脑机接口产生个人吸引人的图像

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，并基于此创建符合我们标准的新图像。研究人员使用人工智能解释大脑信号并结合结果脑机接口用人工面部的生成模型。这使得计算机能够根据个人喜好创建面部图像。

“在我们之前的研究中，我们设计的模型可以识别和控制简单的肖像特征，比如头发颜色和情绪。然而，人们对金发和微笑的看法基本一致。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着无意识的角色。事实上，我们常常发现很难解释到底是什么让某件事或某个人变得美丽:情人眼里出西施，”赫尔辛基大学心理和Logopedics学系的高级研究员和导赏员Michiel Spapé说。

大脑暴露出的偏好

最初，研究人员给出了生成式对抗神经网络(GAN)的任务是创造数百个人造肖像。这些图片一次一个地展示给30名志愿者，他们被要求关注他们认为有吸引力的面孔，同时他们的大脑反应被记录下来脑电描记法(EEG)。

它的工作原理有点像约会应用Tinder:参与者在看到有吸引力的面孔时‘向右滑动’。然而，在这里，他们除了看图片什么都不用做。我们测量了他们的大脑对图像的即时反应，”Spapé解释道。

研究人员分析了脑电图数据机器学习通过脑机接口将个人脑电图数据连接到生成神经网络。

“像这样的脑机接口可以解读用户对一系列图片吸引力的看法。通过解释他们的观点，解释大脑反应的人工智能模型和模拟面部图像的生成神经网络可以结合特定的人认为有吸引力的东西，一起生成一个全新的面部图像。”

为了测试他们的模型的有效性，研究人员为每个参与者生成了新的肖像，预测他们会觉得自己很有吸引力。在双盲程序中，他们与匹配的对照进行了测试，他们发现新图像与受试者的偏好匹配，准确率超过80%。

“这项研究表明，通过将人工神经网络与大脑反应连接起来，我们能够生成符合个人偏好的图像。成功评估吸引力尤其重要，因为这是刺激的一种辛酸的心理属性。计算机视觉迄今为止，在基于客观模式的图像分类方面非常成功。通过引入大脑对混合物的反应，我们证明了基于心理属性(如个人品味)检测和生成图像是可能的，”Spapé解释道。

潜在的暴露无意识的态度

最终，通过人工智能解决方案和脑机接口之间的交互，该研究可能会提高计算机的学习能力，并越来越多地理解主观偏好，从而造福社会。

“如果这一发现在吸引力这一个人和主观层面上可行，我们或许还可以研究其他认知功能，如感知和决策能力。”潜在地，我们可能会调整设备来识别刻板印象或内隐偏见，并更好地理解个体差异，”Spapé说。

这项研究发表在情感计算汇刊日报》。