来自哥本哈根大学(University of Copenhagen)和赫尔辛基大学(University of Helsinki)的最新研究成果表明,算法也许可以通过分析一个人面对其他人时的大脑反应,来预测个人喜好。这项技术可能会将用于信息服务商为用户提供个性化定制的媒体内容,也可以帮助用户更好了解自身。

该项研究的论文第一作者 Keith Davis 认为他们正在朝着“感知计算”(mindful computing)的时代前行。

一、算法不但可以监测人类行为,还可以监测脑电波

算法早已入侵我们的生活。

目前的算法技术可通过协作过滤(Collaborative filtering)分析人们的行为,以预测他们的偏好。但事实上,算法不但能监测人类的行为,还可以监测他们的大脑反应。

通过哥本哈根大学和赫尔辛基大学的实验表明,算法能够预测一个人对尚未见过的脸是否会受到其吸引。

研究人员将脑电图电极(EEG electrodes)放在参与者的头部,并向他们展示了各种不同的脸部图像,并需要找出他们认为更具吸引力的人。在此过程中,他们的脑电波信号将会被记录。机器学习模型将会通过这些数据来区分参与者看到更具吸引力的脸以及不具吸引力的脸时不同的大脑反应。

“通过比较不同人的大脑活动,我们发现,算法也许能预测每位参与者在看到这些不同脸时的大脑反应,清楚参与者会认为哪些面孔更具吸引力”,哥本哈根大学计算机科学系的资深作者 Dr. Tuukka Ruotsalo 谈到,“基于此,我们就可以为用户提出可靠的推荐 — 就如同流媒体业务(streaming services)通过用户的浏览历史推荐新电影或系列一样”。

二、算法正朝着“感知计算”的时代前行

目前,越来越多地商家会提供个性化服务,用户也倾向从他们那里获得独家定制的内容。因此,研究人员和从业者也更有兴趣开发准确的技术来满足这一需求。

但现有的协作过滤技术是基于对用户的评级、点击行为、内容共享等行为而筛选信息,这并不能揭示人们真实的喜爱偏好。

“由于社会规范或其他因素,用户可能无法通过网络行为来表达自己的真正偏好。因此分析外显行为(explicit behavior)可能会存在偏见。当我们调查观察大脑发出的信号后,很容易发现这一现象”,共同作者 Dr. Michiel Spapé 解释道,“所以,个人实际偏好与直接印象关联更大,而非细致思考”。

“我们脑电波信号是一种未被开发的信息来源。从长远来看,人工智能观察人类的脑电波信号变化,可能会为人们提供更多有关自身偏好的信息。这也许能解释一个人喜欢某些歌曲的原因 —— 这与他们所唤起的情感可能有关”,Thukka Ruotsalo 解释说。

但研究人员并不认为这项新技术可以帮助广告商和流媒体业务销售产品或留住用户。

“我认为,我们的研究是朝着‘感知计算’的时代前行,在这个时代里,通过计算机和神经科学技术(neuroscience techniques)的结合,用户将能够获得更多关于自己的独家信息。事实上,脑机接口(Brain-Computer Interfacing)可以帮助我们更好地理解自己”,Keith Davis 表示。

三、应用脑电波分析,至少还要十年

事实上,距离这项可以通过脑电波分析人们真实喜爱偏好的技术被广泛应用到现实中还很遥远。

研究人员指出,至少要等到能提供脑机接口的设备价格降低且便捷好用。他们最乐观的猜测也认为这至少需要 10 年的时间。

研究人员还强调,这项技术在保护来自大脑的数据不受滥用方面受到重大挑战。学界需要认真考虑数据隐私,数据所有权以及使用大脑原始数据的道德论理等问题。

结语:算法正为脑机接口开辟新路径

大脑是人体最重要的器官,同时也是最为复杂的器官。

尽管哥本哈根大学和赫尔辛基大学的研究人员可以通过分析人们的脑电波信号来判断人们对不同面孔的吸引程度,但该技术还面临设备昂贵,使用困难以及数据道德伦理等挑战。

但正如基思・戴维斯所言,以深度学习为代表的算法技术发展,正为脑机接口的未来打开一条新路径,我们充满期待新时代的到来。

关键词: 脑机交互 研究成果 算法 个人喜好