计算机现在可以直接从我们的大脑预测我们的偏好

来自哥本哈根大学和赫尔辛基大学的一个研究小组证明,可以根据一个人的大脑反应与其他人的匹配程度来预测个人偏好。这可能会被用来提供个性化定制的媒体内容——甚至可能让我们了解自己。

我们已经习惯于在线算法试图猜测我们对从电影和音乐到新闻和购物等所有事物的偏好。这不仅基于我们搜索、查看或收听的内容,还基于这些活动与其他活动的比较。协同过滤,正如所谓的技术,使用我们行为和他人行为中的隐藏模式来预测我们可能会发现哪些有趣或吸引人的事物。

但是,如果算法可以使用我们大脑的反应而不仅仅是我们的行为呢?这听起来有点像科幻小说,但一个结合计算机科学和认知神经科学的项目表明,基于大脑的协同过滤确实是可能的。通过使用算法将一个人的大脑反应模式与其他人的大脑反应模式进行匹配,哥本哈根大学和赫尔辛基大学的研究人员能够预测一个人对尚未见过的面孔的吸引力。

此前,研究人员将脑电图电极放在研究参与者的头部,并向他们展示各种面孔的图像,从而证明机器学习可以利用大脑的电活动来检测受试者认为哪些面孔最有吸引力。

“通过比较其他人的大脑活动,我们现在还发现可以预测每个参与者在看到它们之前会觉得有吸引力的面孔。这样,我们可以为用户提供可靠的推荐——就像流媒体服务推荐新电影或系列基于用户的历史,”哥本哈根大学计算机科学系的资深作者 Tuukka Ruotsalo 博士解释说。

行业和服务提供商越来越多地提供个性化推荐,我们现在开始期待他们提供个性化定制的内容。因此,研究人员和行业有兴趣开发更准确的技术来满足这一需求。然而,当前基于评分、点击行为、内容共享等显式行为的协同过滤技术并不总是揭示我们真实和潜在偏好的可靠方法。

“由于社会规范或其他因素,用户可能不会通过他们在网上的行为来揭示他们的实际偏好。因此,明确的行为可能是有偏见的。我们调查的大脑信号是在观看后很早就被拾取的,因此它们与即时印象更相关而不是仔细考虑的行为,”合著者 Michiel Spapé 博士解释说。

“我们大脑中的电活动是一种替代且尚未开发的信息来源。从长远来看,该方法可能可用于提供有关人们偏好的更细微的信息,而不是今天的可能。这可能是为了解码潜在的原因因为一个人喜欢某些歌曲——这可能与他们唤起的情绪有关,”Tuukka Ruotsalo 解释道。

但研究人员不仅将新方法视为广告商和流媒体服务销售产品或留住用户的有用方式。正如主要作者 Keith Davis 指出的那样:

“我认为我们的研究是迈向一个被一些人称为‘正念计算’时代的一步,在这个时代,通过结合使用计算机和神经科学技术,用户将能够访问关于他们自己的独特信息。的确,脑计算机众所周知,接口可以成为更好地了解自己的工具。”

尽管如此,该技术在实验室之外应用还有很长的路要走。研究人员指出,脑机接口设备必须变得更便宜、更容易使用,才能真正掌握在手中或绑在普通用户的头上。他们最好的猜测是,这至少需要 10 年时间。

研究人员还强调,该技术为保护基于大脑的数据免遭滥用带来了重大挑战,研究界必须仔细考虑数据隐私、所有权和 EEG 收集的原始数据的道德使用。

在实验中,参与者被展示了大量的人脸图像,并要求他们寻找那些他们认为有吸引力的人脸。在这样做的同时,他们的大脑信号被记录下来。这些数据用于训练机器学习模型,以区分参与者看到他们认为有吸引力的面孔时与他们看到他们认为不有吸引力的面孔时的大脑活动。

使用不同的机器学习模型,来自大量参与者的基于大脑的数据被用来计算每个参与者会觉得哪些新面部图像有吸引力。因此,预测部分基于个体参与者自己的大脑信号,部分基于其他参与者对图像的反应。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