脑部提示：通过基于大脑的生成式人工智能交互重建面部记忆

《Scientific Reports》：BrainPrompting: reconstructing facial memory by brain-based generative AI interaction

　　

摘要

生成式人工智能已经改变了图像合成领域，但利用这些模型生成能够准确反映人类心理意象的图像仍然是一项挑战。目前的“提示”方法依赖于明确的文字描述，而这往往无法捕捉到心理表征中的复杂细微差别。BrainPrompting是一种神经自适应方法，它利用隐性的脑活动来引导生成模型的潜在空间。由生成型神经网络模型生成的候选图像会呈现给用户，用户则通过基于脑电图的隐性识别信号来“回复”。该领域的先前研究已经证明了生成与心理类别相匹配的图像以及可视化个体差异的能力，但目前仍不确定所生成的图像与人类心理表征的匹配程度如何。为了进行研究，我们设计了一项“警局列队”实验，参与者在心中记住目标面孔，同时观看一系列与目标面孔相似或不同的面孔。通过BrainPrompting重建的面孔被证明与人类记忆极为相似，这表明神经网络模型与心理表征之间存在高度一致性。此外，我们还发现，通过整合多个用户的神经信号，这种准确性还会进一步提升，从而为存在超越个体水平的准确性提供了证据。