患有自閉癥譜系條件的兒童通常難以識別周圍人的情緒狀態(tài) - 例如，將幸福的臉與可怕的臉區(qū)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并讓孩子們模仿情緒并以適當(dāng)?shù)姆绞綄λ麄冏龀龇磻?yīng)。

然而，如果機器人能夠在治療期間順利地解釋孩子自己的行為 - 無論他或她是否感興趣或興奮或注意 - 這種類型的治療效果最佳。麻省理工學(xué)院媒體實驗室的研究人員現(xiàn)在開發(fā)了一種個性化的機器學(xué)習(xí)，幫助機器人使用該孩子獨有的數(shù)據(jù)，估計每個孩子在這些交互過程中的參與度和興趣。

有了這種個性化的“深度學(xué)習(xí)”網(wǎng)絡(luò)，機器人對兒童反應(yīng)的看法與人類專家的評估一致，相關(guān)分?jǐn)?shù)為60%，科學(xué)家于6月27日在“ 科學(xué)機器人”雜志上報道。

人類觀察者對兒童的參與和行為達成高度一致意見可能具有挑戰(zhàn)性。他們的相關(guān)分?jǐn)?shù)通常在50%到55%之間。Rudovic和他的同事們提出，在本研究中，接受人類觀察訓(xùn)練的機器人有朝一日可能會對這些行為提供更一致的估計。

“長期目標(biāo)不是制造能夠取代人類治療師的機器人，而是通過治療師可以用來個性化治療內(nèi)容的關(guān)鍵信息來增強它們，并在機器人和自閉癥兒童之間進行更具吸引力和自然主義的互動， “媒體實驗室的博士后Oggi Rudovic解釋說，該研究的第一作者。

羅莎琳德皮卡德是該論文的合著者，也是麻省理工學(xué)院教授，??主持情感計算研究，他說個性化在自閉癥治療中尤為重要：一句名言：“如果你遇到一個人，患有自閉癥，你就會遇到一個患有自閉癥的人。“

“在自閉癥中創(chuàng)建機器學(xué)習(xí)和AI [人工智能]的挑戰(zhàn)尤其令人煩惱，因為通常的AI方法需要大量的數(shù)據(jù)，這些數(shù)據(jù)對于學(xué)習(xí)的每個類別都是相似的。在異質(zhì)性統(tǒng)治的自閉癥中，正常的AI方法失敗，“皮卡德說。Rudovic，Picard和他們的隊友也一直在其他領(lǐng)域使用個性化深度學(xué)習(xí)，發(fā)現(xiàn)它可以改善疼痛監(jiān)測結(jié)果和預(yù)測阿爾茨海默病的進展。

會見NAO

自閉癥的機器人輔助治療通常是這樣的：人類治療師展示兒童照片或不同面孔的閃卡，旨在表示不同的情緒，教他們?nèi)绾巫R別恐懼，悲傷或喜悅的表達。治療師然后對機器人進行編程以向孩子顯示這些相同的情緒，并在孩子與機器人接觸時觀察孩子。孩子的行為提供了有價值的反饋，機器人和治療師需要繼續(xù)學(xué)習(xí)課程。

研究人員在這項研究中使用了SoftBank Robotics NAO仿人機器人。NAO身高約2英尺，類似于裝甲超級英雄或機器人，通過改變眼睛的顏色，四肢的運動和聲音的語氣來傳達不同的情緒。

參與本研究的35名自閉癥兒童，17名來自日本，18名來自塞爾維亞，年齡從3歲到13歲不等。他們在35分鐘的會議期間以各種方式對機器人做出反應(yīng)，在某些情況下看起來很無聊和困倦興奮地跳著房間，拍手，笑著或觸摸機器人。

研究中的大多數(shù)孩子對機器人的反應(yīng)“不僅僅是作為一個玩具，而是與NAO有關(guān)，因為它是一個真實的人”，特別是在講故事時，治療師詢問NAO如果孩子們拿著機器人會感覺如何根據(jù)魯多維奇的說法，這是一種冰淇淋。

