Se ha desarrollado un sistema de inteligencia artificial que puede ahondar en tu mente y aprender qué rostros y tipos de rostro te resultan más atractivos.
Los investigadores finlandeses querían saber si una computadora podía identificar los rasgos faciales que nos parecían atractivos sin ninguna entrada verbal o escrita que lo guiara.
El equipo ató a 30 voluntarios a un monitor de electroencefalografía (EEG) que rastrea las ondas cerebrales, luego les mostró imágenes de caras ‘falsas’ generadas a partir de 200.000 imágenes reales de celebridades unidas de diferentes maneras.
No tenían que hacer nada, ni deslizar hacia la derecha en los que les gustaban, ya que el equipo podía determinar su «preferencia inconsciente» a través de sus lecturas de EEG.
Luego, introdujeron esos datos en una IA que aprendió las preferencias de las ondas cerebrales y creó imágenes completamente nuevas adaptadas al voluntario individual.
En el futuro, los resultados y la técnica podrían usarse para determinar preferencias o comprender las actitudes inconscientes de las que las personas no pueden hablar abiertamente, incluida la raza, la religión y la política, explicó el equipo.
El equipo ató a 30 voluntarios a un monitor de electroencefalografía (EEG) que rastrea las ondas cerebrales, luego les mostró imágenes de caras ‘falsas’ generadas a partir de 200,000 imágenes reales de celebridades unidas de diferentes maneras.
Investigadores finlandeses querían saber si una computadora podía identificar los rasgos faciales que encontramos atractivos sin ninguna entrada verbal o escrita que lo guiara.
Los expertos de la Universidad de Helsinki dijeron que su sistema ahora puede comprender nuestras nociones subjetivas de lo que hace que un rostro sea atractivo.
«En nuestros estudios anteriores, diseñamos modelos que podían identificar y controlar rasgos sencillos del retrato, como el color del cabello y la emoción», dijo el autor Docent Michiel Spapé, y agregó que determinar el atractivo «es un tema más desafiante».
Dijo que en los estudios limitados anteriores de características, la gente está de acuerdo en gran medida con alguien que es rubio y que sonríe, pero esto era solo un detalle superficial.
«El atractivo es un tema de estudio más desafiante, ya que está asociado con factores culturales y psicológicos que probablemente juegan un papel inconsciente en nuestras preferencias individuales», explicó Spapé.
«De hecho, a menudo nos resulta muy difícil explicar qué es exactamente lo que hace que algo, o alguien, sea hermoso: la belleza está en los ojos del espectador».
Inicialmente, los investigadores asignaron a una red neuronal generativa adversaria (GAN) la tarea de crear cientos de retratos artificiales.
Las imágenes se mostraron, una a la vez, a 30 voluntarios a los que se les pidió que prestaran atención a las caras que encontraban atractivas mientras sus respuestas cerebrales se registraban mediante electroencefalografía (EEG).
« Funcionó un poco como la aplicación de citas Tinder: los participantes ‘deslizaron hacia la derecha’ cuando se encontraron con una cara atractiva », dijo Spapé.
Los voluntarios no tenían que hacer nada, ni deslizar hacia la derecha en los que les gustaban, ya que el equipo podía determinar su ‘preferencia inconsciente’ a través de sus lecturas de EEG.
“Aquí, sin embargo, no tuvieron que hacer nada más que mirar las imágenes. Medimos su respuesta cerebral inmediata a las imágenes ‘.
El proceso no fue verbal, y los investigadores luego analizaron los datos de EEG utilizando técnicas de aprendizaje automático y generando una red neuronal.
«Una interfaz cerebro-computadora como esta es capaz de interpretar las opiniones de los usuarios sobre el atractivo de una variedad de imágenes», dijo el líder del proyecto Tuukka Ruotsalo.
«Al interpretar sus puntos de vista, el modelo de inteligencia artificial que interpreta las respuestas cerebrales y la red neuronal generativa que modela las imágenes faciales pueden producir una imagen facial completamente nueva al combinar lo que una persona en particular encuentra atractiva», dijo.
Para probar la validez de su modelo, los investigadores generaron nuevos retratos para cada participante, prediciendo que los encontrarían personalmente atractivos.
Probándolos en un procedimiento de doble ciego, encontraron que las nuevas imágenes coincidían con las preferencias de los sujetos con una precisión de más del 80 por ciento.
Luego introdujeron esos datos en una IA que aprendió las preferencias de las ondas cerebrales y creó imágenes completamente nuevas adaptadas al voluntario individual.
Entrenaron a una IA para interpretar las ondas cerebrales y combinaron la ‘interfaz cerebro-computadora’ resultante con un modelo de caras artificiales, lo que permitió que la computadora creara literalmente semejanzas humanas falsas que coincidieran con los ‘deseos’ del sujeto.
«El estudio demuestra que somos capaces de generar imágenes que coincidan con las preferencias personales mediante la conexión de una red neuronal artificial a las respuestas cerebrales.
«Tener éxito en la evaluación del atractivo es especialmente significativo, ya que esta es una propiedad psicológica tan conmovedora de los estímulos», explicó Spapé.
«Hasta ahora, la visión por computadora ha tenido mucho éxito en la categorización de imágenes basadas en patrones objetivos», agregó.
«Pero al incorporar respuestas cerebrales a la mezcla, demostramos que es posible detectar y generar imágenes basadas en propiedades psicológicas, como el gusto personal».
La nueva técnica tiene el potencial de exponer las actitudes inconscientes a una variedad de temas que las personas tal vez no puedan expresar conscientemente.
En última instancia, el estudio puede beneficiar a la sociedad al promover la capacidad de las computadoras para aprender y comprender cada vez más las preferencias subjetivas, a través de la interacción entre las soluciones de inteligencia artificial y las interfaces cerebro-computadora, predijo el equipo.
«Si esto es posible en algo que es tan personal y subjetivo como el atractivo, también podemos analizar otras funciones cognitivas como la percepción y la toma de decisiones», dijo Spapé.
«Potencialmente, podríamos orientar el dispositivo hacia la identificación de estereotipos o prejuicios implícitos y comprender mejor las diferencias individuales».
Los hallazgos se han publicado en la revista Transacciones IEEE sobre computación afectiva.
CÓMO APRENDEN LAS INTELIGENCIAS ARTIFICIALES UTILIZANDO LAS REDES NEURALES
Los sistemas de inteligencia artificial se basan en redes neuronales artificiales (ANN), que intentan simular la forma en que funciona el cerebro para aprender.
Se puede entrenar a las ANN para que reconozcan patrones en la información, incluidos el habla, los datos de texto o las imágenes visuales, y son la base de una gran cantidad de desarrollos en IA en los últimos años.
La IA convencional utiliza información para «enseñar» un algoritmo sobre un tema en particular al alimentarlo con cantidades masivas de información.
Los sistemas de inteligencia artificial se basan en redes neuronales artificiales (ANN), que intentan simular la forma en que funciona el cerebro para aprender. Se puede entrenar a las RNA para que reconozcan patrones en la información, incluido el habla, los datos de texto o las imágenes visuales.
Las aplicaciones prácticas incluyen los servicios de traducción de idiomas de Google, el software de reconocimiento facial de Facebook y los filtros en vivo que alteran la imagen de Snapchat.
El proceso de ingresar estos datos puede llevar mucho tiempo y está limitado a un tipo de conocimiento.
Una nueva generación de RNA llamada Redes neuronales adversas enfrenta el ingenio de dos robots de IA entre sí, lo que les permite aprender unos de otros.
Este enfoque está diseñado para acelerar el proceso de aprendizaje, así como para refinar el resultado creado por los sistemas de IA.
