Naujausi skaičiavimo ir dirbtinio intelekto pasiekimai, taip pat įžvalgos apie kūdikių mokymąsi rodo, kad mašinų ir giluminio mokymosi metodai gali padėti mums ištirti, kaip kūdikiai pereina nuo atsitiktinių tiriamųjų judesių prie tikslingų veiksmų. Dauguma tyrimų buvo sutelkti į spontaniškus kūdikių judesius, skiriant nejudrus ir nejudrus elgesys.
Nors ankstyvieji judesiai gali atrodyti chaotiški, jie atskleidžia reikšmingus modelius, kai kūdikiai sąveikauja su aplinka. Tačiau mums vis dar trūksta supratimo apie tai, kaip kūdikiai sąmoningai bendrauja su juos supančia aplinka, ir principų, kuriais vadovaujasi jų veiksmai, nukreipti į tikslą.
Floridos Atlanto universiteto mokslininkai ir bendradarbiai ištyrė, kaip kūdikiai pradeda kryptingai veikti, atlikdami eksperimentą su kūdikiais, kurie buvo naudojami vystymosi tyrimams nuo septintojo dešimtmečio pabaigos. Kūdikio mobiliojo eksperimento metu naudojamas spalvingas mobilusis telefonas, švelniai pririštas prie kūdikio pėdos. Kai kūdikis spardosi, mobilusis telefonas juda, susiejant jų veiksmus su tuo, ką mato. Ši sąranka padeda tyrėjams suprasti, kaip kūdikiai kontroliuoja savo judesius ir atrasti savo gebėjimą daryti įtaką aplinkai.
Šiame naujame darbe tyrėjai išbandė, ar AI įrankiai gali atgauti sudėtingus kūdikių judėjimo modelių pokyčius. Kūdikių judesiai, stebimi naudojant Vicon 3D judesio fiksavimo sistemą, buvo suskirstyti į skirtingus tipus – nuo spontaniškų veiksmų iki reakcijų, kai mobilusis juda. Taikydami įvairius AI metodus, mokslininkai ištyrė, kurie metodai geriausiai atspindi kūdikių elgesio niuansus įvairiose situacijose ir kaip judesiai vystėsi laikui bėgant.
Tyrimo rezultatai, paskelbti m Mokslinės ataskaitospabrėžia, kad dirbtinis intelektas yra vertinga priemonė ankstyvam kūdikio vystymuisi ir sąveikai suprasti. Tiek mašininis, tiek gilus mokymosi metodai tiksliai klasifikavo penkių sekundžių 3D kūdikių judesių klipus, priklausančius skirtingiems eksperimento etapams.
Tarp šių metodų geriausiai pasirodė gilaus mokymosi modelis 2D-CapsNet. Svarbu tai, kad taikant visus išbandytus metodus, pėdų judesių tikslumas buvo didžiausias, o tai reiškia, kad, palyginti su kitomis kūno dalimis, eksperimento etapais pėdų judėjimo modeliai keitėsi labiausiai.
„Šis atradimas yra reikšmingas, nes dirbtinio intelekto sistemoms nieko nebuvo pasakyta apie eksperimentą ar tai, kuri kūdikio kūno dalis buvo prijungta prie mobiliojo telefono. Tai rodo, kad pėdos, kaip galutiniai efektoriai, yra labiausiai paveiktos sąveikos su mobiliesiems“, – sakė FAU Charleso E. Schmidto mokslo koledžo Sudėtingų sistemų ir smegenų mokslų centro bendraautorius ir Glenwoodo bei Martos Creechų mokslo daktaras Scottas Kelso.
„Kitaip tariant, tai, kaip kūdikiai bendrauja su savo aplinka, turi didžiausią įtaką sąlyčio su pasauliu taškuose. Čia tai buvo „pėdos pirmyn”.
2D-CapsNet modelis, analizuodamas pėdų judesius, pasiekė 86 % tikslumą ir galėjo užfiksuoti detalius skirtingų kūno dalių ryšius judant. Taikant visus išbandytus metodus, pėdų judesiai nuolat rodė didžiausią tikslumą – maždaug 20 % didesnį nei rankų, kelių ar viso kūno judesiai.
„Mes nustatėme, kad kūdikiai daugiau tyrinėjo po to, kai buvo atsijungę nuo mobiliojo telefono, nei prieš turėdami galimybę jį valdyti. Panašu, kad praradę galimybę valdyti mobilųjį telefoną jie labiau nori bendrauti su pasauliu ir rasti būdą, kaip vėl prisijungti. “, – sakė Aliza Sloan, mokslų daktarė, bendraautorė ir FAU sudėtingų sistemų ir smegenų mokslų centro doktorantūros mokslininkė.
„Tačiau kai kurie kūdikiai per šį atjungtą etapą rodė judesių modelius, kuriuose buvo užuominų apie ankstesnę jų sąveiką su mobiliuoju telefonu. Tai rodo, kad tik tam tikri kūdikiai suprato savo ryšį su mobiliuoju telefonu pakankamai gerai, kad išlaikytų tuos judesių modelius, tikėdamiesi, kad jie vis tiek sukurs atsakymas iš mobiliojo telefono net atjungus.
Tyrėjai teigia, kad jei kūdikių judesių tikslumas išlieka didelis atsijungimo metu, tai gali reikšti, kad kūdikiai ko nors išmoko per ankstesnę sąveiką. Tačiau skirtingi judesių tipai gali reikšti skirtingus dalykus atsižvelgiant į tai, ką atrado kūdikiai.
„Svarbu pažymėti, kad kūdikių tyrimas yra sudėtingesnis nei suaugusiųjų, nes kūdikiai negali bendrauti žodžiu“, – sakė Nancy Aaron Jones, mokslų daktarė, bendraautorė, FAU Psichologijos katedros profesorė, FAU WAVES laboratorijos direktorė. ir Charleso E. Schmidto mokslo koledžo Kompleksinių sistemų ir smegenų mokslų centro narys.
„Suaugusieji gali sekti instrukcijas ir paaiškinti savo veiksmus, o kūdikiai – ne. Čia dirbtinis intelektas gali padėti. DI gali padėti tyrėjams analizuoti subtilius kūdikio judesių pokyčius ir net jų tylumą, kad galėtume suprasti, kaip jie mąsto ir mokosi, dar prieš jiems pradedant. Gali kalbėti, jų judesiai taip pat gali padėti mums suprasti didžiulį individualių skirtumų laipsnį, atsirandantį kūdikiams vystantis.
Žvelgiant į tai, kaip kinta dirbtinio intelekto klasifikavimo tikslumas kiekvienam kūdikiui, mokslininkai gali naują būdą suprasti, kada ir kaip jie pradeda bendrauti su pasauliu.
„Nors ankstesni AI metodai daugiausia buvo skirti spontaniškų judesių, susijusių su klinikiniais rezultatais, klasifikavimui, teorija pagrįstų eksperimentų derinimas su AI padės mums geriau įvertinti kūdikių elgesį, atitinkantį jų specifinį kontekstą“, – sakė Kelso. „Tai gali pagerinti tai, kaip mes nustatome riziką, diagnozuojame ir gydome sutrikimus.”
Tyrimo bendraautoriai yra pirmasis autorius Massoud Khodadadzadeh, Ph.D., buvęs Ulsterio universitete Deryje, Šiaurės Airijoje, o dabar – Bedfordšyro universitete, Jungtinėje Karalystėje; ir Damien Coyle, Ph.D., Bato universitete, Jungtinėje Karalystėje.