты — данные мозга участников Франкенштейна о чертах лица показали, что они лично находят привлекательный.

«Хотя некоторые черты лица могут оказаться предпочтительными для всех участников, некоторые сгенерированные лица в наших экспериментах похожи друг на друга, модель действительно передает личные функции," Туукка Руотсало, доцент Хельсинкского университета, рассказал Digital Trends. «Во всех сгенерированных изображениях есть различия. В самом тривиальном аспекте участники с разными гендерными предпочтениями получают лица, соответствующие этим предпочтениям».

Создание привлекательные люди, которых никогда не существовало Это, безусловно, резонансное использование этой технологии. Однако у него могут быть и другие, более значимые применения. Взаимодействие между генеративной искусственной нейронной сетью и реакциями человеческого мозга также можно использовать для проверки реакции человека на различные явления, присутствующие в данных.

«Это может помочь нам понять, какие функции и их комбинации реагируют на когнитивные функции, такие как предубеждения, стереотипы, но также предпочтения и индивидуальные различия», — сказал Руотсало.

Недавно была опубликована статья с описанием этой работы. опубликовано в журнале IEEE Transactions in Affective Computing..

Рекомендации редакции

• Как А.И. Мозг шмеля может открыть новую эру навигации
• Новая еда от Samsung — искусственный интеллект. могу предложить рецепты, исходя из того, что есть в вашем холодильнике
• Новая кардиология А.И. знает, скоро ли ты умрешь. Врачи не могут объяснить, как это работает
• Сохраняйте анонимность в Интернете с помощью технологии deepfake, которая создает для вас совершенно новое лицо
• Новое умное приложение для изучения языков позволяет практиковаться в разговоре с искусственным интеллектом. репетитор