Si la beauté semble être dans le cerveau de celui qui regarde, notamment à partir d’activité cérébrale, l’intelligence artificielle pourrait y avoir accès pour créer du beau sur-mesure pour chaque individu.

Qu’est-ce qui est beau ? Bien que, dans la vie quotidienne, nous soyons capables de juger instantanément si une image est attrayante, nous avons souvent du mal à expliquer les raisons d’une telle décision. Ainsi, l’attrait, la beauté nous apparait davantage comme une caractéristique subjective et personnelle plutôt qu’un élément visuel objectif. Autrement dit, la beauté est dans l’œil de celui qui regarde, ou tout du moins dans son cerveau.

Chronique diffusée le 1 avril 2021. L’ensemble des chroniques est accessible sur une playlist dédiée.

---

Pour aller plus loin :

« Beauty is in the brain: AI reads brain data, generates personally attractive images » par les rédacteurs de Eurekalert. Publié sur Eurekalert, le 05/03/2021. Consulté le 19/03/2021. Lien : https://www.eurekalert.org/pub_releases/2021-03/uoh-bii030221.php.

---

Un autre épisode du podcast en lien :

« La Tête Dans Le Cerveau #58 – La lecture dans les pensées ».

---

Sources :

Bzdok D. et al. (2011). ALE meta-analysis on facial judgments of trustworthiness and attractiveness. Brain structure and function, 215 (3-4) : 209-223.

Conroy M.A. et Polich J. (2007). Affective valence and p300 when stimulus arousal level is controlled. Cognition and emotion, 21 (4) : 891-901.

Cunningham M.R et al. (1995). “Their ideas of beauty are, on the whole, the same as ours” : consistency and variability in the cross-cultural perception of female physical attractiveness. Journal of personality and social psychology, 68 (2) : 261-279.

Eisenthal Y. et al. (2006). Facial attractiveness : beauty and the machine. Neural computation, 18 (1) :119-142.

Gan J. et al. (2014). Deep self- taught learning for facial beauty prediction. Neurocomputing, 144 : 295-303.

Harjunen V.J. et al. (2017). Manipulating bodily presence affects cross-modal spatial attention: A virtual-reality-based erp study. Frontiers in human neuroscience, 11 (79) – 1-12.

Höfel L. et Jacobsen T. (2007). Electrophysiological indices of processing aesthetics : spontaneous or intentional processes ? International journal of psychophysiology, 65 (1) : 20-31.

Ibáñez-Berganza M. et al. (2019). Subjectivity and complexity of facial attractiveness. Scientific reports, 9 (8364) : 1-12.

Langeslag S.J.E. et al. (2017). Event-related potential responses to love-related facial stimuli. Biological psychology, 76 (1-2) : 109-115.

Langlois J.H. et al. (1991). Facial diversity and infant preferences for attractive faces. Developmental psychology, 27 (1) : 79-84.

Little A.C. et al. (2011). Facial attractiveness : evolutionary based research. Philosophical transactions of the royal society b : biological sciences, 366 (1571) : 1638-1659.

Polich J. 1986. Attention, probability, and task demands as determinants of p300 latency from auditory stimuli. Electroencephalography and clinical neurophysiology, 63 (3) : 251-259.

Polich J. (2007). Updating p300 : an integrative theory of p3a and p3b. Clinical neurophysiology, 118 (10) : 2128-2148.

Spapé M. et al. (2021). Brain-computer interface for generating personally attractive images. IEEE transactions on affective computing, in press : 1-12.

Thornhill R. et Gangestad S.W. (1999). Facial attractiveness.
Trends in cognitive sciences, 3 (12) : 452-460 .

Verleger R. (1997). On the utility of p3 latency as an index of mental chronometry. Psychophysiology, 34 (2) : 131-156.

---

Source image :

Janko Ferlič – Female mannequin photo (2019). https://unsplash.com/photos/Vfa9YiWNyGk

---

---

---