Crianças com condições do espectro do autismo muitas vezes têm dificuldade em reconhecer os estados emocionais das pessoas ao seu redor - distinguir um rosto feliz de um rosto com medo, por exemplo. Para remediar isso, alguns terapeutas usam um robô amigo das crianças para demonstrar essas emoções e fazer com que as crianças imitem as emoções e respondam a elas de maneira apropriada.

Este tipo de terapia funciona melhor, Contudo, se o robô pode interpretar suavemente o próprio comportamento da criança - se ele ou ela está interessado e animado ou prestando atenção - durante a terapia. Pesquisadores do MIT Media Lab desenvolveram agora um tipo de aprendizado de máquina personalizado que ajuda os robôs a estimar o envolvimento e o interesse de cada criança durante essas interações, usando dados que são exclusivos para aquela criança.

Armado com esta rede personalizada de "aprendizado profundo", a percepção dos robôs sobre as respostas das crianças, de acordo com as avaliações de especialistas humanos, com uma pontuação de correlação de 60 por cento, os cientistas relatam 27 de junho em Ciência Robótica .

Pode ser um desafio para os observadores humanos chegar a altos níveis de acordo sobre o envolvimento e o comportamento de uma criança. Suas pontuações de correlação estão geralmente entre 50 e 55 por cento. Rudovic e seus colegas sugerem que robôs treinados em observações humanas, como neste estudo, poderia algum dia fornecer estimativas mais consistentes desses comportamentos.

"O objetivo de longo prazo não é criar robôs que irão substituir os terapeutas humanos, mas para aumentá-los com informações importantes que os terapeutas podem usar para personalizar o conteúdo da terapia e também fazer interações mais envolventes e naturalísticas entre os robôs e crianças com autismo, "explica Oggi Rudovic, um pós-doutorado no Media Lab e primeiro autor do estudo.

Rosalind Picard, co-autor do artigo e professor do MIT que lidera pesquisas em computação afetiva, afirma que a personalização é especialmente importante na terapia do autismo:um ditado famoso é:"Se você conheceu uma pessoa, com autismo, você conheceu uma pessoa com autismo. "

"O desafio de criar aprendizado de máquina e IA [inteligência artificial] que funcione no autismo é particularmente irritante, porque os métodos usuais de IA requerem muitos dados semelhantes para cada categoria aprendida. No autismo, onde reina a heterogeneidade, as abordagens de IA normais falham, "diz Picard. Rudovic, Picard, e seus colegas de equipe também têm usado o aprendizado profundo personalizado em outras áreas, descobrir que melhora os resultados do monitoramento da dor e para prever a progressão da doença de Alzheimer.

Encontro NAO

A terapia assistida por robô para autismo geralmente funciona mais ou menos assim:um terapeuta humano mostra a uma criança fotos ou cartões de diferentes rostos que representam diferentes emoções, para ensiná-los a reconhecer expressões de medo, tristeza, ou alegria. O terapeuta então programa o robô para mostrar essas mesmas emoções para a criança, e observa a criança enquanto ela se envolve com o robô. O comportamento da criança fornece um feedback valioso de que o robô e o terapeuta precisam para prosseguir com a lição.

Os pesquisadores usaram robôs humanóides SoftBank Robotics NAO neste estudo. Quase 60 cm de altura e parecendo um super-herói blindado ou um andróide, NAO transmite emoções diferentes mudando a cor de seus olhos, o movimento de seus membros, e o tom de sua voz.

As 35 crianças com autismo que participaram deste estudo, 17 do Japão e 18 da Sérvia, tinha idades entre 3 e 13 anos. Eles reagiram de várias maneiras aos robôs durante suas sessões de 35 minutos, de parecer entediado e sonolento em alguns casos a pular pela sala de entusiasmo, batendo palmas, e rindo ou tocando o robô.

