高层速读
关键信息：MIT开发出一种个性化的机器学习方法，通过儿童与机器人的互动过程中获得的独特数据，来分析每个孩子的参与度和兴趣点，以便更高效地促进自闭症治疗。这些深度学习网络极大地改善了机器人对儿童行为的自动评估，与人类专家评估结果基本一致。
关键数据：参与这项研究的35名自闭症儿童，17名来自日本，18名来自塞尔维亚，年龄从3岁到13岁不等。
关键意义：深度学习的机器人对于辅助治疗是很有用的，可以更自然地感知孩子的行为，促进治疗效果的提升。
自闭症儿童看不懂你的表情，
传统治疗方法准确率低
患有自闭症的儿童通常很难识别周围人的情绪状态，例如，他们很难将一张快乐的脸和一张恐惧的脸区分开来。为了解决这个问题，一些治疗师使用儿童友好型机器人来展示这些情绪，并让孩子们模仿机器人的这些情绪，机器会以适当的方式回应他们，并且这种疗法效果目前是最好的。
机器人辅助治疗自闭症的方法通常是这样的：一个人类治疗师展示一张儿童不同情绪的照片，教他们如何识别恐惧、悲伤和喜悦等各种表情；然后，治疗师让机器人向孩子展示同样的情绪，并观察这个孩子与机器人的互动。
对于人类观察者来说，让孩子认真参与是很有挑战性的，Rudovic和他的同事们认为，接受人类观察训练的机器人，有一天可能会对儿童行为提供更精确的估计。“我们的长期目标不是创造出能取代人类治疗师的机器人，而是用关键信息来增强这些机器人的能力，使它们能够个性化治疗内容，并在机器人和自闭症儿童之间做出更吸引人的、自然的互动，”媒体实验室的博士后、该研究的第一作者Oggi Rudovic解释道。
论文的合著者、麻省理工学院教授Rosalind Picard说到：“个性化在自闭症治疗中尤其重要，但想使机器学习和人工智能在自闭症中起作用是有挑战的，因为训练人工智能需要大量的相似数据。”在自闭症中，异质性大量存在，因此正常的人工智能方法失败了。”
MIT研发个性化深度学习，
针对独特数据生成个性模型
MIT媒体实验室的研究人员已经开发出一种个性化的机器学习方法，可以帮助机器人在这些互动过程中，通过对孩子独一无二的数据来估计每个孩子的参与度和兴趣点，以便更高效地促进二者之间的互动和自闭症治疗。
科学家们在6月27日的科学机器人杂志上报告说，通过这种个性化的深度学习网络，机器人对儿童反应的感知与人类专家的评估基本一致。
麻省理工学院的研究团队意识到，深度学习的机器人对于辅助治疗是很有用的，可以更自然地感知孩子的行为，深度学习系统使用层次化的、多层的数据处理来改善任务结果。
Rudovic说，尽管自上世纪80年代以来，深度学习的概念一直存在，但直到最近，才有足够的计算能力来实现这种人工智能。深度学习可以理解脸部、身体和声音的多重特征，从而理解一个更抽象的概念，例如孩子的参与。
深度学习可以让机器人直接从数据中提取出最重要的信息，而不需要人类手工制作这些特征。对于治疗机器人来说，Rudovic和他的同事们进一步研究了深度学习的概念，并建立了一个个性化的框架，可以从每个孩子身上收集的数据中学习。
利用手腕上的监视器和拍摄的每个孩子的面部表情、头部和身体动作、音频以及心率、体温和皮肤汗液的数据，构成了孩子的参与度指标。这些机器人的个性化深度学习网络是由这些视频、音频和生理数据、关于孩子的自闭症诊断和能力、他们的文化和性别的信息组成的。
然后，研究人员将他们对儿童行为的估计与五名人类专家的估计进行了比较。这些专家将孩子的视频和音频记录进行了连续的编码，以确定孩子们在会议期间的表现是多么的高兴或沮丧，多么有兴趣，以及他们的参与度如何。研究人员发现，通过对这些由人类编码的个性化数据进行训练，深度学习网络极大地改善了机器人对儿童行为的自动评估，而不是通过“一刀切”的方法将所有儿童的数据综合起来。
Rudovic、Picard和他们的队友们也在其他领域使用了个性化深度学习，发现它能改善疼痛监测的结果，并预测阿阿兹海默症的进展。
自闭症治疗中常用的机器人：
软银NAO人形机器人
研究人员在研究中使用了日本软银机器人：NAO人形机器人，NAO有半米左右高，它通过改变眼睛的颜色、四肢动作和声音音调来传达不同的情感。
参与这项研究的35名自闭症儿童，17名来自日本，18名来自塞尔维亚，年龄从3岁到13岁不等，他们在35分钟的时间里对机器人做出了各种各样的反应，从无聊、困倦，到在房间里兴奋地跳来跳去、拍手、大笑和触摸机器人。
在互动过程中，大多数孩子对机器人的反应是“NAO不仅仅是一个玩具，而更像是一个真实的人”。
Rudovic和他的同事们也能够探究深度学习网络是如何做出计算的，同时也揭示了孩子们之间有趣的文化差异。“例如，日本的孩子在高参与度的时候表现出更多的身体动作，而在塞尔维亚人的身体活动中，他们的身体活动与脱离接触有关，”Rudovic说。
这项研究由日本的教育部、文化部、体育、科学和技术部等机构共同资助的。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
