科學家利用新型人工智慧揭開嬰兒學習和發育的秘密
人工智慧對嬰兒動作的分析揭示了對早期發展階段的重要見解,強調了腳部動作在學習中的重要性。計算和人工智慧領域的最新進展以及對嬰兒學習的新認識表明,機器和深度學習技術可用於研究嬰兒如何從隨機探索性動作過渡到有目的的行動。 迄今為止,大多數研究都集中在嬰兒的自發性動作上,並對煩躁和非煩躁行為進行了區分。
研究人員利用人工智慧,透過分析嬰兒移動實驗中的動作探索了嬰兒的學習,發現腳部動作是理解嬰兒與環境互動的關鍵。 人工智慧模型,尤其是2D-CapsNet 有效地突出了嬰兒的發育階段。
雖然嬰兒早期的動作看似雜亂無章,但它們揭示了嬰兒與環境互動的有意義的模式。 然而,我們仍然缺乏對嬰兒如何有意識地與周圍環境互動及其目標行動指導原則的了解。
研究人員在嬰兒的腳上安裝了一個彩色移動裝置,並使用Vicon 3D 動作捕捉系統對其動作進行跟踪,從而探索了嬰兒是如何有目的地行動的。 資料來源:佛羅裡達大西洋大學
為了探索嬰兒是如何開始有目的地行動的,佛羅裡達大西洋大學的研究人員及其合作者進行了一項嬰兒手機實驗,這是自20 世紀60 年代末就開始使用的一種發展研究技術。 在這個實驗中,一個五顏六色的手機被輕輕地拴在嬰兒的腳上,當嬰兒踢腳時,手機就會移動,從而將嬰兒的行為與他們所看到的聯繫起來。 這種設定有助於研究人員了解嬰兒如何控制自己的動作,並發現他們影響周圍環境的能力。
在這項研究中,研究人員測試了人工智慧工具能否捕捉到嬰兒運動模式的複雜變化。 使用Vicon 3D 動作捕捉系統追蹤的嬰兒動作被分為不同類型–從自發性動作到移動時的反應。 透過應用各種人工智慧技術,研究人員研究了哪種方法最能捕捉嬰兒在不同情況下的細微行為,以及動作是如何隨時間演變的。
研究人員在嬰兒的腳上安裝了一個彩色移動裝置,並使用Vicon 3D 動作捕捉系統對其動作進行跟踪,從而探索了嬰兒是如何有目的地行動的。 資料來源:佛羅裡達大西洋大學
發表在Scientific Reports上的研究結果強調,人工智慧是了解嬰兒早期發展和互動的重要工具。 機器學習和深度學習方法都能準確地將五秒鐘的三維嬰兒動作剪輯歸類為實驗的不同階段。 在這些方法中,深度學習模型2D-CapsNet 的表現最佳。 重要的是,在所有測試方法中,腳部運動的準確率最高,這意味著與身體其他部位相比,腳部的運動模式在實驗的各個階段變化最為顯著。
“這項發現意義重大,因為人工智慧系統沒有被告知任何有關實驗的信息,也不知道嬰兒身體的哪個部位與手機相連。” 這項研究的共同作者、佛羅裡達大西洋大學複雜系統與腦科學中心的格倫伍德-克里奇和瑪莎-克里奇科學傑出學者斯科特-凱爾索(Scott Kelso)博士說:”這表明,腳–作為終端效應器–受與手機互動的影響最大。
2D-CapsNet 模型在分析腳部運動時的準確率達到了86%,並且能夠捕捉到運動過程中不同身體部位之間的詳細關係。 在所有測試方法中,腳部運動的準確率一直最高,比手部、膝蓋或全身運動的準確率高出約20%。
“我們發現,與有機會控製手機之前相比,嬰兒在斷開與手機的連接後進行了更多的探索。 似乎失去控製手機的能力讓他們更渴望與世界互動,以找到重新連接的方法, “共同作者、佛羅裡達大西洋大學複雜系統與腦科學中心博士後研究科學家Aliza Sloan 博士說。 “然而,一些嬰兒在斷開連接階段表現出的運動模式包含了他們先前與手機互動的暗示。 這表明,只有某些嬰兒能夠很好地理解他們與手機之間的關係,從而保持這些運動模式,期望即使在斷開連接後,他們仍能從手機中產生反應。
研究人員說,如果在斷開連接期間嬰兒動作的準確性仍然很高,這可能表明嬰兒在先前的互動中學到了一些東西。 不過,不同類型的動作可能意味著嬰兒發現了不同的東西。
合著者、腦科學中心成員南希-亞倫-瓊斯(Nancy Aaron Jones)博士說:”需要注意的是,研究嬰兒比研究成人更具挑戰性,因為嬰兒無法進行語言交流。成年人可以聽從指示並解釋自己的行為,而嬰兒卻做不到。思考與學習的,甚至在他們會說話之前。
觀察每個嬰兒的人工智慧分類準確性是如何變化的,為研究人員提供了一種新的方法來了解嬰兒何時以及如何開始與世界接觸。
「過去的人工智慧方法主要側重於對與臨床結果相關的自發性運動進行分類,而將基於理論的實驗與人工智慧相結合,將幫助我們更好地評估與嬰兒特定環境相關的嬰兒行為,」凱爾索說。 “這可以改善我們識別風險、診斷和治療疾病的方式。”
編譯自/ SciTechDaily