ब्रेन-रीडिंग AI बनाता है नकली चेहरे आपको मिलेगा आकर्षक

सोचिए अगर टिंडर का कुछ न तो बहुत दूर का भविष्य का संस्करण आपके मस्तिष्क के अंदर रेंगने में सक्षम था और आपको संभावित साथी में सबसे आकर्षक लगने वाली सुविधाओं को निकालने में सक्षम था, तो जो भी साथी सबसे अधिक संख्या में थे, उनकी तलाश करने के लिए रोमांस की तलाश करने वाले स्थान को स्कैन करें इन भौतिक विशेषताओं।

हम केवल ऊँचाई और बालों के रंग जैसे गुणों की बात नहीं कर रहे हैं, बल्कि इससे कहीं अधिक जटिल समीकरण जो आप पहले कभी आकर्षक पाए गए हैं, के डेटा पर आधारित है। उसी तरह से जो Spotify अनुशंसा प्रणाली उन गीतों को सीखती है जो आप आनंद लेते हैं और फिर दूसरों को सुझाव देते हैं कि एक समान प्रोफ़ाइल के अनुरूप – डांसबिलिटी, ऊर्जा, टेम्पो, लाउडनेस और भाषण जैसी सुविधाओं के आधार पर – यह काल्पनिक एल्गोरिथ्म मामलों के मामलों के लिए भी ऐसा ही करेगा। दिल। या, कम से कम, loins। एआई के माध्यम से इसे शारीरिक आकर्षण मंगनी कहें

स्पष्ट होने के लिए, टिंडर ऐसा नहीं है – जहां तक ​​मुझे पता है – इस तरह से कुछ भी दूर पर काम करना। लेकिन हेलसिंकी विश्वविद्यालय और कोपेनहेगन विश्वविद्यालय के शोधकर्ता हैं। और जबकि वह वर्णन ब्लैक मिरर और लव आइलैंड के बीच में कुछ हद तक एक डायस्टोपियन उथलेपन के बीच स्मैक का धब्बा हो सकता है, वास्तव में उनका मस्तिष्क पढ़ने का शोध काफी आकर्षक है।

चेहरे की जगह की खोज

अपने हालिया प्रयोग में, शोधकर्ताओं ने सैकड़ों नकली चेहरों की एक श्रृंखला का सपना देखने के लिए, 200,000 सेलिब्रिटी छवियों के एक बड़े डेटाबेस पर प्रशिक्षित एक जननिक प्रतिकूल तंत्रिका नेटवर्क का उपयोग किया। ये कुछ मशहूर हस्तियों के कुछ बानगी के साथ थे – यहाँ एक मजबूत जॉलाइन, वहाँ आँखों का एक भेदी सेट – लेकिन जो तुरंत सवाल में मशहूर हस्तियों के रूप में पहचानने योग्य नहीं थे।

तब छवियों को 30 प्रतिभागियों को दिखाने के लिए एक स्लाइड शो में इकट्ठा किया गया था, जिन्हें इलेक्ट्रोएन्सेफ्लोग्राफी (ईईजी) कैप के साथ उनके मस्तिष्क की गतिविधियों को पढ़ने में सक्षम किया गया था, उनकी खोपड़ी पर विद्युत गतिविधि के माध्यम से। प्रत्येक प्रतिभागी को इस बात पर ध्यान केंद्रित करने के लिए कहा गया था कि उन्हें लगा कि स्क्रीन पर वे जिस चेहरे को देख रहे थे वह अच्छा था या नहीं। अगली छवि दिखाई देने से पहले प्रत्येक चेहरे को थोड़े समय के लिए दिखाया गया था। प्रतिभागियों को कागज पर कुछ भी चिह्नित करने की आवश्यकता नहीं थी, एक बटन दबाएं, या अपनी स्वीकृति को इंगित करने के लिए दाईं ओर स्वाइप करें। जो उन्हें आकर्षक लगा, उस पर ध्यान केंद्रित करना ही काफी था।

