Исследование: компьютеры могут предсказывать предпочтения пользователей, считывая сигналы мозга
Группа исследователей из Копенгагенского и Хельсинкского университетов демонстрирует, что можно предсказать индивидуальные предпочтения, основываясь на том, как реакции мозга человека совпадают с реакциями других испытуемых. 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. Этот механизм основан не только на данных о том, что мы искали, смотрели или слушали, но и на сравнительной характеристике этой информации. Совместная фильтрация, как называется эта технология, 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 звучит как научная фантастика, 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.
Исследователи подключили электроды ЭЭГ к головам участников проекта 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 также обнаружили, что можно предска зыва ть лица, которые кажутся привлекательными для каждого участника, прежде чем они их увидят. Таким образом, мы можем давать надежные рекомендации пользователям - так же, как потоковые сервисы предлагают новые фильмы или товары, основан ные на истори ях пользователей", - объясняет старший автор доктор Туукка Руотсало из факультета компьютерных наук Копенгагенского университета.
Путь к осознанному вычислению и большему само о сознанию
Отрасли и поставщики услуг все чаще дают индивидуальные рекомендации, и теперь от них ожидается индивидуально подобранный контент. 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 потребностей, 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 (чистым восприятием), чем тщательно продуманное поведение", - объясняет соавтор исследования, доктор Михиль Спапе.
"Электрическая активность в нашем мозгу является альтернативным и практически неиспользованным источником информации. В более долгосрочной перспективе этот метод, вероятно, можно будет использовать для предоставления гораздо более подробной информации о предпочтениях людей, чем это возможно сегодня", - объясняет Туукка Руотсало.
Однако, 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 в эпоху, 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 технологию 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 широком доступе и станут обычными носимыми устройствами как фитнес-браслет. По предположениям ученых, это может занять не менее 10 лет.
Ученые 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 ЭЭГ.
В ходе эксперимента участникам показывали большое количество изображений человеческих лиц и просили поискать те, которые им нравились. При этом записывались их мозговые сигналы. Эти данные использовались для обучения модели машинного обучения, чтобы различать активность мозга, когда участник видел лицо, которое его мозг определил как привлекательное, и лицо, которое таковым не являлось.
В другой модели машинного обучения данные мозга большего числа участников использовались для расчета, какие новые изображения лиц каждый участник сочтет привлекательными. Таким образом, прогноз был основан частично на собственных сигналах мозга отдельного участника и частично на том, как другие участники отреагировали на изображения.
