AI-analyse van de bewegingen van baby's onthult belangrijke inzichten in de vroege ontwikkelingsfasen, wat het belang van voetbewegingen bij het leren benadrukt. Recente ontwikkelingen op het gebied van computers en kunstmatige intelligentie en nieuwe inzichten in het leren van kinderen suggereren dat machine- en deep learning-technieken kunnen worden gebruikt om te bestuderen hoe baby's overgaan van willekeurige verkennende bewegingen naar doelgerichte actie. Tot nu toe hebben de meeste onderzoeken zich geconcentreerd op de spontane bewegingen van baby's, waarbij onderscheid werd gemaakt tussen onrustig en niet-wiebelend gedrag.
Hoewel de vroege bewegingen van een baby onsamenhangend lijken, onthullen ze betekenisvolle patronen in de interactie van het kind met de omgeving. Het ontbreekt ons echter nog steeds aan inzicht in de manier waarop baby’s bewust omgaan met hun omgeving en de principes die hun doelgerichte acties sturen.
Om te onderzoeken hoe baby's doelbewust beginnen te handelen, voerden onderzoekers van de Florida Atlantic University en hun medewerkers een experiment met babymobieltjes uit, een ontwikkelingsonderzoekstechniek die sinds eind jaren zestig wordt gebruikt. In dit experiment werd een kleurrijke mobiele telefoon voorzichtig aan de voet van een baby vastgemaakt en bewogen wanneer de baby schopte, waardoor het gedrag van de baby werd gekoppeld aan wat hij zag. Deze opstelling helpt onderzoekers te begrijpen hoe baby's hun bewegingen controleren en hun vermogen ontdekken om hun omgeving te beïnvloeden.
In het onderzoek testten onderzoekers of hulpmiddelen voor kunstmatige intelligentie complexe veranderingen in de bewegingspatronen van baby's konden vastleggen. Bewegingen van baby's die worden gevolgd met behulp van het Vicon3D motion capture-systeem worden in verschillende typen ingedeeld: van spontane bewegingen tot reacties tijdens het bewegen. Door verschillende kunstmatige-intelligentietechnieken toe te passen, bestudeerden de onderzoekers welke methode het beste het subtiele gedrag van baby's in verschillende situaties vastlegde en hoe bewegingen zich in de loop van de tijd ontwikkelden.
De bevindingen, gepubliceerd in Scientific Reports, benadrukken kunstmatige intelligentie als een belangrijk hulpmiddel voor het begrijpen van de ontwikkeling en interacties van jonge kinderen. Zowel machine learning als deep learning-methoden classificeerden vijf seconden aan driedimensionale clips van babybewegingen nauwkeurig in verschillende fasen van het experiment. Van deze methoden presteert het deep learning-model 2D-CapsNet het beste. Belangrijk is dat voetbewegingen de hoogste nauwkeurigheid hadden van alle geteste methoden, wat betekent dat de bewegingspatronen van de voeten tijdens de verschillende fasen van het experiment het meest significant veranderden in vergelijking met andere delen van het lichaam.
"Deze bevinding is significant omdat het AI-systeem niets over het experiment werd verteld en niet wist welk deel van het lichaam van de baby met de telefoon was verbonden", aldus co-auteurs Glenwood Krich en Martha Krichko van het Center for Complex Systems and Brain Sciences van de Florida Atlantic University. Dr. Scott Kelso, Distinguished Scholar in Science, zei: "Dit suggereert dat de voeten - als eindeffectoren - het meest worden beïnvloed door interactie met de telefoon. Met andere woorden, de manier waarop de baby verbinding maakt met de omgeving wordt het meest beïnvloed op het punt van contact met de wereld. Hier zijn het 'voeten eerst'."
Het 2D-CapsNet-model behaalde een nauwkeurigheid van 86% bij het analyseren van voetbewegingen en kon de gedetailleerde relaties tussen verschillende lichaamsdelen tijdens beweging vastleggen. Voetbewegingen hadden consistent de hoogste nauwkeurigheid van alle geteste methoden, ongeveer 20% nauwkeuriger dan hand-, knie- of hele lichaamsbewegingen.
"We ontdekten dat baby's meer ontdekten nadat de verbinding met hun telefoon was verbroken dan voordat ze de mogelijkheid hadden om hun telefoon te bedienen. Het lijkt erop dat het verlies van de mogelijkheid om hun telefoon te bedienen ervoor zorgde dat ze meer met de wereld wilden communiceren om manieren te vinden om opnieuw verbinding te maken", zegt co-auteur Aliza Sloan, Ph.D., een postdoctoraal onderzoekswetenschapper bij het Center for Complex Systems and Brain Sciences van de Florida Atlantic University. "Sommige baby's vertoonden echter bewegingspatronen tijdens de ontkoppelingsfase die signalen bevatten van hun eerdere interacties met de telefoon. Dit suggereert dat slechts enkele baby's hun relatie met de telefoon goed genoeg begrijpen om deze bewegingspatronen vast te houden in de verwachting dat ze zelfs na het verbreken van de verbinding nog steeds reacties van de telefoon zullen genereren."
Als de nauwkeurigheid van de bewegingen van de baby hoog blijft tijdens het loskoppelen, kan dit erop wijzen dat de baby iets heeft geleerd tijdens de vorige interactie, aldus de onderzoekers. Verschillende soorten bewegingen kunnen er echter voor zorgen dat baby’s verschillende dingen ontdekken.
"Het is belangrijk op te merken dat het bestuderen van baby's een grotere uitdaging is dan het bestuderen van volwassenen, omdat baby's niet verbaal kunnen communiceren", zegt co-auteur Dr. Nancy Aaron Jones, lid van het Center for Brain Science. "Volwassenen kunnen instructies volgen en hun handelingen uitleggen, maar baby's niet. Dat is wat mensen doen. Dit is waar AI kan helpen. AI kan onderzoekers helpen subtiele veranderingen in de bewegingen van baby's te analyseren, zelfs in hun rusttoestand, om ons inzicht te geven in hoe ze denken en leren, zelfs voordat ze kunnen praten, en het kan ons helpen de enorme individuele verschillen te begrijpen die optreden als baby's groeien."
Door te observeren hoe de classificatienauwkeurigheid van de AI voor elk kind verandert, krijgen onderzoekers een nieuwe manier om te begrijpen wanneer en hoe baby's zich met de wereld gaan bezighouden.
"Eerdere AI-methoden waren vooral gericht op het classificeren van spontane bewegingen die correleren met klinische resultaten, en het combineren van op theorie gebaseerde experimenten met AI zal ons helpen het gedrag van baby's beter te beoordelen in relatie tot de specifieke omgeving van het kind", aldus Kelso. "Dit zou de manier kunnen verbeteren waarop we risico's identificeren, ziekten diagnosticeren en behandelen."
Samengesteld uit/SciTechDaily