Анализ движений младенцев с помощью искусственного интеллекта дает важную информацию о ранних стадиях развития, подчеркивая важность движений стоп в обучении. Последние достижения в области вычислений и искусственного интеллекта, а также новые знания в области обучения детей предполагают, что методы машинного и глубокого обучения могут использоваться для изучения того, как младенцы переходят от случайных исследовательских движений к целенаправленным действиям. На сегодняшний день большинство исследований сосредоточены на спонтанных движениях младенцев и различают беспокойное и спокойное поведение.
Хотя ранние движения младенца могут показаться бессвязными, они раскрывают значимые закономерности во взаимодействии младенца с окружающей средой. Однако нам до сих пор не хватает понимания того, как младенцы сознательно взаимодействуют с окружающей средой, и принципов, которыми руководствуются их целенаправленные действия.
Чтобы выяснить, как дети начинают действовать целенаправленно, исследователи из Атлантического университета Флориды и их коллеги провели эксперимент с детским мобильным телефоном — метод исследования развития, который используется с конца 1960-х годов. В этом эксперименте красочный мобильный телефон был аккуратно привязан к ножке ребенка и двигался, когда ребенок его пинал, таким образом связывая поведение ребенка с тем, что он видел. Эта установка помогает исследователям понять, как младенцы контролируют свои движения, и обнаружить их способность влиять на свое окружение.
В ходе исследования ученые проверили, могут ли инструменты искусственного интеллекта улавливать сложные изменения в моделях движений младенцев. Движения младенцев, отслеживаемые с помощью системы захвата движений Vicon3D, классифицируются на разные типы – от спонтанных движений до реакций во время движения. Применяя различные методы искусственного интеллекта, исследователи изучили, какой метод лучше всего отражает тонкое поведение младенцев в различных ситуациях и то, как движения развивались с течением времени.
Результаты, опубликованные в журнале Scientific Reports, подчеркивают, что искусственный интеллект является важным инструментом для понимания развития и взаимодействия детей раннего возраста. Методы машинного и глубокого обучения точно классифицировали пятисекундные трехмерные видеоролики с движениями младенцев на разные этапы эксперимента. Среди этих методов лучше всего работает модель глубокого обучения 2D-CapsNet. Важно отметить, что движения стоп имели самую высокую точность среди всех протестированных методов, а это означает, что характер движения стоп наиболее существенно менялся на различных этапах эксперимента по сравнению с другими частями тела.
«Этот вывод важен, потому что системе искусственного интеллекта ничего не сообщили об эксперименте, и она не знала, какая часть тела ребенка была подключена к телефону», — сказали соавторы исследования Гленвуд Крич и Марта Кричко из Центра сложных систем и наук о мозге Атлантического университета Флориды. Доктор Скотт Келсо, заслуженный ученый в области науки, сказал: «Это говорит о том, что ступни как конечные исполнительные органы больше всего страдают от взаимодействия с телефоном. Другими словами, то, как ребенок соединяется с окружающей средой, больше всего зависит от точки контакта с миром. Здесь «ступни вперед».
Модель 2D-CapsNet достигла точности 86% при анализе движений ног и смогла уловить подробные взаимоотношения между различными частями тела во время движения. Движения стоп неизменно имели самую высокую точность среди всех протестированных методов, примерно на 20% точнее, чем движения рук, коленей или всего тела.
«Мы обнаружили, что младенцы исследовали больше после отключения от своих телефонов, чем до того, как у них появилась возможность управлять своими телефонами. Похоже, что потеря способности контролировать свои телефоны заставила их более охотно взаимодействовать с миром, чтобы найти способы восстановить связь», — сказала соавтор Ализа Слоан, доктор философии, научный сотрудник Центра сложных систем и наук о мозге Атлантического университета Флориды. «Тем не менее, некоторые младенцы демонстрировали модели движений во время фазы отключения, которые содержали сигналы от их предыдущих взаимодействий с телефоном. Это говорит о том, что только некоторые младенцы понимают свои отношения с телефоном достаточно хорошо, чтобы поддерживать эти модели движений в ожидании, что они все равно будут генерировать ответы от телефона даже после отключения».
Если точность движений ребенка остается высокой во время отключения, это может указывать на то, что ребенок чему-то научился во время предыдущего взаимодействия, говорят исследователи. Однако разные типы движений могут означать, что младенцы открывают для себя разные вещи.
«Важно отметить, что изучать младенцев сложнее, чем изучать взрослых, потому что младенцы не могут общаться вербально», — сказала соавтор доктор Нэнси Аарон Джонс, член Центра наук о мозге. «Взрослые могут следовать инструкциям и объяснять свои действия, но младенцы не могут. Это то, что делают люди. В этом может помочь ИИ. ИИ может помочь исследователям анализировать тонкие изменения в движениях младенцев, даже в их состояниях покоя, чтобы дать нам представление о том, как они думают и учатся, еще до того, как они умеют говорить, и он может помочь нам понять огромные индивидуальные различия, которые возникают по мере роста младенцев».
Наблюдение за тем, как меняется точность классификации ИИ для каждого младенца, дает исследователям новый способ понять, когда и как младенцы начинают взаимодействовать с миром.
«Предыдущие методы искусственного интеллекта в основном были сосредоточены на классификации спонтанных движений, которые коррелируют с клиническими результатами, а объединение теоретических экспериментов с искусственным интеллектом поможет нам лучше оценить поведение младенца по отношению к конкретной среде его обитания», — сказал Келсо. «Это может улучшить то, как мы выявляем риск, диагностируем и лечим заболевания».
Составлено из/SciTechDaily