Wir identifizieren sofort eine Person ohne Verzögerung als attraktiv für uns oder nicht. Es war jedoch noch nicht möglich herauszufinden, welche Faktoren und individuellen Merkmale des Aussehens diese spontane unbewusste Sympathie bestimmen. Manchmal ist Attraktivität mit persönlichen und kulturellen Merkmalen verbunden. Finnische Wissenschaftler haben jedoch einen rationalen Ansatz für diese absolut irrationale
Gibt es also eine perfekte Übereinstimmung? Basierend auf EEG-Daten haben Wissenschaftler generative kontradiktorische neuronale Netze gelehrt (GAN) Vorhersagen und Neuerstellen von Gesichtern, die für uns möglicherweise attraktiv erscheinen. Stellen Sie sich vor, die endgültige Vorhersagegenauigkeit betrug> 80%. Ich frage mich, was passieren wird, wenn das Netzwerk möglicherweise das Pairing von Tinder und ähnlichen Apps beeinflussen kann. Aber lassen Sie es uns in der richtigen Reihenfolge herausfinden.
Hintergrund
Psychologen auf der ganzen Welt haben lange nach der Metrik der Attraktivität geforscht. Sie haben keine konkrete Antwort auf diese Frage. Obwohl sie es geschafft haben , bestimmte Muster zu identifizieren . Unter den wichtigen Merkmalen werden also Geometrie, Proportionen und Symmetrie / Asymmetrie des Gesichts unterschieden. Neben externen visuellen Reizen glauben Psychologen, dass unsere Hormone, das Selbstwertgefühl und die persönliche Attraktivität, die soziale Erfahrung usw. die Wahrnehmung der Wahrscheinlichkeit einer anderen Person beeinflussen.
Zuvor reichten all diese Daten jedoch nicht aus, um künstlich zu wirken Erstellen Sie eine Person oder ein Paar mit 100% Zufall. Die finnischen Wissenschaftler haben erhebliche Fortschritte bei der Untersuchung persönlicher Präferenzen erzielt. Und das Experiment hat ihnen dabei geholfen.
Wie war das Experiment?
An der Studie nahmen 30 Mitarbeiter und Studenten der Universität Helsinki teil. Sie verwendeten 30.000 Promi-Fotos, um GAN zu trainieren. So wurde dem Netzwerk beigebracht, synthetische Porträts zu erstellen. Insgesamt 240 von ihnen wurden modelliert.
Zunächst betrachteten die Teilnehmer des Experiments 32 Bilder von 8 Serien. Mit jedem von ihnen wählten sie die am wenigsten attraktiven Gesichter. Danach begannen sie, die Reaktionen und Reaktionen des Gehirns zu messen.
Mithilfe der Elektroenzephalographie (EEG) zeichneten Wissenschaftler eine Reaktion aufGehirn auf künstlichen Porträts. Den Freiwilligen wurden Bilder gezeigt und die Reaktionen in Echtzeit überwacht, wobei alle Beobachtungen aufgezeichnet wurden. Der Vorteil des EEG bei der Bereitstellung von Daten zur Rückmeldung an Auslöser: Empfindungen, Ereignisse, kognitive oder motorische Ereignisse.
Was dann?
Dank der Gehirn-Computer-Schnittstelle wurden die Daten an das GAN übertragen. Und so war es möglich, das Netzwerk zu trainieren, um attraktive Gesichter für bestimmte Freiwillige zu schaffen. Inwieweit sie jedoch attraktiv wären, mussten sie noch prüfen.
Nach 2 Monaten versammelten die Wissenschaftler die Teilnehmer erneut. Sie legen neue attraktive sowie andere neutrale und / oder unattraktive in ihre Image-Mülleimer. Die Freiwilligen erhielten eine Matrix von 24 Bildern. Die Attraktivität wurde auf einer Skala von 1 bis 5 bewertet. Durch Drücken der Tasten bewerteten die Teilnehmer die Bilder.
Als Ergebnis stellte sich heraus, dass 86,7% der vom GAN erstellten Bilder von den Versuchsteilnehmern als attraktiv identifiziert wurden. Interessanterweise erwiesen sich weitere 20% der Bilder, die möglicherweise als unattraktiv erstellt wurden, als attraktiv für die Freiwilligen. Das heißt, das Ergebnis des Netzwerkbetriebs war falsch negativ.
Perfektes Paar
Aufgrund der Argumente für die Funktionsweise des Systems erhielten die meisten attraktiv erstellten Bilder eine Bewertung von mehr als 1 Punkt im Vergleich zu den erstellten als neutral. Die Wissenschaftler kamen zu dem Schluss, dass das GAN wirklich gelernt hat, zwischen attraktiven und unattraktiven Gehirnreaktionen zu unterscheiden, und dies mit einer Genauigkeit von 83,3%.
Am Ende des Experiments sprachen die Wissenschaftler mit den Probanden. Sie waren alle mit dem Experiment zufrieden. Und viele fragten sich, wie es dem neuronalen Netzwerk gelang, die perfekte Schönheit wiederherzustellen. Sie baten um Kopien der Fotos für sich. Und einige haben auf die Ähnlichkeit des Bildes mit ihrem derzeitigen Partner hingewiesen.
Shazam gegen EEG?
Zusätzlich zu Bildern haben Wissenschaftler gelernt, die Musik, die sie hören, basierend auf der Gehirnaktivität nachzubilden.
Musik hat verschiedene Eigenschaften: Rhythmus, Klangfarbe, Melodie, Harmonie. Darüber hinaus repräsentieren Songs eine bestimmte Folge von wiederholten Daten. All diese musikalischen Merkmale werden von unserem Gehirn auf bestimmte Weise wahrgenommen. Wenn wir einen Reiz erhalten, reagieren unsere Sinne unterschiedlich.
Forscher aus Indien und den Niederlanden konnten lernen, wie man bestimmte Songs aus der EEG-Gehirnaktivität nachbildet. Die Melodieerkennungsgenauigkeit betrug 85%.
Das Netzwerk wurde an 20 Freiwilligen trainiert, die 12 Melodien hörten. Wenn das Netzwerk an den Daten eines bestimmten Subjekts arbeitete, betrug die Genauigkeit der Identifizierung der Melodie fast 85%. Als der Erkennungsprozess gestartet wurde, ohne an eine Person gebunden zu sein, sank die Genauigkeit um fast 77%.
