Группа исследователей из Копенгагенского и Хельсинкского университетов демонстрирует, что можно предсказать индивидуальные предпочтения, основываясь на том, как реакции мозга человека совпадают с реакциями других. Это потенциально может быть использовано для предоставления индивидуально подобранного медиа-контента – и, возможно, даже для того, чтобы рассказать нам о себе.
Мы привыкли к онлайн-алгоритмам, которые пытаются угадать наши предпочтения в отношении всего, от фильмов и музыки до новостей и покупок. Это основано не только на том, что мы искали, смотрели или слушали, но и на том, как эти занятия сравниваются с другими. Совместная фильтрация, как называется техника, использует скрытые закономерности в нашем поведении и поведении других, чтобы предсказать, какие вещи мы можем найти интересными или привлекательными.
Но что, если бы алгоритмы могли использовать ответы нашего мозга, а не только наше поведение? Это может звучать немного похоже на научную фантастику , но проект, объединяющий информатику и когнитивную нейробиологию, показал, что совместная фильтрация на основе мозга действительно возможна. Используя алгоритм, позволяющий сопоставить индивидуальный паттерн мозговых реакций с другими, исследователи из Копенгагенского и Хельсинкского университетов смогли предсказать влечение человека к еще не увиденному лицу.
Ранее исследователи поместили электроды ЭЭГ на головы участников исследования и показали им изображения различных лиц, тем самым продемонстрировав, что машинное обучение может использовать электрическую активность мозга, чтобы определять, какие лица испытуемые находят наиболее привлекательными.
«Сравнивая мозговую активность других, мы теперь также обнаружили, что можно предсказать лица, которые кажутся привлекательными для каждого из участников, прежде чем они их увидят. Таким образом, мы можем давать надежные рекомендации пользователям – точно так же, как потоковые сервисы предлагают новые фильмы или серия основана на истории пользователей », – объясняет старший автор доктор Туукка Руотсало из факультета компьютерных наук Копенгагенского университета.
К осознанному вычислению и большему самосознанию
Отрасли и поставщики услуг все чаще дают индивидуальные рекомендации, и теперь мы начинаем ожидать от них индивидуально подобранного контента. Следовательно, исследователи и промышленность заинтересованы в разработке более точных методов удовлетворения этого спроса. Однако текущие методы совместной фильтрации, основанные на явном поведении с точки зрения рейтингов, поведения кликов, совместного использования контента и т. Д., Не всегда являются надежными методами выявления наших реальных и лежащих в основе предпочтений.
“Из-за социальных норм или других факторов пользователи могут не раскрывать свои фактические предпочтения в своем поведении в Интернете. Поэтому явное поведение может быть предвзятым. Исследуемые нами сигналы мозга были получены очень рано после просмотра, поэтому они больше связаны с непосредственными впечатлениями. чем тщательно продуманное поведение », – объясняет соавтор доктор Михиль Спапе.
«Электрическая активность в нашем мозгу является альтернативным и довольно неиспользованным источником информации. В более долгосрочной перспективе этот метод, вероятно, может быть использован для предоставления гораздо более подробной информации о предпочтениях людей, чем это возможно сегодня. Это может быть для расшифровки основных причин за то, что человек любит определенные песни, что может быть связано с эмоциями, которые они вызывают », – объясняет Туукка Руотсало.
Но исследователи видят в новом методе не только полезный способ для рекламодателей и потоковых сервисов продавать продукты или удерживать пользователей. Как отмечает ведущий автор Кейт Дэвис:
«Я рассматриваю наше исследование как шаг к эре, которую некоторые называют« осознанными вычислениями », в которой, используя комбинацию компьютеров и методов нейробиологии, пользователи смогут получить доступ к уникальной информации о себе. Действительно, Brain-Computer Интерфейс, как это известно, мог бы стать инструментом для лучшего понимания себя “.
Тем не менее, еще предстоит пройти долгий путь, прежде чем эту технику можно будет применить за пределами лаборатории. Исследователи отмечают, что устройства интерфейса мозг-компьютер должны стать дешевле и проще в использовании, прежде чем они окажутся в руках или привязаны к головам обычных пользователей. По их предположениям, это займет не менее 10 лет.
Исследователи также подчеркивают, что перед этой технологией стоит серьезная задача по защите данных мозга от неправомерного использования и что исследовательскому сообществу важно тщательно учитывать конфиденциальность данных, право собственности и этичное использование необработанных данных, собранных с помощью ЭЭГ.
В эксперименте участникам показывали большое количество изображений человеческих лиц и просили поискать те, которые им нравились. При этом записывались их мозговые сигналы. Эти данные были использованы для обучения модели машинного обучения, чтобы различать активность мозга, когда участник видел лицо, которое они сочли привлекательным, и лицо, которое они не находили привлекательным.
В другой модели машинного обучения данные мозга большего числа участников использовались для расчета, какие новые изображения лиц кажутся привлекательными для каждого участника. Таким образом, прогноз был основан частично на собственных сигналах мозга отдельных участников и частично на том, как другие участники реагировали на изображения.