比你更懂什麼長相可以吸引到你的AI

芬蘭的研究團隊設計出一套機器學習演算法,比你更懂哪種長相可以吸引到你。

 

  外表的偏好可能隨時間改變(例如留八字鬍或戴單片眼鏡),但無論如何頂級的社交身價不僅能吸引到另一半、甚至有助於升遷,或是更容易結交握有權勢的精英。儘管「長相」可以帶來多方面的社交影響,但這些偏好背後的機制仍深不可測。我們很少先對一個人的外表進行「有意識且邏輯的判斷」,通常都是先體驗到感覺才去猜原因,但人工智慧或許能幫忙解決這個問題。

 

  人類長久以來都想知道答案,數世紀的數學家,哲學家和藝術家不斷嘗試定義何謂「美」,例如用黃金比例量化美,直至今日媒體依然常用黃金比例來評斷一個人是否接近「完美」。不過近幾十年來,臉的整體對稱性(如五官間距)逐漸取代了黃金比例,成為一個人長相是否完美的主流理論。

 

  但赫爾辛基大學電腦資訊科學副教授圖卡・魯薩洛(Tuukka Ruotsalo)的研究表明,這些理論顯然並不總是正確,他說:「每個人對一個人是否有吸引力都有不同見解,如果研究模型只觀察圖片,那它永遠不可能真正理解什麼有吸引力而什麼沒有。我們的研究主要觀察不同個體對於各種照片的反應,然後將結果傳回人工智慧。」

 

我們很少先對一個人的外表進行「有意識且邏輯的判斷」,通常都是先體驗到感覺才去猜原因。

 

  為了真正理解我們為何覺得一個人長得特別有吸引力,而有些人卻完全吸引不了自己,就必須研究引發這種生物反應的神經元,但說起來簡單實際做卻很難,魯薩洛舉了一個例子:「假如我想創造一幅我認為很美的畫面,還是很難講出心中所想的那樣,因為外表有太多不同特徵與面向。」魯薩洛和同事在論文提到,這項研究首次把大腦反應作為生成神經網路的互​​動回饋,他說:「我們正在做的是控制一個非常未知且複雜的領域。」

 

  就像大腦靠神經元放電運作,機器學習模型的「大腦」也靠名為「神經網路」的東西運作,它是一種連結網路,透過演算法幫助人工智慧處理新的輸入,並找出模式從中學習。

 

  這項研究的人機界面與機器學習模型分為三個主要部分:首先,參與者在實驗中接觸到新的刺激(例如人臉)時,科學家透過腦電圖記錄參與者的神經數據;其次,藉由名為「生成對抗網路」(GAN)的機器學習網路,從一組訓練數據(通常是名人圖庫)中學習,然後推測模式以產生新的圖片;最後將大腦的神經數據與訓練過的神經網路結合打造出「生成式人機界面」(GBCI),也就是使用大腦信號來產生新圖片的界面。

 

人工智慧或許可以解開人類難以捉摸的主觀判斷或想法。

 

  簡而言之,所有步驟都是為了創造出一張獨一無二而且有吸引力的長相:研究團隊向30名戴著電極帽的參與者展示240張名人圖片,當參與者每次看到覺得有吸引力的長相時,從旁觀察的科學家就會紀錄他們的大腦神經活動。但由於腦電圖的數據太過模稜兩可,無法從中得到任何變數(例如一個人是否認為某種唇形有吸引力)數據,只能像交友軟體那樣對圖片進行「喜歡或不喜歡」的選擇。

 

  因此,將大腦神經數據與訓練過的生成對抗網路結合為生成式人機界面,運用這些數據將每位參與者認為有吸引力的長相結合,從而創造出一張全新且符合偏好的獨特長相。當研究團隊將新的圖片呈現給參與者觀看時,結果發現多數參與者認為新圖片的長相最具吸引力,準確率達80%。

 

  那生成式人機界面何時會影響未來?何時會應用在交友軟體呢?魯薩洛和第一作者米歇爾・史帕佩(Michiel Spapé)指出,這項研究還在初期階段,很難精準預測這個技術最終將如何或以何種形式被應用。研究團隊表明,在此之前還有很多其他實驗要進行,必須更多的參與者數據和機器學習數據。魯薩洛指出,這項技術的新奇性與潛在影響力在於,它或許可以解開人類難以捉摸的主觀判斷或想法。

 

 

原文出處:inverse

 

 

既然您在這裡… 您知道MPlus這些年來一直都是非營利網站嗎?我們秉持「思想自由」與「價值共享」的信念,希望打造一個不受商業操控、專注在讀者身上的平台。如果您也認同我們正在努力呈現的觀點,請您點擊以下的贊助連結。只要新台幣50元,您就可以支持我們,而且只需要您一分鐘的時間: