Kami langsung mengidentifikasi seseorang tanpa penundaan sebagai menarik bagi kami atau tidak. Tetapi belum mungkin untuk mengetahui faktor-faktor dan ciri-ciri individu apa dari penampilan yang menentukan simpati tak sadar spontan ini. Terkadang daya tarik dikaitkan dengan karakteristik pribadi dan budaya. Namun, para ilmuwan Finlandia telah menemukan pendekatan rasional terhadap masalah
Jadi, apakah ada pasangan yang cocok? Berdasarkan data EEG, para ilmuwan telah mengajarkan jaringan neural adversarial generatif(GAN) memprediksi dan membuat ulang wajah yang berpotensi tampil menarik bagi kita. Bayangkan saja, akurasi prediksi akhir> 80%. Saya ingin tahu apa yang akan terjadi jika jaringan berpotensi memengaruhi pemasangan Tinder dan aplikasi serupa? Tapi mari kita cari tahu secara berurutan.
Latar Belakang
Psikolog di seluruh dunia telah lama meneliti apa metrik daya tarik. Mereka tidak memiliki jawaban konkret untuk pertanyaan ini. Meskipun mereka berhasil mengidentifikasi pola tertentu. Jadi, di antara fitur-fitur penting, geometri, proporsi, dan simetri / asimetri wajah dibedakan. Selain rangsangan visual eksternal, psikolog percaya bahwa hormon kita, tingkat harga diri dan daya tarik pribadi, pengalaman sosial, dll.
, Mempengaruhi persepsi kemungkinan orang lain. Namun, sebelumnya semua data ini tidak cukup untuk secara artifisial buat seseorang atau pasangan dengan 100% kebetulan. Ilmuwan Finlandia telah membuat kemajuan signifikan dalam studi tentang preferensi pribadi. Dan percobaan itu membantu mereka dalam hal ini.
Bagaimana eksperimennya
Penelitian tersebut melibatkan 30 karyawan dan mahasiswa dari Universitas Helsinki. Mereka menggunakan 30.000 foto selebriti untuk melatih GAN. Jadi, jaringan diajarkan untuk membuat potret sintetis. Sebanyak 240 di antaranya dimodelkan.
Pertama, partisipan dalam eksperimen melihat 32 gambar dari 8 seri. Dengan masing-masing dari mereka, mereka memilih wajah yang paling tidak menarik. Setelah itu, mereka mulai mengukur reaksi dan respon otak.
Dengan menggunakan electroencephalography (EEG), para ilmuwan mencatat reaksiotak pada potret buatan. Para relawan diperlihatkan gambar dan dipantau reaksi secara real time, merekam semua pengamatan. Keuntungan EEG dalam memberikan data tentang umpan balik ke pemicu: sensasi, peristiwa, peristiwa kognitif atau motorik.
Lalu bagaimana?
Berkat antarmuka otak-komputer, data dipindahkan ke GAN. Sehingga dimungkinkan untuk melatih jaringan untuk menciptakan wajah yang menarik bagi sukarelawan tertentu. Namun, sejauh mana mereka akan menarik, mereka masih harus memeriksanya.
Setelah 2 bulan, para ilmuwan mengumpulkan peserta lagi. Mereka memasukkan kotak gambar mereka yang baru dan menarik serta yang netral dan / atau tidak menarik. Para relawan menerima matriks 24 gambar. Daya tarik dinilai dari skala 1 sampai 5. Dengan menekan tombol, peserta menilai gambar.
Hasilnya, 86,7% gambar yang dibuat oleh GAN diidentifikasi oleh peserta eksperimen sebagai menarik. Menariknya, 20% gambar lainnya yang berpotensi dibuat tidak menarik ternyata menarik bagi para sukarelawan. Artinya, hasil operasi jaringan adalah negatif palsu.
Pasangan yang sempurna
Dari argumen yang mendukung kerja sistem, sebagian besar gambar yang dibuat dengan menarik menerima skor lebih dari 1 poin dibandingkan dengan yang dibuat, sebagai gambar netral. Para ilmuwan menyimpulkan bahwa GAN benar-benar belajar membedakan antara reaksi otak yang menarik dan tidak menarik, dan GAN melakukannya dengan akurasi 83,3%.
Di akhir percobaan, para ilmuwan berbicara dengan subyek. Mereka semua senang dengan percobaan itu. Dan banyak yang bertanya-tanya bagaimana jaringan saraf berhasil menciptakan kembali keindahan yang sempurna. Mereka meminta salinan fotonya sendiri. Dan beberapa telah menunjukkan kemiripan gambar dengan pasangan mereka saat ini.
Shazam vs EEG?
Selain gambar, para ilmuwan telah belajar untuk membuat ulang musik yang mereka dengarkan berdasarkan aktivitas otak.
Musik memiliki karakteristik yang bermacam-macam: ritme, timbre, melodi, harmoni. Selain itu, lagu mewakili urutan data berulang tertentu. Semua fitur musik ini dipahami dengan cara tertentu oleh otak kita. Saat kita menerima rangsangan, indera kita bereaksi secara berbeda.
Peneliti dari India dan Belanda dapat mempelajari cara membuat ulang lagu tertentu dari aktivitas otak EEG. Akurasi deteksi melodi adalah 85%.
Jaringan tersebut dilatih pada 20 sukarelawan yang mendengarkan 12 lagu. Ketika jaringan mengerjakan data dari satu subjek tertentu, keakuratan mengidentifikasi melodi hampir 85%. Ketika proses pengenalan diluncurkan tanpa terikat pada seseorang, keakuratannya turun hampir 77%.