संज्ञानात्मक कम्प्यूटिंग समूह

“, हमने प्रतिभागियों को इन चेहरों का एक बड़ा चयन दिखाया, और उन्हें उन चेहरों पर ध्यान केंद्रित करने के लिए कहा, जो उन्हें आकर्षक लगे।” “ईईजी द्वारा मस्तिष्क तरंगों को कैप्चर करके, जो एक चेहरे को देखने के बाद हुआ था, हमने अनुमान लगाया था कि एक चेहरे को आकर्षक रूप में देखा गया था या नहीं। इस जानकारी का उपयोग तंत्रिका नेटवर्क मॉडल के भीतर एक खोज को चलाने के लिए किया गया था – एक 512-आयामी ‘फेस-स्पेस’ – और एक बिंदु को त्रिकोणित करता है जो एक व्यक्तिगत प्रतिभागी के आकर्षण बिंदु से मेल खाएगा। “

छिपे हुए डेटा पैटर्न को खोजना, जो कुछ विशेषताओं के लिए वरीयताओं को प्रकट करता था, प्रत्येक मस्तिष्क के उत्तेजक गतिविधि की विद्युत मस्तिष्क गतिविधि की जांच करने के लिए मशीन लर्निंग का उपयोग करके प्राप्त किया गया था। मोटे तौर पर, एक निश्चित प्रकार की मस्तिष्क गतिविधि जितनी अधिक होती है (एक सेकंड में उस पर अधिक), आकर्षण का स्तर उतना अधिक होता है। प्रतिभागियों को विशेष रूप से आकर्षक के रूप में कुछ विशेषताओं को एकल नहीं करना पड़ा। Spotify सादृश्य पर लौटने के लिए, उसी तरह जिस तरह हम अनजाने में एक विशेष समय हस्ताक्षर के साथ गाने के लिए गुरुत्वाकर्षण दे सकते हैं, बड़ी संख्या में छवियों को देखते समय मस्तिष्क की गतिविधि को मापकर, और फिर एक एल्गोरिथ्म को यह पता लगाने देता है कि उन सभी में क्या आम है। एआई चेहरे के कुछ हिस्सों को बाहर निकाल सकता है जिन्हें हम महसूस नहीं कर सकते कि हम किसके लिए तैयार हैं। मशीन लर्निंग इस संदर्भ में एक जासूस की तरह है जिसका काम डॉट्स को जोड़ना है।

सही मस्तिष्क स्वाइप करें

“यह जरूरी नहीं है कि ‘मस्तिष्क गतिविधि में वृद्धि हुई है,” बल्कि यह है कि कुछ छवियां तंत्रिका गतिविधि को फिर से संगठित करती हैं, “स्पापा ने स्पष्ट किया। “अर्थात्, जीवित मस्तिष्क हमेशा सक्रिय रहता है। ईईजी काफी विपरीत है [functional magnetic resonance imaging] उस में हम बहुत निश्चित नहीं हैं कि गतिविधि कहाँ से आती है, लेकिन केवल जब यह किसी चीज़ से आती है। केवल इसलिए कि कई न्यूरॉन्स एक ही समय में, एक ही दिशा में आग लगाते हैं, हैं [we] उनके लेने में सक्षम [electrical] हस्ताक्षर। इसलिए सिंक्रोनाइज़ेशन और डीसिन्क्रनाइजेशन को हम ‘एक्टिविटी’ के बजाय उठाते हैं। “

उन्होंने जोर देकर कहा कि टीम ने जो नहीं किया है वह यादृच्छिक ईईजी मस्तिष्क डेटा को देखने का एक तरीका ढूंढना है और तुरंत बताएं, यदि कोई व्यक्ति किसी ऐसे व्यक्ति को देख रहा है जो उन्हें आकर्षक लगता है। “आकर्षण एक बहुत ही जटिल विषय है,” उन्होंने कहा। अन्य जगहों पर, उन्होंने कहा कि “हम नियंत्रण पर विचार नहीं कर सकते।”

