比你更懂什么长相可以吸引到你的AI

　　外表的偏好可能随时间改变（例如留八字胡或戴单片眼镜），但无论如何顶级的社交身价不仅能吸引到另一半、甚至有助于升迁，或是更容易结交握有权势的精英。尽管＂长相＂可以带来多方面的社交影响，但这些偏好背后的机制仍深不可测。我们很少先对一个人的外表进行＂有意识且逻辑的判断＂，通常都是先体验到感觉才去猜原因，但人工智慧或许能帮忙解决这个问题。
　　芬兰的研究团队设计出一套机器学习算法，比你更懂哪种长相可以吸引到你
　　人类长久以来都想知道答案，数世纪的数学家，哲学家和艺术家不断尝试定义何谓＂美＂，例如用黄金比例量化美，直至今日媒体依然常用黄金比例来评断一个人是否接近＂完美＂。不过近几十年来，脸的整体对称性（如五官间距）逐渐取代了黄金比例，成为一个人长相是否完美的主流理论。
　　从卷曲的蕨类植物，螺旋状的蜗牛壳，甚至是自由女神像的比例来看，黄金比例一直被认为是美的理想。但这并不一定能很好地预测个人吸引力。
　　赫尔辛基大学电脑资讯科学副教授图卡・鲁萨洛（TuukkaRuotsalo）的研究表明，这些理论显然并不总是正确，他说：＂每个人对一个人是否有吸引力都有不同见解，如果研究模型只观察图片，那它永远不可能真正理解什么有吸引力而什么没有。我们的研究主要观察不同个体对于各种照片的反应，然后将结果传回人工智慧。＂
　　我们很少先对一个人的外表进行＂有意识且逻辑的判断＂，通常都是先体验到感觉才去猜原因
　　为了真正理解我们为何觉得一个人长得特别有吸引力，而有些人却完全吸引不了自己，就必须研究引发这种生物反应的神经元，但说起来简单实际做却很难，举一个例子：＂假如我想创造一幅我认为很美的画面，还是很难讲出心中所想的那样，因为外表有太多不同特征与面向。＂鲁萨洛和同事在论文提到，这项研究首次把大脑反应作为生成神经网络的互​动回馈，他说：＂我们正在做的是控制一个非常未知且复杂的领域。＂
　　就像大脑靠神经元放电运作，机器学习模型的＂大脑＂也靠名为＂神经网络＂的东西运作，它是一种连接网络，透过算法帮助人工智慧处理新的输入，并找出模式从中学习。
　　这项研究的人机界面与机器学习模型分为三个主要部分：首先，参与者在实验中接触到新的刺激（例如人脸）时，科学家透过脑电图记录参与者的神经数据；其次，由名为＂生成对抗网络＂（GAN）的机器学习网络，从一组训练数据（通常是名人图库）中学习，然后推测模式以产生新的图片；最后将大脑的神经数据与训练过的神经网络结合打造出＂生成式人机界面＂（GBCI），也就是使用大脑信号来产生新图片的界面。
　　使用机器学习，计算机利用参与者的脑电波来创建吸引个人喜好的面部图像。
　　人工智慧或许可以解开人类难以捉摸的主观判断或想法
　　简而言之，所有步骤都是为了创造出一张独一无二而且有吸引力的长相：研究团队向30名戴着电极帽的参与者展示240张名人图片，当参与者每次看到觉得有吸引力的长相时，从旁观察的科学家就会纪录他们的大脑神经活动。但由于脑电图的数据太过模棱两可，无法从中得到任何变数（例如一个人是否认为某种唇形有吸引力）数据，只能像交友软件那样对图片进行＂喜欢或不喜欢＂的选择。
　　因此，将大脑神经数据与训练过的生成对抗网络结合为生成式人机界面，运用这些数据将每位参与者认为有吸引力的长相结合，从而创造出一张全新且符合偏好的独特长相。当研究团队将新的图片呈现给参与者观看时，结果发现多数参与者认为新图片的长相最具吸引力，准确率达80%。
　　那生成式人机界面何时会影响未来？何时会应用在交友软件上呢？研究者鲁萨洛指出，这项研究还在初期阶段，很难精准预测这个技术最终将如何或以何种形式被应用。研究团队表明，在此之前还有很多其他实验要进行，必须更多的参与者数据和机器学习数据。其实这项技术的新奇性与潜在影响力在于，它或许可以解开人类难以捉摸的主观判断或想法。