據(jù)國(guó)外媒體報(bào)道，目前，科學(xué)家最新開發(fā)一種新型AI人工智能系統(tǒng)，它可以“潛入人類大腦”，洞察哪些類型的面孔容貌最吸引你。

在沒(méi)有任何語(yǔ)音或者文字指令的情況下，AI計(jì)算機(jī)系統(tǒng)能否識(shí)別出我們認(rèn)為有吸引力的肖像面部特征嗎？研究人員對(duì)30名測(cè)試者的腦電波進(jìn)行腦電圖掃描監(jiān)測(cè)（EEG），然后向他們展示20萬(wàn)張名人真實(shí)照片以不同方式拼接而成的“假臉”。

測(cè)試者不需要做任何事情，也不需要在他們喜歡的照片上直接點(diǎn)擊，因?yàn)檠芯繄F(tuán)隊(duì)可以通過(guò)腦電圖讀數(shù)來(lái)確定他們的“無(wú)意識(shí)偏好”。然后他們將數(shù)據(jù)輸入AI系統(tǒng)，該系統(tǒng)能夠從腦電波數(shù)據(jù)中洞察測(cè)量者的“審美觀”傾向，并為測(cè)試者量身推薦你心目中的“西施”容貌。

未來(lái)這項(xiàng)AI技術(shù)可用于確定測(cè)試者的個(gè)人喜好，或者了解人們可能不會(huì)公開談?wù)摰臒o(wú)意識(shí)態(tài)度，包括種族、宗教和政治觀點(diǎn)等。目前這個(gè)AI系統(tǒng)可以理解什么樣的面孔最具吸引力的主觀意識(shí)。

在之前的研究中，科學(xué)家曾設(shè)計(jì)了能夠識(shí)別和控制簡(jiǎn)單肖像特征的模型，例如：頭發(fā)顏色和情緒變化，目前確定“吸引力”將是一個(gè)更具挑戰(zhàn)性的研究課題。

在早期對(duì)人類五官特征的有限研究中，人們對(duì)金發(fā)女郎和微笑美女的審美觀基本一致，但這僅是表面細(xì)節(jié)。相比之下，分析測(cè)試者認(rèn)為哪些面容更有吸引力，是一個(gè)頗具挑戰(zhàn)性的課題，因?yàn)檫@與文化和心理因素有關(guān)，這些因素可能在我們的個(gè)人傾向喜好中發(fā)揮著無(wú)意識(shí)作用。

的確，我們很難解釋為什么某些人在部分人心中極具魅力，對(duì)其他人則印象平平，這或許驗(yàn)證了我們常說(shuō)的一句諺語(yǔ)--“情人眼里出西施”。最初，研究人員生成對(duì)抗式神經(jīng)網(wǎng)絡(luò)（GAN）智能系統(tǒng)，可以制作數(shù)百幅人工肖像，這些圖像一次一幅地展示給30名測(cè)試者，隨后讓測(cè)試者記錄哪些肖像頗有吸引力，期間腦電圖描記法（EEG）記錄了他們的大腦反應(yīng)。

這有點(diǎn)兒像約會(huì)軟件，在這項(xiàng)最新研究中，測(cè)試者除了看照片什么也不用做，只是測(cè)量了他們對(duì)肖像的即時(shí)大腦反應(yīng)，這是一個(gè)非語(yǔ)言過(guò)程，之后研究人員使用機(jī)器學(xué)習(xí)技術(shù)分析腦電圖數(shù)據(jù)，并生成一個(gè)神經(jīng)網(wǎng)絡(luò)。

像這樣的腦-機(jī)接口能夠解釋為什么一些肖像會(huì)對(duì)測(cè)試者產(chǎn)生吸引力，通過(guò)解讀他們的視圖分析，即人工智能模型解讀大腦反應(yīng)，以及通過(guò)結(jié)合特定人群所認(rèn)為的相貌吸引力，能夠生成完全新容貌圖像的神經(jīng)網(wǎng)絡(luò)模型。

為了測(cè)試他們建模的有效性，他們?yōu)槊课粶y(cè)試者制作了新的容貌圖像，預(yù)測(cè)這些肖像是否會(huì)吸引測(cè)試者，在對(duì)他們進(jìn)行“雙盲測(cè)試”中，結(jié)果顯示最新建模圖像與測(cè)試者的個(gè)人偏好匹配，準(zhǔn)確度超過(guò)80%。雙盲測(cè)試也被稱為“二重盲檢法”，是指在試驗(yàn)過(guò)程中，測(cè)驗(yàn)者與被測(cè)驗(yàn)者都不知道被測(cè)者所屬的組別（實(shí)驗(yàn)組或?qū)φ战M），分析者在分析資料時(shí)，通常也不知道正在分析的資料屬于哪一組。

