Ученые построили специальный ИИ-алгоритм, который способен определять субъективные предпочтения в изображении лиц и создавать портреты, адаптированные таким образом, чтобы вызывать положительные эмоции у конкретных людей. Результаты исследования могут быть использованы, например, для моделирования предпочтений и принимаемых людьми решений, а также для выявления бессознательных импульсов.
Исследователи из Университета Хельсинки и Копенгагенского университета задались вопросом, сможет ли компьютер определить черты лица, которые мы считаем привлекательными, и на основе этого создать новые изображения, соответствующие нашим критериям.
«Такие исследования важны с фундаментальной точки зрения. Сейчас много говорят про осознанность, но важно помнить, что нами, людьми, управляет преимущественно бессознательное. Принимаемые решения на 90-95% зависят от паттернов, которые скрыты от нас самих. К примеру, люди склонны соглашаться и более сговорчивы с теми, кто им нравится внешне, но почему кто-то нравится, а кто-то не нравится, не всегда очевидно даже для самого человека», — комментирует Александр Тихонов, генеральный директор SAS Россия/СНГ.
Для поиска ответа ученые использовали алгоритм искусственного интеллекта, интерпретирующий сигналы мозга и объединили полученный интерфейс «мозг-компьютер» с генеративной моделью искусственных лиц. Это позволило компьютеру создавать изображения лиц, отвечающие индивидуальным предпочтениям испытуемых.
Изначально исследователи дали генеративной состязательной нейронной сети (Generative Adversarial Neural Network, GAN) задачу создать сотни искусственных портретов. Изображения были показаны по одному 30 добровольцам, которых попросили обратить внимание на лица, которые они находили привлекательными, в то время как их мозговые реакции регистрировались с помощью электроэнцефалографии (ЭЭГ). Исследователи проанализировали полученные данные с помощью методов машинного обучения, передавая информацию посредством интерфейса «мозг-компьютер» в сеть GAN.
Чтобы проверить достоверность моделирования, исследователи создали новые портреты для каждого участника, предсказывая, какие именно изображения добровольцы сочтут привлекательными. Тестируя гипотезу методом двойного слепого исследования, ученые обнаружили, что новые изображения соответствуют предпочтениям испытуемых с точностью более 80%.
«Если метод работает в чем-то столь же личном и субъективном, как привлекательность, значит, мы также можем изучить другие сферы, связанные с когнитивными функциями, такие как понимание и принятие решений. Возможно, мы могли бы настроить систему на выявление стереотипов или неявной предвзятости, что позволит лучше понимать индивидуальные различия», — говорит один из авторов исследования Мишель Спапе (Michiel Spapé), старший научный сотрудник и доцент факультета психологии и логопедии Хельсинкского университета.
Подобный результат, по мнению ученых, свидетельствует о том, что с помощью компьютерного зрения можно успешно классифицировать изображения на основе объективных паттернов и в дальнейшем генерировать изображения на основе психологических свойств, таких как личный вкус. Как полагают исследователи, в конечном счете, подобные технологии могут принести пользу обществу, повысив способность компьютеров учиться и лучше понимать субъективные предпочтения посредством взаимодействия между решениями ИИ и интерфейсами «мозг-компьютер».
«Хотя точность ИИ-моделей еще требует улучшений, сама задача будет крайне важна для изучения поведения людей и принципов принятия решений. Далее эта информация может применяться в том числе в коммерческих целях. Демонстрация одежды в онлайн-магазинах, виртуальные помощники и консультанты в агентствах и сервисных компаниях, появление в социальных сетях новых полностью виртуальных знаменитостей и инфлюенсеров — это те примеры, которые лежат на поверхности. Но важно понимать, что, как и в других областях ИИ, могут возникнуть вопросы этики и корпоративной ответственности», — считает Александр Тихонов.
SAS Viya: аналитические модели можно сразу запускать в «продакшн» без написания дополнительного кода
Данные — это золотая руда, однако, чтобы добыть из нее полезные знания, необходимы комплексные инструменты, которые включают в себя элементы машинного обучения, обработки естественного языка, компьютерного зрения, интернета вещей. Платформа SAS Viya позволяет решить эту задачу за счет «композитного» искусственного интеллекта, in-memory вычислений и возможности запускать аналитические модели в производство без написания дополнительного программного кода.
Какие преимущества дает технология потоковой аналитики для решения задач по обеспечению безопасности
Пользовательские устройства ежесекундно генерируют триллионы событий, данные о которых оседают в хранилищах. Накапливать такого рода информацию бессмысленно и дорого. Компании ищут способы монетизации сведений, собранных, например, о клиентах. Крупные игроки, инвестирующие в дата-центры и персонал, научились анализировать колоссальные объемы информации, делать выводы и даже составлять прогнозы. Анализ больших объемов данных в режиме реального времени позволяет мгновенно реагировать на происходящее, как того требует ситуация.
Александр Миронов, SAS: Индивидуальные предложения не придумать заранее: их формируют алгоритмы прямо при общении с клиентом
Эффективность маркетинговых кампаний может колебаться в широком диапазоне. Многие клиенты воспринимают звонки и сообщения с предложениями услуг как спам. Изменить ситуацию мог бы индивидуальный подход, когда клиенту предлагают именно то, что ему в данный момент необходимо. Как это сделать, в интервью CNews рассказал Александр Миронов, руководитель практики по клиентской аналитике и CRM, SAS Россия и СНГ.
