Los niños con afecciones del espectro autista a menudo tienen problemas para reconocer los estados emocionales de las personas que los rodean:distinguir una cara feliz de una cara temerosa, por ejemplo. Para remediar esto, algunos terapeutas usan un robot adecuado para niños para demostrar esas emociones y para involucrar a los niños en imitar las emociones y responder a ellas de manera apropiada.

Este tipo de terapia funciona mejor, sin embargo, si el robot puede interpretar sin problemas el propio comportamiento del niño, ya sea que esté interesado y emocionado o prestando atención, durante la terapia. Los investigadores del MIT Media Lab han desarrollado un tipo de aprendizaje automático personalizado que ayuda a los robots a estimar el compromiso y el interés de cada niño durante estas interacciones. utilizando datos que son exclusivos de ese niño.

Armados con esta red personalizada de "aprendizaje profundo", la percepción de los robots de las respuestas de los niños coincidió con las evaluaciones de expertos humanos, con una puntuación de correlación del 60 por ciento, los científicos informan el 27 de junio en Ciencia Robótica .

Puede ser un desafío para los observadores humanos alcanzar altos niveles de acuerdo sobre el compromiso y el comportamiento de un niño. Sus puntuaciones de correlación suelen estar entre el 50 y el 55 por ciento. Rudovic y sus colegas sugieren que los robots entrenados en observaciones humanas, como en este estudio, algún día podría proporcionar estimaciones más consistentes de estos comportamientos.

"El objetivo a largo plazo no es crear robots que sustituyan a los terapeutas humanos, pero para aumentarlos con información clave que los terapeutas pueden usar para personalizar el contenido de la terapia y también hacer interacciones más atractivas y naturalistas entre los robots y los niños con autismo, "explica Oggi Rudovic, un postdoctorado en el Media Lab y primer autor del estudio.

Rosalind Picard, coautor del artículo y profesor en el MIT que lidera la investigación en computación afectiva, dice que la personalización es especialmente importante en la terapia del autismo:un adagio famoso es, "Si ha conocido a una persona, con autismo, ha conocido a una persona con autismo ".

"El desafío de crear aprendizaje automático e IA [inteligencia artificial] que funcione en el autismo es particularmente molesto, porque los métodos habituales de IA requieren una gran cantidad de datos que son similares para cada categoría que se aprende. En el autismo donde reina la heterogeneidad, los enfoques normales de la IA fallan, "dice Picard. Rudovic, Picard, y sus compañeros de equipo también han estado utilizando el aprendizaje profundo personalizado en otras áreas, descubriendo que mejora los resultados para el control del dolor y para pronosticar la progresión de la enfermedad de Alzheimer.

Conociendo NAO

La terapia asistida por robot para el autismo a menudo funciona de la siguiente manera:un terapeuta humano le muestra a un niño fotografías o tarjetas de diferentes caras destinadas a representar diferentes emociones, para enseñarles a reconocer expresiones de miedo, tristeza, o alegría. Luego, el terapeuta programa el robot para que le muestre estas mismas emociones al niño, y observa al niño mientras interactúa con el robot. El comportamiento del niño proporciona información valiosa que el robot y el terapeuta necesitan para seguir adelante con la lección.

Los investigadores utilizaron robots humanoides SoftBank Robotics NAO en este estudio. Casi 2 pies de alto y se asemeja a un superhéroe blindado o un droide, NAO transmite diferentes emociones al cambiar el color de sus ojos, el movimiento de sus miembros, y el tono de su voz.

Los 35 niños con autismo que participaron en este estudio, 17 de Japón y 18 de Serbia, tenían entre 3 y 13 años. Reaccionaron de diversas formas a los robots durante sus sesiones de 35 minutos, desde parecer aburrido y somnoliento en algunos casos hasta saltar por la habitación con emoción, aplaudiendo, y reír o tocar el robot.

