據國外科技媒體 Tech Xplore 報道，來自哥本哈根大學（University of Copenhagen）和赫爾辛基大學（University of Helsinki）的最新研究成果表明，演算法也許可以通過分析一個人面對其他人時的大腦反應，來預測個人喜好。這項技術可能會將用於資訊服務商為使用者提供個性化定製的媒體內容，也可以幫助使用者更好了解自身。

該項研究的論文第一作者 Keith Davis 認為他們正在朝著“感知計算”（mindful computing）的時代前行。

一、演算法不但可以監測人類行為，還可以監測腦電波

演算法早已入侵我們的生活。

目前的演算法技術可通過協作過濾（Collaborative filtering）分析人們的行為，以預測他們的偏好。但事實上，演算法不但能監測人類的行為，還可以監測他們的大腦反應。

通過哥本哈根大學和赫爾辛基大學的實驗表明，演算法能夠預測一個人對尚未見過的臉是否會受到其吸引。

研究人員將腦電圖電極（EEG electrodes）放在參與者的頭部，並向他們展示了各種不同的臉部影象，並需要找出他們認為更具吸引力的人。在此過程中，他們的腦電波訊號將會被記錄。機器學習模型將會通過這些資料來區分參與者看到更具吸引力的臉以及不具吸引力的臉時不同的大腦反應。

“通過比較不同人的大腦活動，我們發現，演算法也許能預測每位參與者在看到這些不同臉時的大腦反應，清楚參與者會認為哪些面孔更具吸引力”，哥本哈根大學計算機科學系的資深作者 Dr. Tuukka Ruotsalo 談到，“基於此，我們就可以為使用者提出可靠的推薦 — 就如同流媒體業務（streaming services）通過使用者的瀏覽歷史推薦新電影或系列一樣”。

二、演算法正朝著“感知計算”的時代前行

目前，越來越多地商家會提供個性化服務，使用者也傾向從他們那裡獲得獨家定製的內容。因此，研究人員和從業者也更有興趣開發準確的技術來滿足這一需求。

但現有的協作過濾技術是基於對使用者的評級、點選行為、內容共享等行為而篩選資訊，這並不能揭示人們真實的喜愛偏好。

“由於社會規範或其他因素，使用者可能無法通過網路行為來表達自己的真正偏好。因此分析外顯行為（explicit behavior）可能會存在偏見。當我們調查觀察大腦發出的訊號後，很容易發現這一現象”，共同作者 Dr. Michiel Spapé 解釋道，“所以，個人實際偏好與直接印象關聯更大，而非細緻思考”。

“我們腦電波訊號是一種未被開發的資訊來源。從長遠來看，人工智慧觀察人類的腦電波訊號變化，可能會為人們提供更多有關自身偏好的資訊。這也許能解釋一個人喜歡某些歌曲的原因 —— 這與他們所喚起的情感可能有關”，Thukka Ruotsalo 解釋說。

但研究人員並不認為這項新技術可以幫助廣告商和流媒體業務銷售產品或留住使用者。

“我認為，我們的研究是朝著‘感知計算’的時代前行，在這個時代裡，通過計算機和神經科學技術（neuroscience techniques）的結合，使用者將能夠獲得更多關於自己的獨家資訊。事實上，腦機介面（Brain-Computer Interfacing）可以幫助我們更好地理解自己”，Keith Davis 表示。

三、應用腦電波分析，至少還要十年

事實上，距離這項可以通過腦電波分析人們真實喜愛偏好的技術被廣泛應用到現實中還很遙遠。

研究人員指出，至少要等到能提供腦機介面的裝置價格降低且便捷好用。他們最樂觀的猜測也認為這至少需要 10 年的時間。

研究人員還強調，這項技術在保護來自大腦的資料不受濫用方面受到重大挑戰。學界需要認真考慮資料隱私，資料所有權以及使用大腦原始資料的道德論理等問題。

結語：演算法正為腦機介面開闢新路徑

大腦是人體最重要的器官，同時也是最為複雜的器官。

儘管哥本哈根大學和赫爾辛基大學的研究人員可以通過分析人們的腦電波訊號來判斷人們對不同面孔的吸引程度，但該技術還面臨裝置昂貴，使用困難以及資料道德倫理等挑戰。

但正如基思・戴維斯所言，以深度學習為代表的演算法技術發展，正為腦機介面的未來開啟一條新路徑，我們充滿期待新時代的到來。