Identificamos imediatamente uma pessoa como atraente ou não para nós. Mas ainda não foi possível descobrir quais fatores e características individuais da aparência determinam essa simpatia inconsciente espontânea. Às vezes, a atratividade está associada a características pessoais e culturais. No entanto, os cientistas finlandeses encontraram uma abordagem racional para este
Então, existe uma combinação perfeita? Com base em dados de EEG, os cientistas ensinaram redes neurais adversas geradoras(GAN) prever e recriar rostos que parecerão potencialmente atraentes para nós. Imagine só, a precisão da previsão final foi> 80%. Eu me pergunto o que acontecerá se a rede puder influenciar potencialmente o emparelhamento do Tinder e aplicativos semelhantes? Mas vamos resolver isso em ordem.
Fundo
Psicólogos de todo o mundo pesquisam há muito tempo qual é a métrica da atratividade. Eles não têm uma resposta concreta para esta pergunta. Embora eles tenham conseguido identificar certos padrões. Assim, entre as características importantes, destacam-se a geometria, as proporções e a simetria / assimetria da face. Além dos estímulos visuais externos, os psicólogos acreditam que nossos hormônios, o nível de autoestima e atratividade pessoal, a experiência social, etc. influenciam na percepção da probabilidade de outra pessoa.
No entanto, antes todos esses dados não eram suficientes para artificialmente crie uma pessoa ou um casal com 100% de coincidência. Cientistas finlandeses fizeram progressos significativos no estudo das preferências pessoais. E o experimento os ajudou nisso.
Como foi o experimento
O estudo envolveu 30 funcionários e alunos da Universidade de Helsinque. Eles usaram 30.000 fotos de celebridades para treinar o GAN. Assim, a rede foi ensinada a criar retratos sintéticos. Um total de 240 deles foram modelados.Primeiro
, os participantes do experimento olharam para 32 imagens de 8 séries. Com cada um deles, eles escolheram os rostos menos atraentes. Depois disso, eles começaram a medir as reações e respostas do cérebro.
Usando eletroencefalografia (EEG), os cientistas registraram uma reaçãocérebro em retratos artificiais. Os voluntários viram imagens e reações monitoradas em tempo real, registrando todas as observações. A vantagem do EEG em fornecer dados sobre o feedback aos gatilhos: sensações, eventos, eventos cognitivos ou motores.
O que então?
Graças à interface cérebro-computador, os dados foram transferidos para o GAN. E assim foi possível treinar a rede para criar rostos atraentes para voluntários específicos. No entanto, até que ponto seriam atraentes, ainda não tinham sido verificados.
Após 2 meses, os cientistas reuniram os participantes novamente. Eles colocam em suas caixas de imagem novos atrativos, assim como outros neutros e / ou não atraentes. Os voluntários receberam uma matriz de 24 fotos. A atratividade foi avaliada em uma escala de 1 a 5. Ao pressionar as teclas, os participantes classificaram as imagens.
Como resultado, descobriu-se que 86,7% das imagens criadas pelo GAN foram identificadas pelos participantes do experimento como atraentes. Curiosamente, outros 20% das imagens potencialmente criadas como pouco atraentes acabaram sendo atraentes para os voluntários. Ou seja, o resultado da operação de rede foi falso negativo.
Casal perfeito
Dos argumentos a favor do funcionamento do sistema, a maioria das imagens criadas de forma atraente recebeu pontuação superior a 1 ponto em relação às criadas, como neutras. Os cientistas concluíram que o GAN realmente aprendeu a distinguir entre reações cerebrais atraentes e não atraentes, e faz isso com uma precisão de 83,3%.
Ao final do experimento, os cientistas conversaram com os sujeitos. Todos ficaram satisfeitos com o experimento. E muitos se perguntaram como a rede neural conseguiu recriar a beleza perfeita. Eles pediram cópias das fotos para si próprios. E alguns apontaram a semelhança da imagem com seu parceiro atual.
Shazam vs EEG?
Além das imagens, os cientistas aprenderam a recriar a música que ouvem com base na atividade cerebral.
A música tem várias características: ritmo, timbre, melodia, harmonia. Além disso, as músicas representam uma sequência específica de dados repetidos. Todas essas características musicais são percebidas de certa forma pelo nosso cérebro. Quando recebemos um estímulo, nossos sentidos reagem de maneira diferente.
Pesquisadores da Índia e da Holanda aprenderam como recriar canções específicas a partir da atividade cerebral de EEG. A precisão da detecção da melodia foi de 85%.
A rede foi treinada em 20 voluntários que ouviram 12 músicas. Quando a rede trabalhou com os dados de um determinado assunto, a precisão de identificação da melodia foi de quase 85%. Quando o processo de reconhecimento foi iniciado sem estar vinculado a uma pessoa, a precisão caiu quase 77%.