La mayoría de los niños del estudio reaccionaron al robot "no solo como un juguete, sino que se relacionaron con NAO con respeto, como si fuera una persona real, "especialmente durante la narración, donde los terapeutas preguntaron cómo se sentiría NAO si los niños llevaran el robot a un helado, según Rudovic.

Una niña de 4 años se escondió detrás de su madre mientras participaba en la sesión, pero se abrió mucho más al robot y terminó riendo al final de la terapia. La hermana de uno de los niños serbios le dio un abrazo a NAO y dijo "Robot, ¡Te amo! "Al final de una sesión, diciendo que estaba feliz de ver cuánto le gustaba a su hermano jugar con el robot.

"Los terapeutas dicen que involucrar al niño aunque sea por unos segundos puede ser un gran desafío para ellos, y los robots atraen la atención del niño, "dice Rudovic, explicando por qué los robots han sido útiles en este tipo de terapias. "También, los humanos cambian sus expresiones de muchas formas diferentes, pero los robots siempre lo hacen de la misma manera, y esto es menos frustrante para el niño porque el niño aprende de una manera muy estructurada cómo se mostrarán las expresiones ".

Aprendizaje automático personalizado

El equipo de investigación del MIT se dio cuenta de que un tipo de aprendizaje automático llamado aprendizaje profundo sería útil para los robots de terapia. percibir el comportamiento de los niños de forma más natural. Un sistema de aprendizaje profundo utiliza elementos jerárquicos, múltiples capas de procesamiento de datos para mejorar sus tareas, con cada capa sucesiva que asciende a una representación ligeramente más abstracta de los datos originales sin procesar.

Aunque el concepto de aprendizaje profundo existe desde la década de 1980, dice Rudovic, Solo recientemente ha habido suficiente potencia informática para implementar este tipo de inteligencia artificial. El aprendizaje profundo se ha utilizado en programas automáticos de reconocimiento de objetos y voz, haciéndolo adecuado para un problema como dar sentido a las múltiples características de la cara, cuerpo, y voz que ayudan a comprender un concepto más abstracto, como el compromiso de un niño.

"En el caso de las expresiones faciales, por ejemplo, ¿Qué partes de la cara son las más importantes para estimar el compromiso? ", dice Rudovic." El aprendizaje profundo permite al robot extraer directamente la información más importante de esos datos sin la necesidad de que los humanos creen manualmente esas características ". Para los robots de terapia , Rudovic y sus colegas llevaron la idea del aprendizaje profundo un paso más allá y crearon un marco personalizado que podía aprender de los datos recopilados sobre cada niño en particular. Los investigadores capturaron videos de las expresiones faciales de cada niño, movimientos de cabeza y cuerpo, poses y gestos, grabaciones de audio y datos sobre frecuencia cardíaca, temperatura corporal, y la respuesta del sudor de la piel de un monitor en la muñeca del niño.

Las redes personalizadas de aprendizaje profundo de los robots se crearon a partir de capas de estos videos, audio, y datos fisiológicos, información sobre el diagnóstico y las habilidades del autismo del niño, su cultura y su género. Luego, los investigadores compararon sus estimaciones del comportamiento de los niños con las estimaciones de cinco expertos humanos. quién codificó las grabaciones de video y audio de los niños en una escala continua para determinar cuán complacidos o molestos, que interesado y cuán comprometido parecía el niño durante la sesión.

Capacitado en estos datos personalizados codificados por humanos, y probado en datos no utilizados en el entrenamiento o ajuste de los modelos, las redes mejoraron significativamente la estimación automática del comportamiento del niño por parte del robot para la mayoría de los niños en el estudio, más allá de lo que se estimaría si la red combinara todos los datos de los niños en un enfoque de "talla única", los investigadores encontraron.

Rudovic y sus colegas también pudieron sondear cómo la red de aprendizaje profundo hizo sus estimaciones, que descubrió algunas diferencias culturales interesantes entre los niños. "Por ejemplo, los niños de Japón mostraron más movimientos corporales durante episodios de alto compromiso, mientras que en los serbios los grandes movimientos corporales se asociaron con episodios de desconexión, "Dice Rudovic.