研究人員利用AI技術分析如何使人類面孔變得有吸引力的主觀觀念。該設備可以創建肖像模型，這些肖像被定制為對個人有吸引力的。研究結果可用于對個人偏好和決策進行建模并分析的創新方法。

赫爾辛基大學和哥本哈根大學的研究人員，研究了計算機是否能夠識別我們認為有吸引力的面部特征，并在此基礎上創建符合我們審美標準的新圖像。研究人員使用人工智能來解釋大腦信號，并將大腦、計算機界面與人造面部的生成模型結合在一起。這使計算機能夠創建可滿足個人喜好的面部圖像。

“在我們以前的研究中，我們設計的模型可以識別和控制簡單的肖像特征，例如頭發的顏色和情緒等，人們可以識別誰是金發碧眼的人和誰是微笑的人。吸引力是一個更具挑戰性的研究主題，因為實際上，我們經常很難解釋到底是什么使某人變得美麗：什么是情人眼中的美麗？”這是赫爾辛基大學心理學與徽標學系的高級研究員Docent MichielSpapé研究的課題。

該研究結合了計算機科學和心理學，于2月發表在《IEEE Transactions》的《情感計算》雜志上。

最初，研究人員為生成對抗性神經網絡（GAN）提供了創建數百幅人工畫像的任務。圖像一次顯示給30名志愿者，這些志愿者被要求注意他們發現的有吸引力的面孔，同時通過腦電圖（EEG）記錄他們的大腦反應。

它的工作有點像約會應用程序Tinder：參與者在遇到一張吸引人的面孔時會“向右滑動”。但是，在這里，他們除了觀察圖像外不必做任何其他事情。 該軟件可以測試他們的大腦對圖像的直接反應、

研究人員使用機器學習技術對腦電數據進行了分析，將腦電數據通過腦機接口連接到神經網絡。

這樣的大腦計算機接口能夠解釋用戶對一系列圖像的吸引力的看法。通過解釋他們的觀點，解釋大腦反應的AI模型和對面部圖像建模的生成神經網絡，可以共同產生一個完整的圖像。結合特定人的吸引力，可以創造出新的面孔圖像。

為了測試其建模的有效性，研究人員為每個參與者生成了新的肖像，并預測他們會發現自己的個人魅力。他們以雙盲程序對匹配的控件進行了測試，發現新圖像以80％以上的準確度匹配了受試者的喜好。

這項研究表明，通過將人工神經網絡連接到大腦反應中，能夠生成與個人喜好相匹配的圖像。成功評估吸引力尤其重要，因為這是刺激性的一種令人刺痛的心理特性。基于目標模式對圖像進行分類非常成功。通過使大腦對混合圖像做出反應，可以證明基于心理屬性（例如個人品味）檢測并生成圖像。”

暴露無意識態度的潛力

最終，這項研究可以通過AI解決方案與腦機接口之間的交互作用，提高計算機學習和逐漸理解主觀偏好的能力，從而造福于社會。
編輯：lyn