私たちは、私たちにとって魅力的であるかどうかにかかわらず、遅滞なく人を即座に識別します。しかし、この自発的な無意識の共感を決定する要因と外観の個々の特徴を見つけることはまだ可能ではありません。魅力は、個人的および文化的特徴と関連している場合があります。しかし、フィンランドの科学者たち は、この問題の絶対に不合理な
それで、完全に一致するものはありますか？ EEGデータに基づいて、科学者は生成的敵対的ニューラルネットワークを教えてきました （GAN）私たちにとって魅力的に見える可能性のある顔を予測して再現します。想像してみてください。最終的な予測精度は80％を超えていました。ネットワークがTinderと同様のアプリのペアリングに影響を与える可能性がある場合はどうなるでしょうか？しかし、順番にそれを理解しましょう。
バックグラウンド
世界中の心理学者は、魅力の指標とは何かを長い間研究してきました。彼らはこの質問に対する具体的な答えを持っていません。彼らはなんとか特定のパターンを特定することができましたが 。したがって、重要な機能の中で、顔の形状、比率、対称性/非対称性が区別されます。外部の視覚刺激に加えて、心理学者は、私たちのホルモン、自尊心と個人的な魅力のレベル、社会的経験などが
、他の人の可能性の知覚に影響を与えると信じていますが、 これらすべてのデータが人為的に十分である前に100％一致する人またはカップルを作成します。フィンランドの科学者は、個人的な好みの研究において大きな進歩を遂げました。そして、実験はこれで彼らを助けました。
実験はどうでしたか
この調査には、ヘルシンキ大学の30人の従業員と学生が参加しました。彼らは3万枚の有名人の写真を使ってGANを訓練しました。そのため、ネットワークは合成ポートレートを作成するように教えられました。合計240枚がモデル化されました。
最初に、実験の参加者は8シリーズの32枚の画像を見ました。それらのそれぞれで、彼らは最も魅力的でない顔を選びました。その後、彼らは脳の反応と反応を測定し始めました。
脳波記録（EEG）を使用して、科学者 は反応を記録しました人工的な肖像画の脳。ボランティアには画像が表示され、反応がリアルタイムで監視され、すべての観察結果が記録されました。トリガーへのフィードバックに関するデータを提供する際のEEGの利点：感覚、イベント、認知または運動イベント。
では、どうしますか？
ブレイン・コンピューター・インターフェースのおかげで、データはGANに転送されました。そのため、特定のボランティアにとって魅力的な顔を作成するようにネットワークをトレーニングすることができました。しかし、彼らがどの程度魅力的であるかについては、まだ確認していませんでした。
2か月後、科学者たちは再び参加者を集めました。彼らは、新しい魅力的なものだけでなく、他の中立的および/または魅力的でないものを画像ビンに入れました。ボランティアは24枚の写真のマトリックスを受け取りました。魅力は1から5のスケールで評価されました。参加者はキーを押すことで画像を評価しました。
その結果、GANによって作成された画像の86.7％が、実験参加者によって魅力的であると識別されたことが判明しました。興味深いことに、魅力的でないものとして作成された可能性のある画像の別の20％は、ボランティアにとって魅力的であることが判明しました。つまり、ネットワーク操作の結果は偽陰性でした。
理想的なカップル
システムが機能することを支持する議論から、魅力的に作成された画像のほとんどは、作成された画像と比較して1ポイント以上のスコアをニュートラルとして受け取りました。科学者たちは、GANが魅力的な脳反応と魅力的でない脳反応を区別することを実際に学んだと結論付けました。これは83.3％の精度で行われます。
実験の終わりに、科学者たちは被験者と話しました。彼らは皆、実験に満足していた。そして多くの人が、ニューラルネットワークがどのようにして完璧な美しさを再現したのか疑問に思いました。彼らは自分たちのために写真のコピーを求めた。また、現在のパートナーとの画像の類似性を指摘する人もいます。
シャザム対脳波？
科学者たちは、画像に加えて、脳の活動に基づいて聴いている音楽を再現することを学び ました。
音楽には、リズム、音色、メロディー、ハーモニーなど、さまざまな特徴があります。さらに、曲は繰り返されるデータの特定のシーケンスを表します。これらすべての音楽的特徴は、私たちの脳によって特定の方法で認識されます。私たちが刺激を受けると、私たちの感覚は異なった反応をします。
インドとオランダの研究者は、EEGの脳活動から特定の歌を再現する方法を学ぶことができました。メロディーの検出精度 は85％でした。
ネットワークは、12曲を聴いた20人のボランティアでトレーニングされました。ネットワークが特定の主題のデータを処理したとき、メロディーを識別する精度はほぼ85％でした。人に縛られることなく認識プロセスを開始すると、精度は約77％低下しました。
