Analiza ruchów niemowląt przez sztuczną inteligencję ujawnia krytyczne spostrzeżenia na temat wczesnych etapów rozwoju, podkreślając znaczenie ruchów stóp w procesie uczenia się.
Najnowsze osiągnięcia w informatyce i sztuczna inteligencjaa także nowe spostrzeżenia na temat uczenia się niemowląt sugerują, że techniki uczenia maszynowego i głębokiego uczenia się można wykorzystać do badania, w jaki sposób niemowlęta przechodzą od przypadkowych ruchów eksploracyjnych do celowych działań. Jak dotąd większość badań skupiała się na spontanicznych ruchach dzieci, rozróżniając zachowania niespokojne i niespokojne.
Chociaż wczesne ruchy niemowlęcia mogą wydawać się chaotyczne, ujawniają znaczące wzorce, gdy niemowlę wchodzi w interakcję z otoczeniem. Jednakże nadal brakuje nam zrozumienia, w jaki sposób niemowlęta celowo angażują się w otoczenie i zasad kierujących ich działaniami ukierunkowanymi na cel.
Zrozumienie interakcji niemowląt dzięki sztucznej inteligencji
Aby zbadać, w jaki sposób niemowlęta zaczynają zachowywać się celowo, naukowcy z Florida Atlantic University i ich współpracownicy przeprowadzili eksperyment z mobilnym dzieckiem – technikę badań rozwojowych stosowaną od końca lat sześćdziesiątych XX wieku. W tym eksperymencie do stopy niemowlęcia delikatnie przyczepia się kolorową karuzelę, która porusza się, gdy dziecko kopie, łącząc w ten sposób jego zachowanie z tym, co widzi. Taka konfiguracja pomaga badaczom zrozumieć, w jaki sposób niemowlęta kontrolują swoje ruchy i odkryć ich zdolność do wpływania na otoczenie.
W badaniu naukowcy sprawdzili, czy narzędzia AI są w stanie wychwycić złożone zmiany we wzorcach ruchów niemowląt. Ruchy niemowląt, śledzone za pomocą systemu przechwytywania ruchu Vicon 3D, podzielono na różne typy – od spontanicznych działań po reakcje, gdy telefon komórkowy się porusza. Stosując różne techniki sztucznej inteligencji, badacze sprawdzili, które metody najlepiej oddają niuanse zachowań niemowląt w różnych sytuacjach oraz ewolucję ruchów w czasie.
Naukowcy zbadali, w jaki sposób niemowlęta zachowują się celowo, przyczepiając do stopy kolorową komórkę i śledząc ruchy za pomocą systemu przechwytywania ruchu Vicon 3D. Źródło: Florida Atlantic University
Zrozumienie interakcji niemowląt dzięki sztucznej inteligencji
Wyniki badania opublikowane w Raporty naukowepodkreślają, że sztuczna inteligencja jest cennym narzędziem do zrozumienia wczesnego rozwoju dziecka i interakcji. Zarówno metody uczenia maszynowego, jak i głębokiego uczenia się dokładnie sklasyfikowały pięciosekundowe klipy przedstawiające ruchy niemowląt w 3D jako należące do różnych etapów eksperymentu. Spośród tych metod najlepiej spisał się model głębokiego uczenia się 2D-CapsNet. Co ważne, we wszystkich badanych metodach największe były ruchy stóp dokładność co oznacza, że w porównaniu z innymi częściami ciała wzorce ruchu stóp zmieniały się najbardziej dramatycznie na poszczególnych etapach eksperymentu.
„To odkrycie jest znaczące, ponieważ systemom sztucznej inteligencji nie powiedziano nic o eksperymencie ani o tym, która część ciała niemowlęcia była podłączona do telefonu komórkowego. To pokazuje, że stopy – jako efektory końcowe – są najbardziej dotknięte interakcją z telefonem komórkowym” – powiedział dr Scott Kelso, współautor oraz wybitni stypendyści Glenwood i Martha Creech w dziedzinie nauk ścisłych na Uniwersytecie Centrum Systemów Złożonych i Nauk o Mózgu w ramach FAU Wyższa Szkoła Nauk im. Charlesa E. Schmidta. „Innymi słowy, sposób, w jaki niemowlę łączy się z otoczeniem, ma największy wpływ na punkty kontaktu ze światem. W tym przypadku liczyły się „najpierw stopy”.
