Фінські вчені навчили генеративно-змагальну нейронну мережу розпізнавати дані ЕЕГ і створювати на їх основі зображення чоловічих і жіночих осіб, які відповідають індивідуальним естетичним уподобанням окремої людини. Точність, з якою вона передбачила естетичні уподобання учасників, була вище вісімдесяти відсотків. У дослідженні, що об'єднує інформатику і психологію, взяли участь 30 співробітників і студентів Гельсінського університету. Стаття опублікована в журналі.
Незважаючи на те, що ми легко визначаємо, гарна людина чи ні, виділити фактори зовнішності іншого, на основі яких ми приймаємо подібне рішення, досить складно. Протягом довгих років, протягом яких психологи вивчали це питання, вони змогли лише виділити загальні закономірності, що впливають на оцінку. Наприклад, геометрія обличчя: його симетричність, приблизно рівні співвідношення носа до лоба і носа до підборіддя. В якості критеріїв індивідуальних уподобань фахівці називали рівень гормонів, власну привабливість, соціальний і культурний досвід.
Але створити зображення, яке виявиться індивідуально відповідним естетичним уподобанням однієї людини на основі цих критеріїв поки не вдавалося. Цим завданням зайнялися Мішель Спейп (Michiel Spape) з Гельсінського університету і колеги, які спочатку за допомогою набору з 30000 зображень осіб знаменитостей навчили генеративно-змагальну нейромережу (GAN) створювати штучні портрети. Потім 240 (120 чоловічих і 120 жіночих) з них показали 30 студентам і співробітникам університету.
Дослідники просили учасників розглянути і оцінити привабливість образів, в той час як їх мозкові реакції реєструвалися за допомогою ЕЕГ: використовувався так званий метод потенціалу, пов'язаного з подією (ПСС), який дозволяє виміряти відгук мозку на певне відчуття, когнітивну або моторну подію (в даному випадку - на естетичну перевагу). Але раніше учасники подивилися 8 серій по 4 зображення і вибирали по одному непривабливому в кожній серії.
Дослідники через інтерфейс мозок-комп'ютер передали дані ЕЕГ генеративно-змагальної нейромережі, так що вона могла навчатися створювати індивідуально привабливі зображення для кожного учасника. Через два місяці учасники прийшли, щоб оцінити результати. Для цього створені за індивідуальними уподобаннями зображення помістили серед інших непривабливих і нейтральних в матрицю з двох рядів по 12 картинок, і учасники натискали, на ті, які вважали привабливими, а також оцінювали їх за шкалою від 1 (дуже непривабливе) до 5 (дуже привабливе).
Виявилося, що 86,7 відсотка зображень, які створила нейромережа як привабливі, учасники вважали привабливими, і двадцять відсотків створених в якості непривабливих були оцінені як привабливі, тобто нейромережа створила 20 відсотків неправдивих образів. Також вищі рейтинги привабливості отримали зображення, які нейромережа створила як привабливі порівняно з нейтральними і непривабливими (p < 0,0001). Це говорить про те, що нейромережа змогла знайти таку структуру даних, яка дозволяє розділяти реакції мозку на привабливі і непривабливі особи, і робить вона це з високою точністю (83,33 відсотка).
По завершенні експерименту учасників розпитали про їхні враження від отриманих результатів: вони залишилися задоволені і оцінювали згенеровані зображення, наприклад, як ідеальну чоловічу красу, відзначали схожість зі своїми партнерами і просили копію картинки для себе.
Нейромережі мають інші цікаві здібності, наприклад, вони вміють розпізнавати прослуховувану пісню за активністю мозку.