新しいAIは「人間の脳に潜り込み」、どんな外見が最も魅力的かを理解できる

北京時間3月11日、外国メディアの報道によると、科学者らは最近、「人間の脳に潜り込み」、どのような顔の特徴が最も魅力的であるかを洞察できる新たなAI人工知能システムを開発したという。

音声やテキストによる指示がなくても、AIコンピュータシステムは、私たちが魅力的だと思う肖像画の顔の特徴を認識できるのだろうか？研究者らは、脳波（EEG）スキャンを使用して30人の被験者の脳波をモニターし、さまざまな方法でつなぎ合わせた有名人の実際の写真20万枚から作られた「偽の顔」を被験者に見せた。

研究チームは脳波の測定を通じて参加者の「無意識の好み」を判定できたため、参加者は何もする必要も、気に入った写真を直接クリックする必要もなかった。その後、そのデータを AI システムに入力すると、脳波データから測定対象者の「美的」傾向を把握し、心の中の「西施」の外観に合わせた推奨事項を提供できるようになります。

▲フィンランドのヘルシンキ大学の研究者たちは、AIコンピュータシステムが音声やテキストの指示なしに、私たちが魅力的だと思う顔の特徴を認識できるかどうかを調べたかった。

将来的には、この AI 技術は、受験者の個人的な好みを判断したり、人々が公に話さない無意識の態度を理解したりするために使用できる可能性があります。現在、この AI システムは、どのような顔が最も魅力的であるかという主観的な意識を理解することができます。

これまでの研究で、科学者らは髪の色や感情の変化といった単純な肖像画の特徴を認識し、制御できるモデルを設計してきたが、「魅力」を判断することはより困難な研究テーマとなるだろう。

人間の顔の特徴に関する初期の限られた研究では、金髪の女性と笑顔が美しい女性に対する人々の美的嗜好はほぼ同じでしたが、これらは表面的な詳細に過ぎませんでした。対照的に、受験者がどの顔をより魅力的だと思うかを分析することは、私たちの個人的な好みに無意識のうちに影響を与える可能性のある文化的および心理的要因が関係するため、難しい作業です。

確かに、ある人が一部の人にとっては非常に魅力的であるのに、他の人にとっては平凡なのはなぜかを説明するのは難しい。これは、私たちがよく言う「美しさは見る人の目の中にある」ということわざを裏付けているのかもしれない。研究者らはまず、生成的敵対的ニューラルネットワーク（GAN）インテリジェントシステムを使用して何百もの人工肖像画を生成し、それを30人の被験者に1枚ずつ見せ、被験者はどの肖像画が魅力的だと思うかを記録するよう求められ、その間に脳波（EEG）で脳の反応が記録された。

これは出会い系アプリに少し似ています。この最新の研究では、被験者は写真を見る以外何もする必要がありませんでした。肖像画に対する脳の即時反応が測定されましたが、これは非言語的なプロセスです。研究者はその後、機械学習技術を使用して EEG データを分析し、ニューラル ネットワークを生成しました。

このような脳コンピューターインターフェースは、被験者の視覚分析を解釈することで、特定の肖像画が被験者にとって魅力的に見える理由を説明できる可能性がある。視覚分析では、AI モデルが脳の反応を解釈し、ニューラル ネットワーク モデルは、特定の人々が魅力的と考えるものを組み合わせて、まったく新しい顔の画像を生成できる。

▲その後、データを人工知能に入力すると、人工知能は脳波から好みを学習し、ボランティアに合わせた新しい画像を作成しました。

モデリングの有効性をテストするために、研究者たちは各被験者の顔画像を新たに作成し、これらの肖像画が被験者にとって魅力的かどうかを予測しました。「二重盲検テスト」の結果、新しくモデリングされた画像は被験者の個人的な好みと 80% 以上の精度で一致しました。二重盲検試験は「二重盲検法」とも呼ばれます。実験中、試験者も被験者も被験者がどのグループ（実験グループまたは対照グループ）に属するかを知りません。分析者がデータを分析するとき、分析対象のデータがどのグループに属するかは通常わかりません。

この研究は、人工ニューラル ネットワークと脳の反応を結び付けることで、個人の好みに合った画像を生成できることを示しています。外見の魅力は外部刺激の深い心理的特性であるため、その評価が成功することは重要です。これまで、コンピュータービジョンはターゲットパターンに基づいて画像を分類することに非常に成功してきましたが、混合状況に対する脳の反応を組み込むことで、心理的属性（個人の好みなど）に基づいて人の美的基準を検出し、「Xishi画像」を生成できることを実証しました。

この最新技術は、聴覚的にも意識的にも情報を表現できない被験者を対象に、無意識の態度を明らかにする可能性があります。最終的には、人工知能ソリューションと脳コンピューターインターフェース相互作用技術を通じて、この研究はコンピューターの学習能力を向上させ、人々の主観的な好みをより深く理解し、それによって社会に利益をもたらす可能性があります。

美的嗜好などの個人の主観的要素も分析・解析できれば、知覚や意思決定などの他の認知能力も研究できるかもしれません。認知戦略や暗黙の偏見を調整して、個人差をよりよく理解できるかもしれません。現在、この最新の研究レポートは、最近発行された「Transactions on Affective Computing of the Institute of Electrical and Electronics Engineers」に掲載されています。

人工知能システムは主に人工ニューラルネットワーク（ANN）に基づいており、人間の脳の働きを模倣して学習機能を実現しようとします。同時に、音声、テキストデータ、視覚画像などの情報パターンを認識するようにトレーニングすることもできます。これは、近年の人工知能の発展の基礎となっています。

敵対的ネットワークはどのように機能するのでしょうか?

科学者たちは、2 つのアルゴリズムを互いに対立させることで敵対的ネットワークを生成し、実際の人間の主観的な好みの選択を再現しようと試みます。

これらの「想像上の」デジタル作品は、主にシステムに入力された関連データに基づいて、画像、動画、音声、その他のコンテンツの形をとることができます。人工知能マシンシステムは、学習した内容に基づいて新しいコンテンツを作成し、別の人工知能システムはこれらのデジタル作品を批判し、欠陥や不正確さを指摘します。

最終的には、このプロセスにより、AI システムは人間からの入力なしに、より多くの新しい情報を学習できるようになります。

人工知能はニューラルネットワークを通じてどのように学習するのでしょうか?

人工知能システムは主に人工ニューラルネットワーク（ANN）に基づいており、人間の脳の働きを模倣して学習機能を実現しようとします。同時に、音声、テキストデータ、視覚画像などの情報パターンを認識するようにトレーニングすることもできます。これは、近年の人工知能の発展の基礎となっています。

従来のAIは、大量の情報を投入して特定の目標についてアルゴリズムを「教える」ことで機能し、その応用例としては、Googleの言語翻訳サービス、Facebookの顔認識ソフトウェア、Snapchatのライブ画像フィルターなどがある。

このデータを入力するプロセスは時間がかかり、1 種類の知識に限定されます。敵対的ニューラル ネットワークと呼ばれる新しいタイプの人工ニューラル ネットワークは、2 つの AI システムを互いに対戦させ、お互いから学習できるようにします。このアプローチは、学習プロセスを加速し、「デジタル作品」の AI 出力を最適化することを目的としています。