一千個人眼中有一千個哈姆雷特。

由于主觀差異，人類的審美有千萬種。

對于個人偏好的觀察，人類尚且還需要思考揣摩，何況是機器，如何做到呢？

但最近赫爾辛基大學和哥本哈根大學的一個研究結果證明：AI明白你想要的美。

這項實驗通過創作新的人像，定制符合個人審美偏好的面孔。

對一些客觀性的認識，比如金發碧眼、是否微笑這些外貌特征，計算機模型可以快速識別，但是吸引力就不同了，它跟文化和心理因素有關，而且這些因素在我們的審美觀眾往往是一種無意識的存在。

研究人員使用人工智能來解讀大腦信號，并將腦機接口和生成的人臉模型相結合。

窺探大腦，get你的審美

實驗中，研究人員利用生成對抗神經網絡(GAN)創建了幾百幅人工肖像。并把這些圖像一次一張展示給30名受試者，并要求他們注意那些他們自己認為有吸引力的肖像。

與此同時，研究人員會通過腦電圖記錄他們的大腦反應。

這就像約會APP Tinder，看到喜歡的面孔，可以「向右滑」。不過，在這個實驗中，受試者不需要做任何事情，只需要看圖片就行了，研究人員會記錄他們大腦最直接的反應。

然后，研究人員利用機器學習技術分析腦電波數據，通過腦機接口神經網絡將腦電波數據連接到生成神經網絡。

像這樣的腦機接口可以解讀用戶對一系列圖片「是否有吸引力、哪些方面有吸引力」的看法。

通過解讀他們的觀點，解讀大腦反應的人工智能模型和生成神經網絡模擬臉部圖像就可以通過結合個體偏好，產生一個全新的臉部圖像。

為了測試這一模型的有效性，研究人員為每個參與者都生成了新肖像，預測他們會發現這些圖像對其個人的吸引點。通過雙盲測試，他們發現新的圖像與受試者的偏好匹配「準確率超過80%」 。

這項研究表明，通過將人工神經網絡與大腦反應聯系起來，我們能夠生成符合個人偏好的圖像。

能夠實現對個人吸引點的評估是非常重要的，因為這其中包含了太多個人審美的不同特點。

到目前為止，計算機視覺在基于客觀模式的圖像分類方面已經非常成功。

通過引入大腦對復雜審美的反應，這項實驗證明了基于心理屬性，如個人味覺等檢測和生成圖像是可能的。

最終，通過人工智能解決方案和腦機接口之間的交互，提高計算機學習和理解主觀偏好的能力，這項研究可能對社會有益。

如果人工智能可以辨別吸引力這樣主觀的因素，那么未來還可以研究其他認知功能，如感知和決策。

我們或許可以通過人工智能模型來識別「刻板印象或潛在偏見」，從而更好地理解個體差異。

此前研究：用AI檢測你想要的東西

該研究團隊此前研究發現，可以利用人工智能同時模擬計算機對信息和大腦信號的呈現。

研究人員利用神經適應性生成模型在31名參與者中實驗了這項技術。

實驗中，研究人員向參與者展示了數百張由人工智能生成的不同面貌的人的圖像，同時記錄了他們的腦電圖。

參與者要集中注意力觀察某些特征，比如看起來很老或者面帶微笑等。

當觀看一系列快速呈現的人臉圖像時，受試者的腦電圖被輸入到神經網絡中，神經網絡可以推斷是否有任何圖像被大腦檢測到來匹配受試者正在尋找的東西。

基于這些信息，神經網絡根據人們想到的人臉類型進行自適應估計。最后，計算機生成的圖像被參與者評估，它們幾乎完全符合參與者所想的特征。實驗的準確率為83% 。

這項技術結合了人類的自然反應和計算機創造新信息的能力。

在實驗中，參與者只被要求看電腦生成的圖像。反過來，計算機利用人腦的反應來模擬顯示的圖像和人類對圖像的反應。由此，計算機可以創建一個全新的圖像來「匹配」用戶的意圖。

這項技術可以用于增強人類的創造力，想畫什么東西或表達什么，但是一時無法做到，就可以利用這一模型進行預測，它理解感知大腦中潛在的過程。

但是，這種技術「不識別思想」，而是對我們與心理類別的聯系做出反應。

比如，雖然我們不能找出參與者所想的某個特定的「老人」的身份，但我們可以了解他們與「老年」的聯系。因此，這項技術可以提供一種新的方式來洞察社交、認知和情感過程。

從客觀到主觀，研究人員對大腦活動的研究越來越深入，快救救我「大腦短路」吧！