La IA sabe más de tus gustos que tú
Un equipo de científicos de Finlandia diseñó un algoritmo de aprendizaje automático que puede sondear las profundidades de estos juicios subjetivos (o sea, qué es atractivo y qué no) mejor que nosotros y puede predecir con precisión a quiénes encontramos guapos y guapas a través de nuestras ondas cerebrales únicas. Incluso, puede generar un retrato único que capture estas cualidades con un 83% de precisión.
Mucho más allá de las leyes de la atracción, esta nueva interfaz cerebro-computadora (BCI) podría impulsar una nueva era que puede dar vida a nuestros deseos no expresados.
¿Por qué quisiéramos esto como humanos? Porque es nuestra obsesión: matemáticos, filósofos y pintores han intentado cuantificar la belleza durante siglos, aplicando la misma proporción áurea que captura las espirales de la concha de un caracol a la simetría de los rasgos faciales de alguien.
¿Qué es la proporción áurea? Es una equivalencia matemática igual a aproximadamente 1,62 que se satisface si la proporción entre dos cantidades es la misma que la proporción de su suma. Son muchas palabras, pero para resumirlo: es una proporción que nuestro cerebro encuentra atractiva.
La Proporción Áurea se encuentra en todo el mundo natural, lo que llevó a los académicos de antaño a postular que estas definiciones de belleza y perfección deben ser divinamente dadas.
Y todavía se saca hoy en las revistas de moda para estimar la proximidad de alguien a la belleza históricamente divina, pero la simetría general de las características (por ejemplo, ojos igualmente espaciados) ha empujado la Proporción Áurea en las últimas décadas como la teoría predominante detrás de lo que hace atractivo a alguien.
Tuukka Ruotsalo, investigador principal del artículo y profesor asociado de informática y ciencias de la información en la Universidad de Helsinki, dice que está claro en la práctica que estas teorías no siempre son válidas.
“Mucha gente tiene diferentes ideas sobre lo que es atractivo o poco atractivo, especialmente las preferencias de género”, dice Ruotsalo en entrevista con el sitio de ciencia Inverse. “Si tienes un modelo que solo mira una imagen, nunca podrá comprender realmente lo que es atractivo o no atractivo. Nuestro trabajo básicamente analiza cómo las diferentes personas responden a las imágenes y luego las retroalimenta en la inteligencia artificial”.
Para comprender realmente el fundamento de lo que te hace atractivo para una persona y poco atractivo para otra, los investigadores dicen que debes examinar las neuronas que desencadenan esta reacción biológica, pero eso podría resultar más fácil de decir que de hacer.
Este modelo de BCI y aprendizaje automático se puede dividir en tres componentes principales:
-Datos de ondas cerebrales leídos de un electroencefalograma usado en un grupo de 30 cabezas de participantes que registra datos cuando los participantes están expuestos a nuevos estímulos (por ejemplo, caras) en el experimento.
-Un tipo de red de aprendizaje automático llamada GAN (red generativa de confrontación) que aprende patrones de un conjunto de datos de entrenamiento (una biblioteca de imágenes de celebridades, en este caso) y luego los extrapola para generar nuevas imágenes.
Juntos, estos datos neuronales y GAN entrenado se unen para crear algo llamado interfaz generativa cerebro-computadora (GBCI). Esencialmente, una interfaz que utiliza señales cerebrales para generar nuevas imágenes.
¿Cómo ayudará esto en el futuro? Tal vez una tecnología como ésta no tendrá repercusiones serias sobre cómo juzgamos el atractivo, pero el potencial de cambio puede estar en cómo la tecnología puede ayudarnos a visualizar mejor los sentimientos subjetivos que se resisten a ser cuantificados.
Con información de Inverse