Исследователи изучили, как младенцы действуют целенаправленно, прикрепив к их ногам красочный мобильный телефон и отслеживая движения с помощью системы захвата движения Vicon 3D. Источник: Флоридский Атлантический университет
Последние достижения в области вычислений и искусственного интеллекта, а также понимание обучения младенцев, предполагают, что методы машинного и глубокого обучения могут помочь нам изучить, как младенцы переходят от случайных исследовательских движений к целенаправленным действиям. Большинство исследований были сосредоточены на спонтанных движениях младенцев, различая беспокойное и не беспокойное поведение.
Хотя ранние движения могут показаться хаотичными, они выявляют значимые закономерности, когда младенцы взаимодействуют со своим окружением. Однако нам все еще не хватает понимания того, как младенцы намеренно взаимодействуют со своим окружением, и принципов, направляющих их целенаправленные действия.
Проводя эксперимент с детским мобилем, который использовался в исследованиях развития с конца 1960-х годов, исследователи и сотрудники Флоридского Атлантического университета исследовали, как младенцы начинают действовать целенаправленно. Эксперимент с детским мобилем использует красочный мобиль, аккуратно привязанный к ноге младенца. Когда ребенок пинается, мобиль движется, связывая его действия с тем, что он видит. Эта установка помогает исследователям понять, как младенцы контролируют свои движения, и обнаружить их способность влиять на свое окружение.
В этой новой работе исследователи проверили, могут ли инструменты ИИ улавливать сложные изменения в моделях движения младенцев. Движения младенцев, отслеживаемые с помощью системы захвата движения Vicon 3D, были классифицированы по разным типам — от спонтанных действий до реакций при движении мобильного устройства. Применяя различные методы ИИ, исследователи изучили, какие методы лучше всего улавливают нюансы поведения младенцев в разных ситуациях и как движения развивались с течением времени.
Результаты исследования опубликованы в Scientific Reports, подчеркивают, что ИИ является ценным инструментом для понимания раннего развития и взаимодействия младенцев. Как машинные, так и методы глубокого обучения точно классифицировали пятисекундные клипы движений младенцев в 3D как относящиеся к разным этапам эксперимента.
Среди этих методов модель глубокого обучения 2D-CapsNet показала наилучшие результаты. Важно отметить, что для всех протестированных методов движения стоп имели самые высокие показатели точности, что означает, что по сравнению с другими частями тела паттерны движений стоп наиболее резко менялись на разных этапах эксперимента.
«Это открытие имеет важное значение, поскольку системам искусственного интеллекта ничего не сообщалось об эксперименте или о том, какая часть тела младенца была подключена к мобильному устройству. Это показывает, что стопы — как конечные эффекторы — больше всего подвержены влиянию взаимодействия с мобильным устройством», — сказал Скотт Келсо, доктор философии, соавтор и выдающийся научный сотрудник Гленвуда и Марты Крич в Центре сложных систем и наук о мозге в Научном колледже Чарльза Э. Шмидта FAU.
«Другими словами, то, как младенцы взаимодействуют со своим окружением, оказывает наибольшее влияние на точки контакта с миром. Здесь это было «сначала ноги».
(a) Схема маркера младенца. (b) Младенец в кроватке с мобильным устройством сверху. 3D-реконструкция маркеров накладывается поверх видеозаписи. Все цветные линии представляют виртуальный скелет отслеживаемого «детского мобильного объекта». Цветные точки — это отражающие маркеры. (c) 3D-изображение другого младенца без видеопотока. Кредит: Scientific Reports (2024). DOI: 10.1038/s41598-024-66312-6
Модель 2D-CapsNet достигла точности 86% при анализе движений стопы и смогла зафиксировать подробные взаимосвязи между различными частями тела во время движения. Во всех протестированных методах движения стопы неизменно демонстрировали самые высокие показатели точности — примерно на 20% выше, чем движения рук, коленей или всего тела.
«Мы обнаружили, что младенцы больше исследовали после отключения от мобильного телефона, чем до того, как у них появилась возможность управлять им. Кажется, что потеря возможности управлять мобильным телефоном заставила их более охотно взаимодействовать с миром, чтобы найти способ восстановить связь», — сказала Ализа Слоан, доктор философии, соавтор и научный сотрудник-постдокторант в Центре сложных систем и наук о мозге FAU.
«Однако некоторые младенцы демонстрировали двигательные паттерны во время этой отключенной фазы, которые содержали намеки на их более раннее взаимодействие с мобильным устройством. Это говорит о том, что только некоторые младенцы понимали свои отношения с мобильным устройством достаточно хорошо, чтобы поддерживать эти двигательные паттерны, ожидая, что они все равно будут давать ответ от мобильного устройства даже после отключения».
Исследователи говорят, что если точность движений младенцев остается высокой во время отключения, это может указывать на то, что младенцы чему-то научились во время своих более ранних взаимодействий. Однако разные типы движений могут означать разные вещи с точки зрения того, что обнаружили младенцы.
«Важно отметить, что изучение младенцев сложнее, чем изучение взрослых, потому что младенцы не могут общаться вербально», — сказала Нэнси Аарон Джонс, доктор философии, соавтор, профессор кафедры психологии FAU, директор лаборатории FAU WAVES и член Центра сложных систем и наук о мозге в Научном колледже Чарльза Э. Шмидта.
«Взрослые могут следовать инструкциям и объяснять свои действия, а младенцы — нет. Вот где ИИ может помочь. ИИ может помочь исследователям анализировать тонкие изменения в движениях младенцев и даже их неподвижность, чтобы дать нам представление о том, как они думают и учатся, даже до того, как они научатся говорить. Их движения также могут помочь нам понять огромную степень индивидуальных различий, которые возникают по мере развития младенцев».
Изучение того, как точность классификации ИИ меняется для каждого младенца, дает исследователям новый способ понять, когда и как они начинают взаимодействовать с миром.
«В то время как прошлые методы ИИ в основном были сосредоточены на классификации спонтанных движений, связанных с клиническими результатами, объединение теоретически обоснованных экспериментов с ИИ поможет нам создать более качественные оценки поведения младенцев, которые будут соответствовать их конкретным контекстам», — сказал Келсо. «Это может улучшить то, как мы выявляем риски, диагностируем и лечим расстройства».
Соавторы исследования: первый автор Масуд Ходададзаде, доктор философии, ранее работавший в Университете Ольстера в Дерри, Северная Ирландия, а теперь в Университете Бедфордшира, Великобритания; и Дэмиен Койл, доктор философии, в Университете Бата, Соединенное Королевство.
Дополнительная информация: Массуд Ходададзаде и др., Искусственный интеллект обнаруживает осознание функциональной связи с окружающей средой у 3-месячных младенцев, Научные отчеты (2024). DOI: 10.1038/s41598-024-66312-6
Информация о журнале: Научные отчеты предоставлены Флоридским Атлантическим университетом
