據(jù)國外媒體報道，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。

在沒有任何語音或者文字指令的情況下，AI計算機系統(tǒng)能否識別出我們認為有吸引力的肖像面部特征嗎？研究人員對30名測試者的腦電波進行腦電圖掃描監(jiān)測（EEG），然后向他們展示20萬張名人真實照片以不同方式拼接而成的“假臉”。

測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擊，因為研究團隊可以通過腦電圖讀數(shù)來確定他們的“無意識偏好”。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)中洞察測量者的“審美觀”傾向，并為測試者量身推薦你心目中的“西施”容貌。

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

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

在早期對人類五官特征的有限研究中，人們對金發(fā)女郎和微笑美女的審美觀基本一致，但這僅是表面細節(jié)。相比之下，分析測試者認為哪些面容更有吸引力，是一個頗具挑戰(zhàn)性的課題，因為這與文化和心理因素有關(guān)，這些因素可能在我們的個人傾向喜好中發(fā)揮著無意識作用。

的確，我們很難解釋為什么某些人在部分人心中極具魅力，對其他人則印象平平，這或許驗證了我們常說的一句諺語——“情人眼里出西施”。最初，研究人員生成對抗式神經(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名測試者，隨后讓測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)。

這有點兒像約會軟件，在這項最新的研究中，測試者除了看照片什么也不用做，只是測量了他們對肖像的即時大腦反應(yīng)，這是一個非語言過程，之后研究人員使用機器學(xué)習(xí)技術(shù)分析腦電圖數(shù)據(jù)，并生成一個神經(jīng)網(wǎng)絡(luò)。

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

為了測試他們建模的有效性，他們?yōu)槊课粶y試者制作了新的容貌圖像，預(yù)測這些肖像是否會吸引測試者，在對他們進行“雙盲測試”中，結(jié)果顯示最新建模圖像與測試者的個人偏好匹配，準確度超過80%。雙盲測試也被稱為“二重盲檢法”，是指在試驗過程中，測驗者與被測驗者都不知道被測者所屬的組別（實驗組或?qū)φ战M），分析者在分析資料時，通常也不知道正在分析的資料屬于哪一組。

這項研究表明，我們能夠通過連接人工神經(jīng)網(wǎng)絡(luò)和大腦反應(yīng)來生成符合個人傾向喜好的圖像，成功評估相貌吸引力意義重大，因為這是對外界刺激的一種深刻心理特性。到目前為止，計算機視覺基于目標模式的分類圖像非常成功，但通過引入大腦對混合情況的反應(yīng)，我們證明了依據(jù)心理屬性（例如個人口味），檢測某人的審美標準，以及生成“西施圖像”是可能實現(xiàn)的。

這項最新技術(shù)可能將無意識態(tài)度，暴露給那些無法有聲、有意識表達信息的目標測試者，最終通過人工智能解決方案和腦-機接口交互技術(shù)，該項研究可能提高計算機學(xué)習(xí)能力，并且越來越多地理解人們的主觀意識偏好，從而造福社會。

如果像審美偏好這樣的個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知能力，我們可能會調(diào)整認知策略或者內(nèi)隱偏見，從而更好地理解個體差異性。

對抗式網(wǎng)絡(luò)如何運行

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

這些“想象出來的”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)，人工智能機器系統(tǒng)依據(jù)所學(xué)創(chuàng)造新的內(nèi)容，而另一個人工智能系統(tǒng)則對這些數(shù)字創(chuàng)作進行批評，指出其中的缺陷和不準確之處。

最終，該過程可使人工智能系統(tǒng)學(xué)習(xí)更多的新信息，而不需要人類輸入任何內(nèi)容。

人工智能如何通過神經(jīng)網(wǎng)絡(luò)進行學(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實現(xiàn)學(xué)習(xí)功能，同時，它可以被訓(xùn)練來識別信息模式——包括語音、文本數(shù)據(jù)或者視覺圖像，它是近年來人工智能發(fā)展的基礎(chǔ)。

傳統(tǒng)人工智能通過輸入大量信息來“教授”有關(guān)特定目標的算法，實際應(yīng)用包括谷歌的語言翻譯服務(wù)、Facebook的面部識別軟件，以及Snapchat的實時圖像濾鏡。

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