计算机创建的面部图像迎合了个人喜好。功劳:认知计算研究小组研究人员已经成功地让人工智能理解了我们关于什么让面孔具有吸引力的主观观念。该设备通过创造新肖像的能力证明了这一知识，这些新肖像被定制成对个人有吸引力。这些结果可以用于，例如，建模偏好和决策，以及潜在地识别无意识的态度。赫尔辛基大学和哥本哈根大学的研究人员调查了计算机是否能够识别我们认为有吸引力的面部特征，并在此基础上创建符合我们标准的新图像。研究人员使用人工智能来解释大脑信号，并将由此产生的大脑-计算机界面与人工面孔的生成模型相结合。这使得计算机能够创建符合个人喜好的面部图像。
“在我们之前的研究中，我们设计了可以识别和控制简单人像特征的模型，例如头发颜色和情绪。然而，人们很大程度上同意谁是金发谁是微笑。吸引力是一个更具挑战性的研究课题，因为它与文化和心理因素有关，这些因素可能在我们的个人偏好中扮演无意识的角色。事实上，我们经常发现很难解释到底是什么让某物或某人变得美丽:情人眼里出西施，”赫尔辛基大学心理学和逻各斯系高级研究员兼讲师米歇尔·斯帕佩说。
这项结合了计算机科学和心理学的研究发表在2月份的《情感计算》杂志上。
大脑暴露的偏好
最初，研究人员给了一个生成对抗神经网络(GAN)创建数百个人工肖像的任务。这些图像被一次一张地展示给30名志愿者，他们被要求关注他们认为有吸引力的面孔，同时通过脑电图记录他们的大脑反应。
“它的工作原理有点像约会应用Tinder:当参与者遇到一张迷人的脸时，他们‘刷对了’。然而，在这里，他们除了看图像什么也不用做。我们测量了他们对图像的即时大脑反应，”斯帕佩解释道。
研究人员用机器学习技术分析了脑电图数据，通过脑机接口将单个脑电图数据连接到生成神经网络。
“像这样的脑机接口能够解读用户对一系列图像吸引力的看法。通过解释他们的观点，解释大脑反应的人工智能模型和对面部图像建模的生成神经网络可以结合特定人认为有吸引力的东西，共同产生一个全新的面部图像，”负责该项目的学院研究员兼副教授图ukka Ruotsalo说。
为了测试他们建模的有效性，研究人员为每个参与者生成了新的画像，预测他们会发现这些画像对自己有吸引力。通过对照匹配的对照进行双盲测试，他们发现新的图像符合受试者的偏好，准确率超过80%。
“这项研究表明，通过将人工神经网络连接到大脑响应，我们能够生成符合个人偏好的图像。成功地评估吸引力尤其重要，因为这是刺激的一种如此强烈的心理属性。迄今为止，计算机视觉在根据客观模式对图像进行分类方面非常成功。通过引入大脑对混合物的反应，我们表明有可能根据心理特征，如个人品味，检测和生成图像，”斯帕佩解释道。
暴露无意识态度的可能性
最终，这项研究可能会通过人工智能解决方案和脑机接口之间的互动，提高计算机学习和越来越理解主观偏好的能力，从而造福社会。
“如果这在像吸引力一样个人和主观的事情上是可能的，我们也可能研究其他认知功能，如感知和决策。斯帕佩说:“有可能，我们会调整设备来识别刻板印象或隐性偏见，并更好地理解个体差异。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