這項(xiàng)研究表明，我們能夠通過(guò)連接人工神經(jīng)網(wǎng)絡(luò)和大腦反應(yīng)來(lái)生成符合個(gè)人傾向喜好的圖像，成功評(píng)估相貌吸引力意義重大，因?yàn)檫@是對(duì)外界刺激的一種深刻心理特性。到目前為止，計(jì)算機(jī)視覺(jué)基于目標(biāo)模式的分類圖像非常成功，但通過(guò)引入大腦對(duì)混合情況的反應(yīng)，我們證明了依據(jù)心理屬性（例如個(gè)人口味），檢測(cè)某人的審美標(biāo)準(zhǔn)，以及生成“西施圖像”是可能實(shí)現(xiàn)的。

這項(xiàng)最新技術(shù)可能將無(wú)意識(shí)態(tài)度，暴露給那些無(wú)法有聲、有意識(shí)表達(dá)信息的目標(biāo)測(cè)試者，最終，通過(guò)人工智能解決方案和腦-機(jī)接口交互技術(shù)，該項(xiàng)研究可能提高計(jì)算機(jī)學(xué)習(xí)能力，并且越來(lái)越多地理解人們的主觀意識(shí)偏好，從而造福社會(huì)。

如果像審美偏好這樣的個(gè)人主觀因素也能被洞察分析，我們或許還能研究感知和決策等其他認(rèn)知能力，我們可能會(huì)調(diào)整認(rèn)知策略或者內(nèi)隱偏見，從而更好地理解個(gè)體差異性。目前，這項(xiàng)最新研究報(bào)告發(fā)表在近期出版的《電氣與電子工程師協(xié)會(huì)情感計(jì)算匯刊》上。

對(duì)抗式網(wǎng)絡(luò)如何運(yùn)行？ 

科學(xué)家通過(guò)讓兩種算法相互對(duì)抗來(lái)生成對(duì)抗式網(wǎng)絡(luò)，從而試圖創(chuàng)建人類真實(shí)的主觀意識(shí)偏好選擇。

這些“想象出來(lái)的”數(shù)字創(chuàng)作，可以是圖像、視頻、聲音和其他內(nèi)容形式，主要基于輸入系統(tǒng)的相關(guān)數(shù)據(jù)，人工智能機(jī)器系統(tǒng)依據(jù)所學(xué)創(chuàng)造新的內(nèi)容，而另一個(gè)人工智能系統(tǒng)則對(duì)這些數(shù)字創(chuàng)作進(jìn)行批評(píng)，指出其中的缺陷和不準(zhǔn)確之處。

最終，該過(guò)程可使人工智能系統(tǒng)學(xué)習(xí)更多的新信息，而不需要人類的任何輸入內(nèi)容。

人工智能如何通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)？ 

人工智能系統(tǒng)主要依據(jù)于人工神經(jīng)網(wǎng)絡(luò)（ANNs），后者試圖模擬人類大腦的工作方式來(lái)實(shí)現(xiàn)學(xué)習(xí)功能，同時(shí)，它可以被訓(xùn)練來(lái)識(shí)別信息模式——包括語(yǔ)音、文本數(shù)據(jù)或者視覺(jué)圖像，它是近年來(lái)人工智能發(fā)展的基礎(chǔ)。

傳統(tǒng)人工智能通過(guò)輸入大量信息來(lái)“教授”有關(guān)特定目標(biāo)的算法，實(shí)際應(yīng)用包括谷歌的語(yǔ)言翻譯服務(wù)、Facebook的面部識(shí)別軟件和Snapchat的實(shí)時(shí)圖像濾鏡。

輸入這些數(shù)據(jù)的過(guò)程可能非常耗時(shí)，并且僅限于一種類型的知識(shí)，一種被稱為對(duì)抗性神經(jīng)網(wǎng)絡(luò)的新型人工神經(jīng)網(wǎng)絡(luò)可使兩個(gè)人工智能系統(tǒng)相互競(jìng)爭(zhēng)，使它們相互學(xué)習(xí)。該方法旨在加速學(xué)習(xí)進(jìn)程，并優(yōu)化人工智能輸出“數(shù)字創(chuàng)作”。（葉傾城）