在实验中，参与者被展示了人脸的图像，同时在头上有脑电图电极。功劳:哥本哈根大学来自哥本哈根大学和赫尔辛基大学的一个研究小组证明，根据一个儿子的大脑反应如何与其他人相匹配来预测个人偏好是可能的。这有可能被用来提供个性化的媒体内容，甚至可能启发美国人了解我们自己。我们已经习惯了在线算法，试图猜测我们对从电影和音乐到网络新闻和购物等一切事物的偏好。这不仅基于我们已经搜索、查看或收听的内容，还基于这些活动与其他活动的比较。这种技术叫做协同过滤，它利用我们行为中隐藏的模式和其他人的行为来预测我们可能会觉得有趣或有吸引力的事情。
但是如果这些算法可以利用我们大脑的反应而不仅仅是我们的行为呢？这听起来可能有点像科幻小说，但一个结合计算机科学和认知神经科学的项目表明，基于大脑的协同过滤确实是可能的。哥本哈根大学和赫尔辛基大学的研究人员利用一种算法将一个人的大脑反应模式与其他人的相匹配，从而能够预测一个人对一张尚未见过的脸的吸引力。
此前，研究人员将脑电图电极放置在研究参与者的头部，并向他们展示各种面孔的图像，从而证明机器学习可以利用大脑的电活动来检测受试者认为哪些面孔最有吸引力。
“通过比较其他人的大脑活动，我们现在也发现有可能预测每个参与者在看到他们之前会发现哪些面孔有吸引力。通过这种方式，我们可以为用户提供可靠的推荐——就像流媒体服务根据用户的历史推荐新的电影或剧集一样，”哥本哈根大学计算机科学系的资深作者Tuukka Ruotsalo博士解释道。
走向有意识的计算和更强的自我意识
行业和服务提供商越来越多地提供个性化的推荐，我们现在开始期待他们提供个性化定制的内容。因此，研究人员和行业都有兴趣开发更精确的技术来满足这一需求。然而，当前的协同过滤技术是基于评级、点击行为、内容共享等方面的显式行为。并不总是揭示我们真实和潜在偏好的可靠方法。
“由于社会规范或其他因素，用户可能不会通过自己在网上的行为来透露自己的实际喜好。因此，外显行为可能会有偏差。我们研究的大脑信号是在观看后很早就获得的，所以它们与即时印象的关系比仔细考虑的行为更大，”合著者米歇尔·斯帕佩博士解释道。
“我们大脑中的电活动是一种替代的、相当未开发的信息来源。从长远来看，这种方法可能比现在更能提供关于人们偏好的细微信息。这可能是为了解码一个人喜欢某些歌曲的潜在原因——这可能与他们唤起的情感有关，”图ukka Ruotsalo解释道。
但研究人员不仅仅将这种新方法视为广告商和流媒体服务销售产品或留住用户的有用方式。正如主要作者基思·戴维斯指出的:
“我认为我们的研究是迈向一个时代的一步，有人称之为‘注意计算’，在这个时代，通过使用计算机和神经科学技术的结合，用户将能够获得关于他们自己的独特信息。事实上，众所周知，脑机接口可以成为更好地了解自己的工具。”
尽管如此，这项技术在实验室之外的应用还有很长的路要走。研究人员指出，脑机接口设备必须变得更便宜、更容易使用，才能被临时用户拿在手中或绑在头上。他们的最佳猜测是，这至少需要10年时间。
研究人员还强调，这项技术在保护基于大脑的数据免受滥用方面面临重大挑战，研究界认真考虑数据隐私、所有权以及脑电图收集的原始数据的道德使用非常重要。
在实验中，参与者被展示了大量人脸图像，并被要求寻找他们认为有吸引力的人脸。在此过程中，他们的大脑信号被记录下来。这些数据被用来训练一个机器学习模型，以区分当参与者看到一张他们认为有吸引力的脸时的大脑活动和当他们看到一张他们认为没有吸引力的脸时的大脑活动。
使用不同的机器学习模型，来自大量参与者的基于大脑的数据被用来计算每个参与者会发现哪些新的面部图像有吸引力。因此，预测部分基于个体参与者自己的大脑信号，部分基于其他参与者对图像的反应。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
