Nous identifions instantanément une personne comme attirante ou non pour nous. Mais il n'a pas encore été possible de découvrir quels facteurs et caractéristiques individuelles de l'apparence déterminent cette sympathie inconsciente spontanée. Parfois, l'attractivité est associée à des caractéristiques personnelles et culturelles. Cependant, les scientifiques finlandais ont trouvé une approche rationnelle de ce
Alors, y a-t-il un match parfait? Sur la base de données EEG, des scientifiques ont enseigné des réseaux neuronaux antagonistes génératifs(GAN) prédire et recréer des visages qui nous sembleront potentiellement attractifs. Imaginez, la précision de prédiction finale était> 80%. Je me demande ce qui se passera si le réseau peut potentiellement influencer le couplage de Tinder et d'applications similaires? Mais découvrons-le dans l'ordre.
Fond
Les psychologues du monde entier recherchent depuis longtemps ce qu'est la métrique de l'attractivité. Ils n'ont pas de réponse concrète à cette question. Bien qu'ils aient réussi à identifier certains modèles. Ainsi, parmi les caractéristiques importantes, on distingue la géométrie, les proportions et la symétrie / asymétrie du visage. En plus des stimuli visuels externes, les psychologues estiment que nos hormones, le niveau d'estime de soi et d'attractivité personnelle, l'expérience sociale, etc.
, influencent la perception de la probabilité d'une autre personne. Cependant, avant toutes ces données n'étaient pas suffisantes pour artificiellement créer une personne ou un couple avec une coïncidence à 100%. Les scientifiques finlandais ont fait des progrès significatifs dans l'étude des préférences personnelles. Et l'expérience les a aidés dans ce domaine.
Comment était l'expérience
L'étude a impliqué 30 employés et étudiants de l'Université d'Helsinki. Ils ont utilisé 30 000 photographies de célébrités pour former le GAN. Le réseau a donc appris à créer des portraits synthétiques. Un total de 240 d'entre eux ont été modélisés.Tout d'
abord, les participants à l'expérience ont regardé 32 images de 8 séries. Avec chacun d'eux, ils ont choisi les visages les moins attirants. Après cela, ils ont commencé à mesurer les réactions et la réponse du cerveau.
En utilisant l'électroencéphalographie (EEG), les scientifiques ont enregistré une réactioncerveau sur des portraits artificiels. Les volontaires ont vu des images et des réactions surveillées en temps réel, enregistrant toutes les observations. L'avantage de l'EEG pour fournir des données sur le feedback aux déclencheurs: sensations, événements, événement cognitif ou moteur.
Et alors?
Grâce à l'interface cerveau-ordinateur, les données ont été transférées vers le GAN. Il a donc été possible de former le réseau à créer des visages attrayants pour des volontaires spécifiques. Cependant, dans quelle mesure ils seraient attrayants, ils n'avaient pas encore vérifié.
Après 2 mois, les scientifiques ont de nouveau réuni les participants. Ils mettent dans leur image de nouveaux bacs attractifs ainsi que d'autres neutres et / ou peu attractifs. Les volontaires ont reçu une matrice de 24 photos. L'attractivité a été évaluée sur une échelle de 1 à 5. En appuyant sur les touches, les participants ont évalué les images.
En conséquence, il s'est avéré que 86,7% des images créées par le GAN ont été identifiées par les participants à l'expérience comme attrayantes. Fait intéressant, un autre 20% des images qui ont été potentiellement créées comme peu attrayantes se sont avérées attrayantes pour les bénévoles. Autrement dit, le résultat de l'opération réseau était faux-négatif.
Couple parfait
D'après les arguments en faveur du fonctionnement du système, la plupart des images créées de manière attrayante ont reçu un score de plus d'un point par rapport aux images créées, comme neutres. Les scientifiques ont conclu que le GAN a vraiment appris à faire la distinction entre les réactions cérébrales attrayantes et inesthétiques, et il le fait avec une précision de 83,3%.
À la fin de l'expérience, les scientifiques se sont entretenus avec les sujets. Ils étaient tous satisfaits de l'expérience. Et beaucoup se sont demandé comment le réseau de neurones avait réussi à recréer la beauté parfaite. Ils ont demandé des copies des photographies pour eux-mêmes. Et certains ont souligné la similitude de l'image avec leur partenaire actuel.
Shazam contre EEG?
En plus des images, les scientifiques ont appris à recréer la musique qu'ils écoutent en fonction de l'activité cérébrale.
La musique a diverses caractéristiques: rythme, timbre, mélodie, harmonie. De plus, les chansons représentent une séquence spécifique de données répétées. Toutes ces caractéristiques musicales sont perçues d'une certaine manière par notre cerveau. Lorsque nous recevons un stimulus, nos sens réagissent différemment.
Des chercheurs d'Inde et des Pays-Bas ont pu apprendre à recréer des chansons spécifiques à partir de l'activité cérébrale EEG. La précision de détection de la mélodie était de 85%.
Le réseau a été formé sur 20 volontaires qui ont écouté 12 airs. Lorsque le réseau travaillait sur les données d'un sujet particulier, la précision de l'identification de la mélodie était de près de 85%. Lorsque le processus de reconnaissance a été lancé sans être lié à une personne, la précision a chuté de près de 77%.
