Brain-Reading А.І. Робить фальшиві обличчя, які зроблять вас привабливими

Уявіть, якби якась не надто віддалена майбутня версія Tinder змогла заповзти у ваш мозок і вилучити функції, які вам здаються найбільш привабливими. потенційного партнера, а потім проскануйте простір пошуку романтики, щоб знайти партнера, який має найбільшу кількість цих фізичних атрибути.

Ми говоримо не лише про такі якості, як зріст і колір волосся, але й про набагато складніше рівняння, засноване на наборі даних про всіх, кого ви коли-небудь вважали привабливими раніше. Так само, як система рекомендацій Spotify вивчає пісні, які вам подобаються, а потім пропонує інші, які відповідають подібному профілю — заснований на таких характеристиках, як танцювальність, енергія, темп, гучність і мовність — цей гіпотетичний алгоритм робив би те саме для питань серце. Або, принаймні, стегна. Назвіть це підбором фізичної привабливості за допомогою ШІ.

Наскільки мені відомо, Tinder не працює над чимось віддалено подібним. Але дослідники з Гельсінського та Копенгагенського університетів є. І хоча цей опис може мати якийсь запах антиутопічної поверховості, яка знаходиться посередині Чорне дзеркало і Острів кохання, насправді їхнє дослідження читання мізків є біса захоплюючим.

Пошук простору обличчя

У своєму недавньому експерименті дослідники використовували a генеративна суперницька нейронна мережа, навчившись на великій базі даних із 200 000 зображень знаменитостей, щоб створити серію із сотень фальшивих облич. Це були обличчя з деякими характерними ознаками певних знаменитостей — сильна лінія щелепи тут, a там пронизливий набір блакитних очей, але в них не відразу можна було впізнати знаменитостей у запитання.

Зображення потім були зібрані в слайд-шоу, щоб показати 30 учасникам, які були в комплекті електроенцефалографія (ЕЕГ) капс здатні зчитувати активність їхнього мозку за допомогою електричної активності шкіри голови. Кожного учасника попросили зосередитися на тому, чи вважає він обличчя, на яке вони дивляться на екрані, гарним чи ні. Кожне обличчя відображалося на короткий проміжок часу, перш ніж з’явилося наступне зображення. Учасникам не потрібно було нічого позначати на папері, натискати кнопку чи гортати праворуч, щоб підтвердити своє схвалення. Просто зосередитись на тому, що вони вважали привабливим, було достатньо.

«Ми показали учасникам великий вибір цих облич і попросили їх вибірково зосередитися на обличчях, які вони вважали привабливими», Мікель Спапе, докторант з Університету Гельсінкі, розповів Digital Trends. «Зафіксувавши мозкові хвилі за допомогою ЕЕГ, які виникли відразу після того, як ми побачили обличчя, ми оцінили, чи вважалося обличчя привабливим чи ні. Потім цю інформацію використовували для пошуку в рамках моделі нейронної мережі — 512-вимірної «face-space» — і тріангуляція точки, яка б відповідала точці окремого учасника привабливість».

Пошук прихованих шаблонів даних, які виявляють уподобання щодо певних функцій, було досягнуто за допомогою машинного навчання для дослідження електричної активності мозку, викликаної кожним обличчям. Загалом кажучи, чим більше певного виду мозкової діяльності помічено (докладніше про це за секунду), тим вищий рівень привабливості. Учасникам не потрібно було виділяти певні риси як особливо привабливі. Повертаючись до аналогії зі Spotify, подібно до того, як ми можемо несвідомо тяжіти до пісень із певним тактовим розміром, шляхом вимірювання активності мозку під час перегляду великої кількості зображень, а потім дозволяючи алгоритму визначити, що в них усіх спільного, ШІ. може виділити частини обличчя, про які ми можемо навіть не помітити, що ми намальовані до. У цьому контексті машинне навчання схоже на детектива, чия робота полягає в тому, щоб з’єднати крапки.

