Tekoäly osaa lukea suoraan aivoista, millaisista kasvoista ihmiset pitävät

Päivitetty: 9.3.2021 | Julkaistu: |

Tekoälyohjelma ymmärtää, millaiset kasvot viehättävät eri ihmisiä. Vastikään julkaistussa tutkimuksessa kone pystyi myös luomaan uusia, eri yksilöiden viehättävinä pitämiä kasvokuvia. 

Helsingin ja Kööpenhaminan yliopistojen tutkijat selvittivät, pystyykö tietokone tunnistamaan, mitä kasvonpiirteitä eri yksilöt pitävät viehättävinä ja luomaan uusia kuvia, jotka istuvat kriteereihimme. 

Tutkijat hyödynsivät aivojen ja tietokoneen toimintaa yhdistäviä käyttöliittymiä, jotka perustuvat tekoälymenetelmin tulkittaviin EEG-mittauksiin. 

Viehättävyys on kaikkea muuta kuin yksioikoinen tutkimuskohde. Siihen, mitä kukin pitää viehättävänä, vaikuttavat lukuisat niin yksilölliset kuin kulttuuriset – pitkälti tiedostamattomat – tekijät. 

Mutta tutkimuksessa kone todella onnistui kuin onnistuikin luomaan eri yksilöitä miellyttäviä kasvokuvia.

Aivot paljastivat mieltymykset

Ensin tutkijat laittoivat generoivan neuroverkon luomaan satoja keinotekoisia kasvokuvia. Kuvia näytettiin yksi kerrallaan 30 vapaaehtoiselle, jotka oli kytketty aivovastetta mittaavaan EEG-laitteistoon. 

Koehenkilöitä pyydettiin kiinnittämään huomiota niihin kasvoihin, jotka olivat heidän mielestään viehättäviä ja ”pyyhkäisemään oikealle” viehättävät kasvot nähdessään. 

”Tässä tapauksessa koehenkilöiden ei kuitenkaan tarvinnut tehdä muuta kuin katsoa kuvaa. Heidän luontainen reaktionsa kuvaan mitattiin suoraan aivovasteesta”, vanhempi tutkija, dosentti Michiel Spapé Helsingin yliopiston psykologian ja logopedian osastolta kertoo.

Tutkijat analysoivat koehenkilöiden reaktioista kertynyttä EEG-dataa koneoppimismenetelmillä ja yhdistivät ne aivokäyttöliittymän välityksellä generatiiviseen neuroverkkoon.

Tällainen aivokäyttöliittymä pystyy tulkitsemaan käyttäjän mielipiteen useiden erilaisten kuvien viehättävyydestä. 

”Tulkitsemalla mielipiteet tekoälymallilla voidaan generatiivisen neuroverkon avulla tuottaa kokonaan uusi kasvokuva, jossa yksilöllistä viehättävyyttä vastaavat piirteet yhdistyvät”, projektista vastaava akatemiatutkija, apulaisprofessori Tuukka Ruotsalo kertoo.

Tutkijat hyödynsivät aivojen ja tietokoneen toimintaa yhdistäviä käyttöliittymiä ja tekoälymenetelmin tulkittavia EEG-mittauksia. Tuloksena kone onnistui luomaan eri yksilöitä miellyttäviä kasvokuvia. (Kuva: Helsingin yliopisto)

Testatakseen mallinnuksensa paikkansapitävyyden tutkijat loivat osanottajien katsottavaksi uusia kasvokuvia, joiden ajateltiin viehättävän eri yksilöitä. 

Kaksoissokkoutetussa kokeessa kävi ilmi, että uudet kuvat vastasivat koehenkilöiden mieltymyksiä yli 80 prosentin tarkkuudella. 

Uusien, yksilöllisiä mieltymyksiä vastaavien kasvokuvien luominen siis onnistui.

”On merkittävää, että tämä onnistui juuri viehättävyyden arvioinnissa, koska kyse on hyvin yksilöllisesti koettavasta asiasta. Konenäkö on aiemmin onnistunut esimerkiksi luokittelemaan kuvia sille opetetun kriteeristön mukaan, mutta aivovasteiden ansiosta on mahdollista jäljittää ja luoda kuvia psykologisten ominaisuuksien, kuten henkilökohtaisten mieltymysten mukaan”, Spapé kertoo.

Voi paljastaa piiloasenteita

Tutkimuksen laajempi hyöty on, että tekoälymenetelmien ja aivokäyttöliittymien vuorovaikutuksessa kone voi oppia tulkitsemaan yksilöllisiä mieltymyksiämme yhä paremmin.

”Jos tämä onnistuu jossain niin yksilöllisessä kuin viehättävyyden kokemuksessa, pystymme ehkä tutkimaan myös muita kognitiivisia ominaisuuksia, kuten havaitsemista ja päätöksentekoa. Näin voisimme mahdollisesti tunnistaa esimerkiksi stereotypioita tai tiedostamattomia ajatusvinoutumia ja ymmärtää paremmin yksilöiden välisiä eroja”, Spapé sanoo.

Tietojenkäsittelytiedettä ja psykologiaa yhdistävä tutkimus julkaistiin IEEE Transactions in Affective Computing -tiedelehdessä helmikuussa 2021. 

Julkaisu:

M. Spape, K. Davis, L. Kangassalo, N. Ravaja, Z. Sovijarvi-Spape and T. Ruotsalo, ”Brain-computer interface for generating personally attractive images,” in IEEE Transactions on Affective Computing, doi: 10.1109/TAFFC.2021.3059043.

Artikkelin kuvat: Helsingin yliopisto ja Jonathan Borba/Unsplash

Lue myös:

guest
0 Kommenttia
Inline Feedbacks
Katso kaikki kommentit