A aparência não é tudo. Mas eles devem ser alguma coisa, caso contrário, aplicativos de namoro como o Tinder e o Bumble não teriam tanto sucesso quanto têm. Infelizmente, você não pode dizer apenas pela aparência de alguém se é provável que você se dê bem com essa pessoa – e igualmente importante quando se trata do mundo de deslizar, se ela o acha atraente em troca.
Uma nova IA pode ser uma chave no já esmagador mundo dos aplicativos de namoro. Desenvolvido por uma equipe da Universidade de Helsinque e da Universidade de Copenhagen, o sistema artificialmente inteligente foi capaz de gerar imagens de rostos falsos que ele sabia que determinados usuários achavam atraentes – porque a atividade cerebral desses mesmos usuários desempenhou um papel no treinamento da IA. Parece assustador, futurista e como a melhor oportunidade de pesca do gato, certo? É assim que funciona.
O sistema, que foi detalhado em um artigo publicado no IEEE Xplore em fevereiro, usa uma rede adversária generativa, ou GAN, para criar rostos falsos. A palavra “adversarial” está aí porque um GAN é composto de duas redes neurais diferentes competindo entre si. Existe a rede geradora, que gera dados (neste caso, imagens) semelhantes ao que viu em seus dados de treinamento. A rede discriminadora, por sua vez, tenta identificar quais imagens são falsas e quais são reais (as imagens falsas criadas pelo gerador são misturadas com imagens reais dos dados de treinamento). Conforme o ciclo é repetido continuamente, o gerador fica melhor na criação de imagens realistas, enquanto o discriminador fica melhor em escolher as falsas. Fale sobre simbiose!
Os pesquisadores treinaram seu GAN com 200.000 imagens de celebridades. Todos nós sabemos que celebridades não ficam famosas por serem pouco atraentes, então nem é preciso dizer que essa rede neural viu muitas pessoas bonitas – ou, pelo menos, pessoas que seriam consideradas bonitas de acordo com os padrões convencionais de Hollywood. A verdadeira beleza está nos olhos de quem vê, é claro.
O sistema embebido de celebridades, então, conjurou centenas de imagens de pessoas imaginárias, e estas foram mostradas a 30 pessoas reais (participantes do estudo), cuja atividade cerebral estava sendo monitorada. Isso foi realizado com a eletroencefalografia (EEG), que usa uma rede de eletrodos e fios para captar os sinais elétricos dos neurônios disparando no cérebro. Talvez sem surpresa, houve um aumento na atividade cerebral quando os participantes viram a imagem de um rosto que consideraram atraente (embora isso tenha sido pelo menos parcialmente devido ao fato de que os participantes foram especificamente instruídos a focar em rostos que consideravam atraentes).
Os participantes não precisavam saber por que achavam um determinado rosto atraente ou quais de suas características os atraíam (olhos muito abertos? Maçãs do rosto salientes? Um nariz grande?); o sistema armazenava os dados de cada rosto de que um participante gostava, depois encontrava as semelhanças entre eles, destilando os pontos de dados em características específicas; aparentemente, nós, humanos, tendemos a ser muito pouco originais e sentir atração pelos mesmos atributos continuamente.
A equipe então pegou os dados que mostram quais recursos cada participante achou atraentes e os inseriu de volta no GAN. O resultado? Rostos falsos feitos sob medida que combinam todas as características favoritas de cada um. Cabelo encaracolado? Verificar. Mandíbula cinzelada? Verificar. Olhos como café preto? Sim. Se ao menos os rostos fossem reais – e pertencessem a pessoas que queriam namorar você.
Quando os rostos falsos gerados pelas preferências dos indivíduos foram mostrados de volta para eles (misturados com imagens de controle), os participantes os classificaram como atraentes 87 por cento do tempo. E quanto aos outros 13 por cento, você pergunta? Bem, eles eram muito perfeitos (pode algo ser tão bonito que é feio?), Ou sua combinação particular de características faciais estava um pouco … errada. Afinal, eles não eram reais.
Como tal, certamente existem algumas maneiras sinistras de como essa tecnologia pode ser usada – e os rostos não precisam ser atraentes, eles apenas precisam parecer reais. Qualquer circunstância em que seria útil ter pessoas falsas – como fotos de perfil para contas fictícias de mídia social usadas para manipular o discurso online – é um alvo pronto para a traição tecnológica.
Felizmente, a equipe de pesquisa tem em mente algumas aplicações produtivas, não relacionadas ao peixe-gato, para seu sistema. “Isso pode nos ajudar a entender o tipo de recursos e suas combinações que respondem às funções cognitivas, como preconceitos, estereótipos, mas também preferências e diferenças individuais”, disse Tuukka Ruotsalo, professora associada da Universidade de Helsinque, ao Digital Trends.
Vanessa Bates Ramirez para SingularityHub
