Identificamos instantáneamente a una persona sin demora como atractiva para nosotros o no. Pero todavía no ha sido posible averiguar qué factores y características individuales de la apariencia determinan esta simpatía inconsciente espontánea. A veces, el atractivo se asocia con características personales y culturales. Sin embargo, los científicos finlandeses han encontrado un enfoque racional de este
Entonces, ¿hay una combinación perfecta? Basado en datos de EEG, los científicos han enseñado redes neuronales generativas adversas(GAN) predice y recrea rostros que potencialmente nos parecerán atractivos. Imagínense, la precisión de la predicción final fue> 80%. Me pregunto qué pasará si la red puede influir potencialmente en el emparejamiento de Tinder y aplicaciones similares. Pero averigüémoslo en orden.
Fondo
Los psicólogos de todo el mundo han estado investigando durante mucho tiempo cuál es la métrica del atractivo. No tienen una respuesta concreta a esta pregunta. Aunque lograron identificar ciertos patrones. Entonces, entre las características importantes, se distinguen la geometría, las proporciones y la simetría / asimetría del rostro. Además de los estímulos visuales externos, los psicólogos creen que nuestras hormonas, el nivel de autoestima y atractivo personal, la experiencia social, etc.
, influyen en la percepción de la probabilidad de otra persona. Sin embargo, antes todos estos datos no eran suficientes para artificialmente crear una persona o una pareja con 100% de coincidencia. Los científicos finlandeses han logrado avances significativos en el estudio de las preferencias personales. Y el experimento les ayudó en esto.
Como fue el experimento
El estudio involucró a 30 empleados y estudiantes de la Universidad de Helsinki. Usaron 30.000 fotografías de celebridades para entrenar a GAN. Entonces, a la red se le enseñó a crear retratos sintéticos. Se modeló un total de 240.
Primero, los participantes en el experimento observaron 32 imágenes de 8 series. Con cada uno de ellos, eligieron los rostros menos atractivos. Después de eso, comenzaron a medir las reacciones y la respuesta del cerebro.
Usando electroencefalografía (EEG), los científicos registraron una reaccióncerebro en retratos artificiales. A los voluntarios se les mostraron imágenes y reacciones monitoreadas en tiempo real, registrando todas las observaciones. La ventaja del EEG al proporcionar datos sobre la retroalimentación a los desencadenantes: sensaciones, eventos, evento cognitivo o motor.
¿Entonces que?
Gracias a la interfaz cerebro-computadora, los datos se transfirieron al GAN. Y así fue posible capacitar a la red para crear caras atractivas para voluntarios específicos. Sin embargo, aún tenían que comprobar hasta qué punto serían atractivos.
Después de 2 meses, los científicos reunieron nuevamente a los participantes. Ponen en sus contenedores de imágenes tanto nuevos atractivos como otros neutrales y / o poco atractivos. Los voluntarios recibieron una matriz de 24 fotografías. El atractivo se evaluó en una escala del 1 al 5. Al presionar las teclas, los participantes calificaron las imágenes.
Como resultado, resultó que el 86,7% de las imágenes creadas por el GAN fueron identificadas por los participantes del experimento como atractivas. Curiosamente, otro 20% de las imágenes que se crearon potencialmente como poco atractivas resultaron ser atractivas para los voluntarios. Es decir, el resultado de la operación de la red fue falso negativo.
Pareja perfecta
De los argumentos a favor del funcionamiento del sistema, la mayoría de las imágenes creadas de forma atractiva recibieron una puntuación de más de 1 punto en comparación con las creadas, como neutrales. Los científicos concluyeron que la GAN realmente aprendió a distinguir entre reacciones cerebrales atractivas y no atractivas, y lo hace con una precisión del 83,3%.
Al final del experimento, los científicos hablaron con los sujetos. Todos estaban satisfechos con el experimento. Y muchos se preguntaron cómo la red neuronal logró recrear la belleza perfecta. Pidieron copias de las fotografías para ellos mismos. Y algunos han señalado la similitud de la imagen con su pareja actual.
¿Shazam vs EEG?
Además de las imágenes, los científicos han aprendido a recrear la música que escuchan basándose en la actividad cerebral.
La música tiene varias características: ritmo, timbre, melodía, armonía. Además, las canciones representan una secuencia específica de datos repetidos. Todas estas características musicales son percibidas de cierta manera por nuestro cerebro. Cuando recibimos un estímulo, nuestros sentidos reaccionan de manera diferente.
Investigadores de la India y los Países Bajos pudieron aprender a recrear canciones específicas a partir de la actividad cerebral de EEG. La precisión de detección de melodía fue del 85%.
La red se formó con 20 voluntarios que escucharon 12 melodías. Cuando la red trabajó con los datos de un tema en particular, la precisión para identificar la melodía fue de casi el 85%. Cuando se inició el proceso de reconocimiento sin estar vinculado a una persona, la precisión se redujo en casi un 77%.