Проведіть праворуч

«Це не обов’язково «підвищена мозкова активність», а радше те, що певні зображення повторно синхронізують нейронну активність», — уточнив Спапе. «Тобто живий мозок завжди активний. ЕЕГ зовсім не схожа на [функціональну магнітно-резонансну томографію] тим, що ми не дуже впевнені, звідки походить активність, але лише тоді, коли вона з чогось походить. Лише тому, що багато нейронів запускаються одночасно в одному напрямку, [ми] можемо вловити їхній [електричний] підпис. Отже, синхронізація та десинхронізація – це те, що ми беремо, а не «діяльність» як таку».

Він підкреслив, що команда має ні зроблено, це знайти спосіб переглянути випадкові дані ЕЕГ мозку та відразу визначити, чи дивиться людина на когось, кого вона вважає привабливою. «Приваблення — це дуже складна тема, — сказав він. В іншому місці він зазначив, що «ми не можемо контролювати думки».

Отже, як саме дослідникам вдалося провести цей експеримент, якщо вони не можуть гарантувати, що те, що вони вимірюють, є привабливістю? Насправді відповідь полягає в тому, що вони є вимірювання тяжіння. Принаймні в цьому сценарії. Дослідники бачать у цій експериментальній установці, що приблизно через 300 мілісекунд після учасник бачить привабливе зображення, його мозок засвітиться певним електричним сигналом, який називається а Р300 хвиля. Хвиля P300 не завжди означає потяг, а скоріше розпізнавання певних відповідних подразників. Але те, що це за стимули, залежить від того, що людину попросили шукати. В інших сценаріях, коли людину просять зосередитися на різних функціях, це може означати щось зовсім інше. (Приклад: реакція P300 використовується як міра в детекторах брехні — і не обов’язково для того, щоб визначити, чи говорить людина правду про свій потяг до конкретної людини.)

NeuroTinder і не тільки

У цьому дослідженні дослідники використали ці дані про привабливість, щоб змусити генеративну змагальну мережу генерувати нові персоналізовані обличчя, поєднуючи риси, що викликають найбільший вплив на мозок — сукупність рис обличчя Франкенштейна, дані мозку учасників показали, що вони знаходять особисто привабливий.

«Хоча можуть бути деякі риси обличчя, які, здається, загалом віддають перевагу учасникам, як деякі Згенеровані обличчя в наших експериментах виглядають схожими одне на одного, модель справді фіксує особисте функції, Туукка Руотсало, доцент Гельсінського університету, розповів Digital Trends. «У всіх створених зображеннях є відмінності. У найтривіальнішому аспекті учасники з різними гендерними уподобаннями отримують обличчя, які відповідають цим уподобанням».

Генерація привабливі люди, яких ніколи не існувало безсумнівно, використання цієї технології викликає заголовки. Однак він може мати й інші, більш значущі застосування. Взаємодія між генеративною штучною нейронною мережею та реакціями людського мозку також може бути використана для перевірки реакції людини на різні явища, присутні в даних.

«Це може допомогти нам зрозуміти, які особливості та їх комбінації реагують на когнітивні функції функції, такі як упередження, стереотипи, а також уподобання та індивідуальні відмінності», — сказав Руотсало.

Стаття з описом роботи була нещодавно опубліковано в журналі IEEE Transactions in Affective Computing.

Рекомендації редакції

• Як А.І. мозок джмеля може розпочати нову еру навігації
• Новий харчовий штучний інтелект Samsung може запропонувати рецепти на основі того, що є у вашому холодильнику
• Нова кардіологія А.І. знає, чи скоро ти помреш. Лікарі не можуть пояснити, як це працює
• Зберігайте анонімність в Інтернеті за допомогою технологій deepfake, які створюють для вас абсолютно нове обличчя
• Розумний новий додаток для вивчення мови дозволяє вам практикувати розмову за допомогою штучного інтелекту. репетитор