Wpływ mobilności na naukę niemowląt
Model 2D-CapsNet osiągnął dokładność na poziomie 86% podczas analizy ruchów stóp i był w stanie uchwycić szczegółowe zależności pomiędzy różnymi częściami ciała podczas ruchu. We wszystkich testowanych metodach ruchy stóp konsekwentnie wykazywały najwyższy współczynnik dokładności – około 20% wyższy niż ruchy dłoni, kolan lub całego ciała.
„Odkryliśmy, że niemowlęta więcej eksplorowały po odłączeniu od telefonu komórkowego niż przed możliwością kontrolowania go. Wydaje się, że utrata możliwości kontrolowania telefonu komórkowego sprawiła, że chętniej wchodzili w interakcję ze światem w celu znalezienia sposobu na ponowne połączenie” – stwierdziła dr Aliza Sloan, współautorka i doktorantka w Centrum Systemów Złożonych FAU i Nauki o Mózgu. „Jednak w tej fazie rozłączenia niektóre niemowlęta wykazywały wzorce ruchu, które zawierały wskazówki dotyczące ich wcześniejszych interakcji z telefonem komórkowym. Sugeruje to, że tylko niektóre niemowlęta rozumiały swoją relację z telefonem komórkowym na tyle dobrze, aby utrzymać te wzorce ruchu, spodziewając się, że nadal będą reagować na telefon komórkowy nawet po odłączeniu”.
Naukowcy twierdzą, że jeśli dokładność ruchów niemowląt pozostanie wysoka podczas odłączania, może to wskazywać, że niemowlęta nauczyły się czegoś podczas wcześniejszych interakcji. Jednak różne rodzaje ruchów mogą oznaczać różne rzeczy w kontekście tego, co odkryły niemowlęta.
„Należy pamiętać, że badanie niemowląt jest większym wyzwaniem niż badanie dorosłych, ponieważ niemowlęta nie potrafią komunikować się werbalnie” – powiedziała dr Nancy Aaron Jones, współautorka, profesor na Wydziale Psychologii FAU i dyrektor laboratorium FAU WAVES oraz członek Centrum Systemów Złożonych i Nauk o Mózgu w Charles E. Schmidt College of Science. „Dorośli potrafią postępować zgodnie z instrukcjami i wyjaśniać swoje działania, podczas gdy niemowlęta nie. Tutaj może pomóc sztuczna inteligencja. Sztuczna inteligencja może pomóc badaczom analizować subtelne zmiany w ruchach niemowląt, a nawet ich bezruchu, aby dać nam wgląd w to, jak myślą i uczą się, jeszcze zanim zaczną mówić. Ich ruchy mogą również pomóc nam zrozumieć ogromny stopień indywidualnych różnic zachodzących w miarę rozwoju niemowląt”.
Przyglądanie się, jak zmienia się dokładność klasyfikacji AI dla każdego niemowlęcia, daje badaczom nowy sposób zrozumienia, kiedy i jak zaczynają one wchodzić w interakcję ze światem.
„Podczas gdy dotychczasowe metody sztucznej inteligencji skupiały się głównie na klasyfikowaniu spontanicznych ruchów w powiązaniu z wynikami klinicznymi, połączenie eksperymentów opartych na teorii ze sztuczną inteligencją pomoże nam stworzyć lepszą ocenę zachowań niemowląt, odpowiednią dla ich konkretnych kontekstów” – stwierdziła Kelso. „Może to ulepszyć sposób, w jaki identyfikujemy ryzyko, diagnozujemy i leczymy zaburzenia”.
Odniesienie: „Sztuczna inteligencja wykrywa świadomość funkcjonalnego związku z otoczeniem u 3-miesięcznych dzieci” Massoud Khodadadzadeh, Aliza T. Sloan, Nancy Aaron Jones, Damien Coyle i JA Scott Kelso, 6 lipca 2024 r., Raporty naukowe.
DOI: 10.1038/s41598-024-66312-6
Badania były wspierane przez zasoby Tier 2 High Performance Computing dostarczone przez ośrodek High-Performance Computing w Irlandii Północnej, ufundowany przez brytyjską Radę ds. Badań nad Inżynierią i Naukami Fizycznymi; brytyjskie stypendium Turing AI Fellowship ds. badań i innowacji (2021–2025) ufundowane przez Radę ds. Inżynierii i Badań Fizycznych, stypendium badawcze prorektora; Instytut Badań nad Obliczeniami Stosowanymi na Uniwersytecie w Bedfordshire; Fundacja FAU (Wybitny Uczony Naukowy); i Stany Zjednoczone Narodowe Instytuty Zdrowia.
