動察 Beating AI 速報、ブレイン・コンピュータ・インターフェース企業 Sabi が RLNF(神経フィードバック強化学習)と呼ばれる新研究を発表した。デモでは、AI の顔が絶えず変化し、次第に視聴者の美的感覚に合う姿へと変わっていく。研究者たちは、AI が脳信号から各個人の好みを理解し、どの画像がより好ましいかをユーザーに繰り返し尋ねる必要をなくすことを目指している。
チームはまず、5 名の被験者に大量の顔を見せながら脳波と眼球運動を記録し、各顔の魅力度を評価させた。これらのデータを通じて、AI は各個人が好きな顔や嫌いな顔を見たときにどのような生理反応が現れるかを学習し、個人の美的嗜好モデルを構築した。
その後、研究者たちはこれらの嗜好データを利用し、強化学習によって FLUX.2 Klein 4B 画像モデルを微調整した。AI が新たな顔のバッチを生成するたびに、システムはそれらを以前記録した顔と比較し、脳信号から推測された個人の好みに基づいて報酬を与える。モデルは報酬に応じて絶えず調整され、特定のユーザーの美的感覚により合致する顔を生成することを徐々に学習していく。このプロセス全体で、被験者が再度一枚ずつ評価する必要はない。
これまでにも、脳波フィードバックを利用して AI に人々が好む顔を生成させる研究は存在した。Sabi はこのフィードバックを画像モデルの強化学習に用いることで、個人の美的感覚がモデルの生成傾向に直接影響を与えるようにした。
ただし、実験の参加者は現在 5 名のみであり、そのうち 2 名の好みは主に眼球活動から判断されており、脳活動から直接識別されたものではない。脳波が個人の美的感覚を安定的に反映することを証明するには、さらなる実験が必要である。