Нейросеть создала индивидуально привлекательные изображения лиц по активности мозга

Финские ученые обучили генеративно-состязательную нейронную сеть распознавать данные ЭЭГ и создавать на их основе изображения мужских и женских лиц, которые отвечают индивидуальным эстетическим предпочтениям отдельного человека. Точность, с которой она предсказала эстетические предпочтения участников, была выше восьмидесяти процентов. В исследовании, объединяющем информатику и психологию, приняли участие 30 сотрудников и студентов Хельсинкского университета. Статья опубликована в журнале IEEE Transactions in Affective Computing.

Несмотря на то, что мы легко определяем, красив человек или нет, выделить факторы внешности другого, на основе которых мы принимаем подобное решение, достаточно сложно. На протяжении долгих лет, в течение которых психологи изучали этот вопрос, они смогли лишь выделить общие закономерности, влияющие на оценку. Например, геометрия лица: его симметричность, приблизительно равные соотношение носа ко лбу и носа к подбородку. В качестве критериев индивидуальных предпочтений специалисты называли уровень гормонов, собственную привлекательность, социальный и культурный опыт.

Но создать изображение, которое окажется индивидуально соответствующим эстетическим предпочтениям одного человека на основе этих критериев пока не удавалось. Этой задачей занялись Мишель Спейп (Michiel Spape) из Хельсинкского университета и коллеги, которые сначала с помощью набора из 30000 изображений лиц знаменитостей обучили генеративно-состязательную нейросеть (GAN) создавать искусственные портреты. Затем 240 (120 мужских и 120 женских) из них показали 30 студентам и сотрудникам университета.

Исследователи просили участников рассмотреть и оценить привлекательность образов, в то время как их мозговые реакции регистрировались с помощью ЭЭГ: использовался так называемый метод потенциала, связанного с событием (ПСС), который позволяет измерить отклик мозга на определенное ощущение, когнитивное или моторное событие (в данном случае — на эстетическое предпочтение). Но прежде участники посмотрели 8 серий по 4 изображения и выбирали по одному непривлекательному в каждой серии.

Исследователи через интерфейс мозг-компьютер передали данные ЭЭГ генеративно-состязательной нейросети, так что она могла обучаться создавать индивидуально привлекательные изображения для каждого участника. Спустя два месяца участники пришли, чтобы оценить результаты. Для этого созданные по индивидуальным предпочтениям изображения поместили среди других непривлекательных и нейтральных в матрицу из двух рядов по 12 картинок, и участники нажимали, на те, которые считали привлекательными, а также оценивали их по шкале от 1 (очень непривлекательное) до 5 (очень привлекательное).

Оказалось, что 86,7 процента изображений, которые создала нейросеть как привлекательные, участники считали привлекательными, и двадцать процентов созданных в качестве непривлекательных были оценены как привлекательные, то есть нейросеть создала 20 процентов ложноотрицательных образов. Также более высокие рейтинги привлекательности получили изображения, которые нейросеть создала как привлекательные в сравнении с нейтральными и непривлекательными (p < 0,0001). Это говорит о том, что нейросеть смогла найти такую структуру данных, которая позволяет разделять реакции мозга на привлекательные и непривлекательные лица, и делает она это с высокой точностью (83,33 процента).

По завершении эксперимента участников расспросили об их впечатлениях от полученных результатов: они остались довольны и оценивали сгенерированные изображения, например, как идеальную мужскую красоту, отмечали схожесть со своими партнерами и просили копию картинки для себя.

Нейросети обладают и другими интересными способностями, например, они умеют распознавать прослушиваемую песню по активности мозга.

Екатерина Рощина