據(jù)國外媒體報道,目前,科學家最新開發(fā)一種新型AI人工智能系統(tǒng),它可以“潛入人類大腦”,洞察哪些類型的面孔容貌最吸引你。
在沒有任何語音或者文字指令的情況下,AI計算機系統(tǒng)能否識別出我們認為有吸引力的肖像面部特征嗎?研究人員對30名測試者的腦電波進行腦電圖掃描監(jiān)測(EEG),然后向他們展示20萬張名人真實照片以不同方式拼接而成的“假臉”。
測試者不需要做任何事情,也不需要在他們喜歡的照片上直接點擊,因為研究團隊可以通過腦電圖讀數(shù)來確定他們的“無意識偏好”。然后他們將數(shù)據(jù)輸入AI系統(tǒng),該系統(tǒng)能夠從腦電波數(shù)據(jù)中洞察測量者的“審美觀”傾向,并為測試者量身推薦你心目中的“西施”容貌。
未來這項AI技術可用于確定測試者的個人喜好,或者了解人們可能不會公開談論的無意識態(tài)度,包括種族、宗教和政治觀點等。目前這個AI系統(tǒng)可以理解什么樣的面孔最具吸引力的主觀意識。
在之前的研究中,科學家曾設計了能夠識別和控制簡單肖像特征的模型,例如:頭發(fā)顏色和情緒變化,目前確定“吸引力”將是一個更具挑戰(zhàn)性的研究課題。
在早期對人類五官特征的有限研究中,人們對金發(fā)女郎和微笑美女的審美觀基本一致,但這僅是表面細節(jié)。相比之下,分析測試者認為哪些面容更有吸引力,是一個頗具挑戰(zhàn)性的課題,因為這與文化和心理因素有關,這些因素可能在我們的個人傾向喜好中發(fā)揮著無意識作用。
的確,我們很難解釋為什么某些人在部分人心中極具魅力,對其他人則印象平平,這或許驗證了我們常說的一句諺語--“情人眼里出西施”。最初,研究人員生成對抗式神經(jīng)網(wǎng)絡(GAN)智能系統(tǒng),可以制作數(shù)百幅人工肖像,這些圖像一次一幅地展示給30名測試者,隨后讓測試者記錄哪些肖像頗有吸引力,期間腦電圖描記法(EEG)記錄了他們的大腦反應。
這有點兒像約會軟件,在這項最新研究中,測試者除了看照片什么也不用做,只是測量了他們對肖像的即時大腦反應,這是一個非語言過程,之后研究人員使用機器學習技術分析腦電圖數(shù)據(jù),并生成一個神經(jīng)網(wǎng)絡。
像這樣的腦-機接口能夠解釋為什么一些肖像會對測試者產(chǎn)生吸引力,通過解讀他們的視圖分析,即人工智能模型解讀大腦反應,以及通過結合特定人群所認為的相貌吸引力,能夠生成完全新容貌圖像的神經(jīng)網(wǎng)絡模型。
為了測試他們建模的有效性,他們?yōu)槊课粶y試者制作了新的容貌圖像,預測這些肖像是否會吸引測試者,在對他們進行“雙盲測試”中,結果顯示最新建模圖像與測試者的個人偏好匹配,準確度超過80%。雙盲測試也被稱為“二重盲檢法”,是指在試驗過程中,測驗者與被測驗者都不知道被測者所屬的組別(實驗組或對照組),分析者在分析資料時,通常也不知道正在分析的資料屬于哪一組。
這項研究表明,我們能夠通過連接人工神經(jīng)網(wǎng)絡和大腦反應來生成符合個人傾向喜好的圖像,成功評估相貌吸引力意義重大,因為這是對外界刺激的一種深刻心理特性。到目前為止,計算機視覺基于目標模式的分類圖像非常成功,但通過引入大腦對混合情況的反應,我們證明了依據(jù)心理屬性(例如個人口味),檢測某人的審美標準,以及生成“西施圖像”是可能實現(xiàn)的。
這項最新技術可能將無意識態(tài)度,暴露給那些無法有聲、有意識表達信息的目標測試者,最終,通過人工智能解決方案和腦-機接口交互技術,該項研究可能提高計算機學習能力,并且越來越多地理解人們的主觀意識偏好,從而造福社會。
如果像審美偏好這樣的個人主觀因素也能被洞察分析,我們或許還能研究感知和決策等其他認知能力,我們可能會調整認知策略或者內隱偏見,從而更好地理解個體差異性。目前,這項最新研究報告發(fā)表在近期出版的《電氣與電子工程師協(xié)會情感計算匯刊》上。
對抗式網(wǎng)絡如何運行?
科學家通過讓兩種算法相互對抗來生成對抗式網(wǎng)絡,從而試圖創(chuàng)建人類真實的主觀意識偏好選擇。
這些“想象出來的”數(shù)字創(chuàng)作,可以是圖像、視頻、聲音和其他內容形式,主要基于輸入系統(tǒng)的相關數(shù)據(jù),人工智能機器系統(tǒng)依據(jù)所學創(chuàng)造新的內容,而另一個人工智能系統(tǒng)則對這些數(shù)字創(chuàng)作進行批評,指出其中的缺陷和不準確之處。
最終,該過程可使人工智能系統(tǒng)學習更多的新信息,而不需要人類的任何輸入內容。
人工智能如何通過神經(jīng)網(wǎng)絡進行學習?
人工智能系統(tǒng)主要依據(jù)于人工神經(jīng)網(wǎng)絡(ANNs),后者試圖模擬人類大腦的工作方式來實現(xiàn)學習功能,同時,它可以被訓練來識別信息模式——包括語音、文本數(shù)據(jù)或者視覺圖像,它是近年來人工智能發(fā)展的基礎。
傳統(tǒng)人工智能通過輸入大量信息來“教授”有關特定目標的算法,實際應用包括谷歌的語言翻譯服務、Facebook的面部識別軟件和Snapchat的實時圖像濾鏡。
輸入這些數(shù)據(jù)的過程可能非常耗時,并且僅限于一種類型的知識,一種被稱為對抗性神經(jīng)網(wǎng)絡的新型人工神經(jīng)網(wǎng)絡可使兩個人工智能系統(tǒng)相互競爭,使它們相互學習。該方法旨在加速學習進程,并優(yōu)化人工智能輸出“數(shù)字創(chuàng)作”。(葉傾城)