Künstliche Ästhetik: Überbrückung von Neuroästhetik und maschinellem Lernen

Dieses Papier präsentiert eine innovative Untersuchung der Neurowissenschaften, Ästhetik und künstlichen Intelligenz. Es erörtert das Potenzial von maschinellem Lernen zur Verbesserung unseres Verständnisses der neuronalen Grundlagen ästhetischer Erfahrungen und künstlerischer Schöpfung. Die Neuroästhetik zielt darauf ab, die zerebralen Prozesse zu entschlüsseln, die an der Kunstwahrnehmung und emotionalen Einbindung beteiligt sind. Die Integration dieser Erkenntnisse mit den Fähigkeiten fortschrittlicher ML-Modelle, insbesondere jener, die von der Architektur des menschlichen Gehirns inspiriert sind, eröffnet neue Wege zur Analyse und Generierung von Kunst. Dieser interdisziplinäre Ansatz nutzt Algorithmen von neuronalen Netzen, um menschliche ästhetische Präferenzen und Interpretationen nachzuahmen und zu extrapolieren. Unsere Forschung verwendet Techniken des tiefen maschinellen Lernens zur Analyse von Elektroenzephalogrammdaten, die auf ästhetischen Präferenzen basieren. Die Datensätze früherer Forschungsstudien liefern Daten, um die neuronalen Korrelate ästhetischer Urteile und Erfahrungen zu untersuchen. Durch den Einsatz von Algorithmen des maschinellen Lernens decken wir komplexe Muster innerhalb der EEG-Messungen auf, die mit den ästhetischen Präferenzen der Teilnehmer korrelieren, und vertiefen so unser Verständnis der neuronalen Mechanismen, die der ästhetischen Wertschätzung von Designobjekten zugrunde liegen.