संज्ञानात्मक कम्प्यूटिंग समूह

तो कैसे बिल्कुल शोधकर्ताओं ने इस प्रयोग को करने में कामयाब रहे हैं अगर वे गारंटी नहीं दे सकते हैं कि वे जो माप रहे हैं वह आकर्षण है? जवाब है, वास्तव में, कि वे आकर्षण को माप रहे हैं। इस परिदृश्य में, कम से कम। इस प्रायोगिक सेटअप में शोधकर्ताओं ने जो देखा, वह यह है कि लगभग 300 मिलीसेकंड के बाद एक प्रतिभागी को एक आकर्षक छवि दिखाई देती है, उनका मस्तिष्क एक विशेष विद्युत संकेत के साथ रोशनी करता है जिसे P300 लहर कहा जाता है। एक P300 लहर हमेशा आकर्षण का संकेत नहीं करती है, बल्कि एक निश्चित प्रासंगिक उत्तेजनाओं की मान्यता है। लेकिन वह उत्तेजना क्या है, इस पर निर्भर करता है कि उस व्यक्ति को क्या देखने के लिए कहा गया है। अन्य परिदृश्यों में, जहां किसी व्यक्ति को विभिन्न विशेषताओं पर ध्यान केंद्रित करने के लिए कहा जाता है, यह कुछ पूरी तरह से अलग संकेत दे सकता है। (मामले में बिंदु: P300 की प्रतिक्रिया झूठ बोलने वालों में एक उपाय के रूप में प्रयोग की जाती है – और यह बताने की आवश्यकता नहीं है कि क्या कोई व्यक्ति किसी विशेष व्यक्ति के प्रति उनके आकर्षण के बारे में सच कह रहा है।)

न्यूरोटाइंडर और उससे परे

इस अध्ययन में, शोधकर्ताओं ने फिर इस आकर्षण डेटा का उपयोग करने के लिए जननिक प्रतिकूल नेटवर्क के लिए सबसे अधिक मस्तिष्क-स्पार्किंग लक्षणों के संयोजन के साथ नए अनुकूलित चेहरे उत्पन्न किए – फ्रेंकस्टीन असेंबली ऑफ फेशियल प्रतिभागियों के मस्तिष्क डेटा ने संकेत दिया था कि वे व्यक्तिगत रूप से आकर्षक लगते हैं।

“जबकि कुछ चेहरे की विशेषताएं हो सकती हैं जो आम तौर पर प्रतिभागियों में पसंद की जाती हैं, क्योंकि हमारे प्रयोगों में कुछ उत्पन्न चेहरे एक दूसरे के समान दिखते हैं, मॉडल वास्तव में व्यक्तिगत विशेषताओं को कैप्चर करता है,” हेलसिंकी विश्वविद्यालय के एक एसोसिएट प्रोफेसर तुक्का रूट्सटालो। डिजिटल रुझान बताया। “सभी उत्पन्न छवियों में अंतर हैं। सबसे तुच्छ पहलू में, विभिन्न लिंग वरीयताओं वाले प्रतिभागियों को उस वरीयता से मेल खाते चेहरे मिलते हैं। “

आकर्षक लोगों को उत्पन्न करना जो कभी अस्तित्व में नहीं थे, निश्चित रूप से इस तकनीक का एक मुख्य-हथियाने वाला उपयोग है। हालाँकि, इसके अन्य, अधिक सार्थक अनुप्रयोग भी हो सकते हैं। एक सामान्य कृत्रिम तंत्रिका नेटवर्क और मानव मस्तिष्क प्रतिक्रियाओं के बीच बातचीत का उपयोग डेटा में मौजूद विभिन्न घटनाओं के लिए मानव प्रतिक्रियाओं का परीक्षण करने के लिए भी किया जा सकता है।

रूट्सैलो ने कहा, “यह संज्ञानात्मक कार्यों, जैसे कि पक्षपात, रूढ़िवादिता, बल्कि वरीयताओं और व्यक्तिगत मतभेदों पर प्रतिक्रिया देने वाली सुविधाओं और उनके संयोजनों को समझने में हमारी मदद कर सकता है,” रूट्सटालो ने कहा।

काम का वर्णन करने वाला एक पेपर हाल ही में आईईईई ट्रांजेक्शंस इन अफेक्टिव कंप्यूटिंग में प्रकाशित हुआ था।

संपादकों की सिफारिशें