科学家利用新型人工智能揭开婴儿学习和发育的秘密

摘要:

人工智能对婴儿动作的分析揭示了对早期发育阶段的重要见解,强调了脚部动作在学习中的重要性。计算和人工智能领域的最新进展以及对婴儿学习的新认识表明,机器和深度学习技术可用于研究婴儿如何从随机探索性动作过渡到有目的的行动。 迄今为止,大多数研究都集中在婴儿的自发动作上,并对烦躁和非烦躁行为进行了区分。

研究人员利用人工智能,通过分析婴儿移动实验中的动作探索了婴儿的学习,发现脚部动作是理解婴儿与环境互动的关键。 人工智能模型,尤其是 2D-CapsNet 有效地突出了婴儿的发育阶段。

虽然婴儿早期的动作看似杂乱无章,但它们揭示了婴儿与环境互动的有意义的模式。 然而,我们仍然缺乏对婴儿如何有意识地与周围环境互动及其目标行动指导原则的了解。


研究人员在婴儿的脚上安装了一个彩色移动装置,并使用 Vicon 3D 动作捕捉系统对其动作进行跟踪,从而探索了婴儿是如何有目的地行动的。 资料来源:佛罗里达大西洋大学

为了探索婴儿是如何开始有目的地行动的,佛罗里达大西洋大学的研究人员及其合作者进行了一项婴儿手机实验,这是自 20 世纪 60 年代末就开始使用的一种发育研究技术。 在这个实验中,一个五颜六色的手机被轻轻地拴在婴儿的脚上,当婴儿踢脚时,手机就会移动,从而将婴儿的行为与他们所看到的联系起来。 这种设置有助于研究人员了解婴儿如何控制自己的动作,并发现他们影响周围环境的能力。

在这项研究中,研究人员测试了人工智能工具能否捕捉到婴儿运动模式的复杂变化。 使用 Vicon 3D 动作捕捉系统跟踪的婴儿动作被分为不同类型--从自发动作到移动时的反应。 通过应用各种人工智能技术,研究人员研究了哪种方法最能捕捉婴儿在不同情况下的细微行为,以及动作是如何随时间演变的。

研究人员在婴儿的脚上安装了一个彩色移动装置,并使用 Vicon 3D 动作捕捉系统对其动作进行跟踪,从而探索了婴儿是如何有目的地行动的。 资料来源:佛罗里达大西洋大学

发表在Scientific Reports上的研究结果强调,人工智能是了解婴儿早期发育和互动的重要工具。 机器学习和深度学习方法都能准确地将五秒钟的三维婴儿动作剪辑归类为实验的不同阶段。 在这些方法中,深度学习模型 2D-CapsNet 的表现最好。 重要的是,在所有测试方法中,脚部运动的准确率最高,这意味着与身体其他部位相比,脚部的运动模式在实验的各个阶段变化最为显著。

"这一发现意义重大,因为人工智能系统没有被告知任何有关实验的信息,也不知道婴儿身体的哪个部位与手机相连。 "这项研究的共同作者、佛罗里达大西洋大学复杂系统与脑科学中心的格伦伍德-克里奇和玛莎-克里奇科学杰出学者斯科特-凯尔索(Scott Kelso)博士说:"这表明,脚--作为终端效应器--受与手机互动的影响最大。换句话说,婴儿与环境连接的方式在与世界的接触点上影响最大。 在这里,这是'脚先行'。"

2D-CapsNet 模型在分析脚部运动时的准确率达到了 86%,并且能够捕捉到运动过程中不同身体部位之间的详细关系。 在所有测试方法中,脚部运动的准确率一直最高,比手部、膝盖或全身运动的准确率高出约 20%。

"我们发现,与有机会控制手机之前相比,婴儿在断开与手机的连接后进行了更多的探索。 似乎失去控制手机的能力让他们更渴望与世界互动,以找到重新连接的方法,"共同作者、佛罗里达大西洋大学复杂系统与脑科学中心博士后研究科学家 Aliza Sloan 博士说。"然而,一些婴儿在断开连接阶段表现出的运动模式包含了他们之前与手机互动的暗示。 这表明,只有某些婴儿能够很好地理解他们与手机之间的关系,从而保持这些运动模式,期望即使在断开连接后,他们仍能从手机中产生反应。"

研究人员说,如果在断开连接期间婴儿动作的准确性仍然很高,这可能表明婴儿在之前的互动中学到了一些东西。 不过,不同类型的动作可能意味着婴儿发现了不同的东西。

合著者、脑科学中心成员南希-亚伦-琼斯(Nancy Aaron Jones)博士说:"需要注意的是,研究婴儿比研究成人更具挑战性,因为婴儿无法进行语言交流。成年人可以听从指令并解释自己的行为,而婴儿却做不到。 这正是人工智能可以提供帮助的地方。 人工智能可以帮助研究人员分析婴儿动作的细微变化,甚至是他们的静止状态,让我们了解他们是如何思考和学习的,甚至在他们会说话之前。 他们的动作还能帮助我们理解婴儿成长过程中出现的巨大个体差异。"

观察每个婴儿的人工智能分类准确性是如何变化的,为研究人员提供了一种新的方法来了解婴儿何时以及如何开始与世界接触。

"过去的人工智能方法主要侧重于对与临床结果相关的自发运动进行分类,而将基于理论的实验与人工智能相结合,将帮助我们更好地评估与婴儿特定环境相关的婴儿行为,"凯尔索说。"这可以改善我们识别风险、诊断和治疗疾病的方式。"

编译自/SciTechDaily

查看评论
created by ceallan