A maioria das crianças no estudo reagiu ao robô "não apenas como um brinquedo, mas se relacionou com NAO respeitosamente como se fosse uma pessoa real, "especialmente durante a narração de histórias, onde os terapeutas perguntaram como NAO se sentiria se as crianças levassem o robô para um sorvete, de acordo com Rudovic.

Uma menina de 4 anos se escondeu atrás da mãe enquanto participava da sessão, mas ficou muito mais aberta ao robô e acabou rindo no final da terapia. A irmã de uma das crianças sérvias deu um abraço na NAO e disse "Robô, Eu te amo! "No final de uma sessão, dizendo que estava feliz em ver o quanto seu irmão gostava de brincar com o robô.

"Os terapeutas dizem que envolver a criança mesmo por alguns segundos pode ser um grande desafio para eles, e robôs atraem a atenção da criança, "diz Rudovic, explicando por que os robôs têm sido úteis neste tipo de terapia. "Também, os humanos mudam suas expressões de muitas maneiras diferentes, mas os robôs sempre fazem isso da mesma maneira, e isso é menos frustrante para a criança porque ela aprende de uma forma muito estruturada como as expressões serão mostradas. "

Aprendizado de máquina personalizado

A equipe de pesquisa do MIT percebeu que um tipo de aprendizado de máquina chamado aprendizado profundo seria útil para os robôs de terapia, perceber o comportamento das crianças com mais naturalidade. Um sistema de aprendizado profundo usa hierárquico, várias camadas de processamento de dados para melhorar suas tarefas, com cada camada sucessiva totalizando uma representação um pouco mais abstrata dos dados brutos originais.

Embora o conceito de aprendizado profundo exista desde os anos 1980, disse Rudovic, só recentemente houve poder de computação suficiente para implementar esse tipo de inteligência artificial. O aprendizado profundo tem sido usado em programas de fala automática e reconhecimento de objetos, tornando-o adequado para um problema como entender os vários recursos do rosto, corpo, e voz que vai para a compreensão de um conceito mais abstrato, como o envolvimento de uma criança.

"No caso de expressões faciais, por exemplo, quais partes do rosto são as mais importantes para a estimativa de engajamento? ", diz Rudovic." O aprendizado profundo permite que o robô extraia diretamente as informações mais importantes desses dados, sem a necessidade de humanos criarem manualmente esses recursos. "Para os robôs de terapia , Rudovic e seus colegas levaram a ideia do aprendizado profundo um passo adiante e criaram uma estrutura personalizada que poderia aprender com os dados coletados de cada criança individualmente. Os pesquisadores capturaram vídeos das expressões faciais de cada criança, movimentos da cabeça e do corpo, poses e gestos, gravações de áudio e dados sobre a frequência cardíaca, temperatura corporal, e resposta ao suor da pele de um monitor no pulso da criança.

As redes de aprendizagem profunda personalizadas dos robôs foram construídas a partir de camadas desses vídeos, áudio, e dados fisiológicos, informações sobre o diagnóstico e as habilidades de autismo da criança, sua cultura e seu gênero. Os pesquisadores então compararam suas estimativas do comportamento das crianças com estimativas de cinco especialistas humanos, que codificou as gravações de vídeo e áudio das crianças em uma escala contínua para determinar o quão satisfeito ou chateado, quão interessado, e como a criança parecia envolvida durante a sessão.

Treinado nesses dados personalizados codificados por humanos, e testado em dados não usados ​​no treinamento ou ajuste dos modelos, as redes melhoraram significativamente a estimativa automática do robô do comportamento da criança para a maioria das crianças no estudo, além do que seria estimado se a rede combinasse todos os dados das crianças em uma abordagem "tamanho único", os pesquisadores descobriram.

Rudovic e colegas também foram capazes de sondar como a rede de aprendizagem profunda fazia suas estimativas, que revelou algumas diferenças culturais interessantes entre as crianças. "Por exemplo, crianças do Japão mostraram mais movimentos corporais durante episódios de alto envolvimento, enquanto nos sérvios grandes movimentos corporais foram associados a episódios de desligamento, "Rudovic diz.