深度學習有個性!MIT爲每一位自閉症兒童配備了專屬機器網絡育兒頭條網

高層速讀

關鍵信息：MIT開發出一種個性化的機器學習方法，通過兒童與機器人的互動過程中獲得的獨特數據，來分析每個孩子的參與度和興趣點，以便更高效地促進自閉症治療。這些深度學習網絡極大地改善了機器人對兒童行為的自動評估，與人類專家評估結果基本一致。

關鍵數據：參與這項研究的35名自閉症兒童，17名來自日本，18名來自塞爾維亞，年齡從3歲到13歲不等。

關鍵意義：深度學習的機器人對於輔助治療是很有用的，可以更自然地感知孩子的行為，促進治療效果的提升。

自閉症兒童看不懂你的表情，

患有自閉症的兒童通常很難識別周圍人的情緒狀態，例如，他們很難將一張快樂的臉和一張恐懼的臉區分開來。為了解決這個問題，一些治療師使用兒童友好型機器人來展示這些情緒，並讓孩子們模仿機器人的這些情緒，機器會以適當的方式回應他們，並且這種療法效果目前是最好的。

機器人輔助治療自閉症的方法通常是這樣的：一個人類治療師展示一張兒童不同情緒的照片，教他們如何識別恐懼、悲傷和喜悅等各種表情；然後，治療師讓機器人向孩子展示同樣的情緒，並觀察這個孩子與機器人的互動。

對於人類觀察者來說，讓孩子認真參與是很有挑戰性的，Rudovic和他的同事們認為，接受人類觀察訓練的機器人，有一天可能會對兒童行為提供更精確的估計。“我們的長期目標不是創造出能取代人類治療師的機器人，而是用關鍵信息來增強這些機器人的能力，使它們能夠個性化治療內容，並在機器人和自閉症兒童之間做出更吸引人的、自然的互動，”媒體實驗室的博士後、該研究的第一作者Oggi Rudovic解釋道。

論文的合著者、麻省理工學院教授Rosalind Picard說到：“個性化在自閉症治療中尤其重要，但想使機器學習和人工智能在自閉症中起作用是有挑戰的，因為訓練人工智能需要大量的相似數據。”在自閉症中，異質性大量存在，因此正常的人工智能方法失敗了。”

MIT研發個性化深度學習，

針對獨特數據生成個性模型

MIT媒體實驗室的研究人員已經開發出一種個性化的機器學習方法，可以幫助機器人在這些互動過程中，通過對孩子獨一無二的數據來估計每個孩子的參與度和興趣點，以便更高效地促進二者之間的互動和自閉症治療。

科學家們在6月27日的科學機器人雜誌上報告說，通過這種個性化的深度學習網絡，機器人對兒童反應的感知與人類專家的評估基本一致。

麻省理工學院的研究團隊意識到，深度學習的機器人對於輔助治療是很有用的，可以更自然地感知孩子的行為，深度學習系統使用層次化的、多層的數據處理來改善任務結果。

Rudovic說，儘管自上世紀80年代以來，深度學習的概念一直存在，但直到最近，才有足夠的計算能力來實現這種人工智能。深度學習可以理解臉部、身體和聲音的多重特徵，從而理解一個更抽象的概念，例如

孩子的參與。

深度學習可以讓機器人直接從數據中提取出最重要的信息，而不需要人類手工製作這些特徵。對於治療機器人來說，Rudovic和他的同事們進一步研究了深度學習的概念，並建立了一個個性化的框架，可以從每個孩子身上收集的數據中學習。

利用手腕上的

監視器和拍攝的每個孩子的面部表情、頭部和身體動作、音頻以及心率、體溫和皮膚汗液的數據，構成了孩子的參與度指標。這些機器人的個性化深度學習網絡是由這些視頻、音頻和生理數據、關於孩子的自閉症診斷和能力、他們的文化和性別的信息組成的。

然後，研究人員將他們對兒童行為的估計與五名人類專家的估計進行了比較。這些專家將孩子的視頻和音頻記錄進行了連續的編碼，以確定孩子們在會議期間的表現是多麼的高興或沮喪，多麼有興趣，以及他們的參與度如何。研究人員發現，通過對這些由人類編碼的個性化數據進行訓練，深度學習網絡極大地改善了機器人對兒童行為的自動評估，而不是通過“一刀切”的方法將所有兒童的數據綜合起來。