计算机现在可以直接从我们的大脑中预测我们的偏好

我们已经习惯了在线算法试图猜测我们对电影、音乐、新闻和购物等一切事物的偏好。这不仅基于我们搜索、观看或聆听的内容，还基于这些活动与其他活动的比较。这种技术被称为协同过滤，它利用我们和他人行为中的隐藏模式来预测哪些事情我们可能会觉得有趣或有吸引力。

但如果算法可以利用我们大脑的反应，而不仅仅是我们的行为呢?这听起来可能有点像科幻小说，但一个结合了计算机科学和认知神经科学的项目表明，基于大脑的协同过滤确实是可能的。哥本哈根大学和赫尔辛基大学的研究人员利用一种算法，将一个人的大脑反应模式与其他人的大脑反应模式相匹配，从而能够预测一个人对一张尚未见过的脸的吸引力。

此前，研究人员将脑电图电极放在研究参与者的头上，并向他们展示各种面孔的图像，从而证明机器学习可以利用大脑的电活动来检测受试者认为哪些面孔最有吸引力。

“通过比较其他人的大脑活动，我们现在也发现有可能在看到每个参与者之前就预测他们认为有吸引力的面孔。通过这种方式，我们可以为用户提供可靠的推荐——就像流媒体服务根据用户的历史推荐新电影或电视剧一样，”哥本哈根大学计算机科学系的资深作者Tuukka Ruotsalo博士解释道。

走向正念计算和更强的自我意识

行业和服务提供商越来越多地提供个性化的建议，我们现在开始期待他们提供个性化的内容。因此，研究人员和工业界都有兴趣开发更精确的技术来满足这一需求。然而，目前基于评分、点击行为、内容分享等明确行为的协同过滤技术并不总是能够可靠地揭示我们真实和潜在的偏好。

“由于社会规范或其他因素，用户可能不会通过网络行为透露自己的实际喜好。因此，显性行为可能是有偏见的。我们调查的大脑信号是在观看后很早就捕捉到的，所以它们更与直接印象有关，而不是经过仔细考虑的行为，”合著者Michiel博士解释道Spapé。

“我们大脑中的电活动是另一种尚未开发的信息来源。从长远来看，这种方法可能会被用来提供比现在更细致入微的关于人们偏好的信息。这可能是为了解码一个人喜欢某些歌曲的潜在原因——这可能与它们唤起的情感有关，”Tuukka Ruotsalo解释道。

但研究人员认为，这种新方法不仅是广告商和流媒体服务销售产品或留住用户的有用方式。主要作者Keith Davis指出:

“我认为我们的研究是迈向一个被一些人称为“正念计算”的时代的一步，在这个时代，通过使用计算机和神经科学技术的结合，用户将能够访问关于自己的独特信息。事实上，众所周知的脑机接口可能成为更好地了解自己的工具。”

然而，这项技术在实验室之外的应用还有很长的路要走。研究人员指出，脑机接口设备必须变得更便宜、更容易使用，才能让普通用户拿在手里或戴在头上。他们最乐观的猜测是，这至少需要10年的时间。

研究人员还强调，这项技术在保护基于大脑的数据不被滥用方面面临着重大挑战，对于研究团体来说，仔细考虑EEG收集的原始数据的数据隐私、所有权和道德使用是很重要的。

关于实验

在实验中，研究人员向参与者展示了大量的人脸图像，并要求他们寻找那些他们认为有吸引力的人。在此过程中，他们的大脑信号被记录下来。这些数据被用来训练一个机器学习模型，以区分当参与者看到一张他们觉得有吸引力的脸时，他们的大脑活动与看到一张他们觉得没有吸引力的脸时的大脑活动。

通过不同的机器学习模型，来自大量参与者的基于大脑的数据被用来计算每个参与者认为有吸引力的新面部图像。因此，预测部分是基于个体参与者自己的大脑信号，部分是基于其他参与者对图像的反应。