一名4歲女孩在參加會議期間躲在母親身后，但對機器人變得更加開放，并在治療結(jié)束時笑了起來。一名塞爾維亞兒童的妹妹給了NAO一個擁抱，并說：“機器人，我愛你!” 在一次會議結(jié)束時，她說她很高興看到她的兄弟喜歡和機器人一起玩。

“治療師說，讓孩子接觸幾秒鐘對他們來說可能是一個很大的挑戰(zhàn)，機器人吸引了孩子的注意力，”Rudovic解釋說，為什么機器人在這種治療方法中有用。“此外，人類以多種不同的方式改變他們的表達方式，但機器人總是以同樣的方式做到這一點，這對孩子來說不那么令人沮喪，因為孩子以非常有條理的方式學(xué)習(xí)如何表達表達。”

個性化機器學(xué)習(xí)

麻省理工學(xué)院的研究小組意識到，一種稱為深度學(xué)習(xí)的機器學(xué)習(xí)對于治療機器人來說有用，可以更自然地感知孩子的行為。深度學(xué)習(xí)系統(tǒng)使用分層的多層數(shù)據(jù)處理來改進其任務(wù)，每個連續(xù)層相當(dāng)于原始原始數(shù)據(jù)的稍微抽象的表示。

盡管自20世紀(jì)80年代以來深度學(xué)習(xí)的概念已經(jīng)出現(xiàn)，但Rudovic說，直到最近才有足夠的計算能力來實現(xiàn)這種人工智能。深度學(xué)習(xí)已被用于自動語音和對象識別程序，使其非常適合于解決諸如面部，身體和聲音的多種特征的問題，這些特征可用于理解更抽象的概念，例如兒童的訂婚。

“例如，在面部表情的情況下，面部的哪些部分對于參與的估計最重要?” 魯多維奇說。“深度學(xué)習(xí)允許機器人直接從該數(shù)據(jù)中提取最重要的信息，而無需人工手動制作這些功能。” 對于治療機器人，Rudovic和他的同事們將深度學(xué)習(xí)的想法更進一步，并建立了一個個性化的框架，可以從每個孩子收集的數(shù)據(jù)中學(xué)習(xí)。研究人員從兒童手腕上的監(jiān)視器上捕獲了每個孩子的面部表情，頭部和身體動作，姿勢和手勢，錄音以及心率，體溫和皮膚出汗反應(yīng)數(shù)據(jù)的視頻。

機器人的個性化深度學(xué)習(xí)網(wǎng)絡(luò)是根據(jù)這些視頻，音頻和生理數(shù)據(jù)的層次，有關(guān)兒童孤獨癥診斷和能力，他們的文化和性別的信息構(gòu)建的。然后，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，他們對兒童的視頻和錄音進行了連續(xù)編碼，以確定孩子在會話期間的高興或不安，感興趣程度和參與度。

根據(jù)人類編碼的這些個性化數(shù)據(jù)進行訓(xùn)練，并對未用于訓(xùn)練或調(diào)整模型的數(shù)據(jù)進行測試，網(wǎng)絡(luò)顯著改善了機器人對研究中大多數(shù)兒童的行為的自動估計，超出了估計的范圍。研究人員發(fā)現(xiàn)，該網(wǎng)絡(luò)以“一刀切”的方式將所有兒童的數(shù)據(jù)結(jié)合起來。

Rudovic及其同事還能夠探討深度學(xué)習(xí)網(wǎng)絡(luò)如何做出估計，從而揭示了孩子們之間的一些有趣的文化差異。“例如，來自日本的兒童在高度接觸期間表現(xiàn)出更多的身體動作，而在塞爾維亞人中，大的身體動作與脫離事件有關(guān)，”Rudovic說。