Computer kan nu gætte vores præferencer gennem vores hjernesignaler

Når vi er online, er vi efterhånden vant til, at algoritmer forsøger at gætte vores præferencer for alt fra film og musik til nyhedsartikler og detailvarer i webshops. Det er ikke kun baseret på, hvad vi tidligere har set, hørt eller søgt på, men også på hvor sammenlignelige vores aktiviteter er med andres. Samarbejdsfiltrering, som teknikken hedder, bruge skjulte mønstre i vores og andres online-adfærd til at forudsige hvilke ting, vi kan lide.

Men hvad nu hvis algoritmerne i stedet kunne aftappe signaler direkte fra vores hjerner? Det lyder måske ret sci-fi-agtigt, men et forskningsprojekt, der kombinerer datalogi og kognitiv neurovidenskab, har nu vist, at hjernebaseret samarbejdsfiltrering er muligt. Forskere fra Københavns Universitet og Helsinki Universitet er lykkedes med at forudsige hvilke typer ansigter, vi føler os tiltrukket af ved at få en algoritme til at matche de mønstre, den finder, i folks hjernesignaler.   

I første omgang puttede forskerne EEG-elektroder på hovederne af en række forsøgspersoner, hvorefter de viste dem billeder af forskellige ansigter. De fik dernæst en maskinlærings-model til at udpege, hvilke ansigter, forsøgspersonerne fandt mest tiltrækkende alene baseret på elektriske impulser fra deres hjerner.

”Ved at sammenligne mønstret i én persons hjerneaktivitet med mønstrene i de andres har vi nu vist, at det også er muligt at forudsige hvilke ansigter, som den enkelte forsøgsperson vil finde tiltrækkende, inden at personen har set dem. På den måde kan vi lave pålidelige anbefalinger til brugeren - altså ligesom når streamingtjenester foreslår nye film eller serier ud fra flere brugeres historik,” siger seniorforfatter Tuukka Ruotsalo fra Datalogisk Institut på Københavns Universitet.

På vej mod 'mindful computing' og mere indsigt i os selv

Flere og flere brancher arbejder med at give kunder og brugere personaliserede anbefalinger, samtidig med at brugerne bliver mere kræsne og forventer et mere individuelt tilpasset indhold. Derfor er både forskere og industrier optaget af, hvordan man udvikler mere præcise metoder til det formål. De eksisterende teknikker til samarbejdsfiltrering, som er baseret på eksplicit adfærd i form af bl.a. ratings, klik-adfærd og deling af indhold, er nemlig ikke altid pålidelige metoder til at afdække vores virkelige og underliggende præferencer.

”Sociale normer og andre faktorer kan betyde, at en bruger ikke afslører sin reelle præferencer gennem sin adfærd på nettet. På den måde kan der være bias i ens eksplicitte adfærd. De hjernesignaler, som vi her arbejder med, samles derimod op så hurtigt, at de mere har karakter af umiddelbare indtryk end velovervejet adfærd,” siger medforfatter Michiel Spapé.

“Den elektriske aktivitet i vores hjerner er en alternativ og ret uudnyttet kilde til information. På længere sigt kan metoden formentlig bruges til at fremskaffe langt mere nuanceret information om folks præferencer, end hvad der i dag er muligt. Det kan fx være at afkode de underliggende årsager til, at en person kan lide nogle bestemte sange – som evt. hænger sammen med de følelser, sangene hver især fremkalder,” siger Tuukka Ruotsalo.

Men forskerne ser ikke kun den nye metode som noget, annoncører og streamingtjenester kan bruge til at sælge produkter eller fastholde brugere, påpeger førsteforfatter Keith Davis:

”Jeg betragter vores studie som et skridt hen imod den æra, nogle kalder ”mindful computing”, hvor man bruger kombinationen af computere og neurovidenskabelige teknikker til at få adgang til unik information om sig selv. På den måde kan såkaldt Brain-Computer-Interfacing blive et redskab til bedre at forstå sig selv.”

Der er dog stadig et stykke vej, før teknikken kan tages i anvendelse uden for laboratoriet. Først kræver det, at brain-computer-interface-udstyr bliver billigere og nemmere at bruge, så det kan udbredes til almindelige brugere, påpeger forskerne. De gætter på, at det vil tage mindst 10 år.

Forskerne understreger også, at der med teknologien følger en betydelig udfordring i forhold til at beskytte hjernebaserede data mod misbrug, og at det er vigtigt, at forskningssamfundet omhyggeligt gør sig overvejelser om databeskyttelse, ejerskab og etisk brug af rådata indsamlet ved EEG.

Emner