自闭症婴幼儿在干预治疗中所表现的行为特征进行建模, 比如眼神的交互, 视线变化, 面部情绪, 肢体语言等, 经过自身积累的大规模分类数据的训练, 已经可以成功融合识别出自闭症婴幼儿在干预治疗训练中的一些细微的, 具有积极意义的变化, 而这些变化常常容易被忽视掉. 通过对比之前的历史档案数据, 可以准确反映出患者的每一个干预治疗项目的干预成效. 这个过程完全基于数据和算法, 排除了人为的主观因素, 更客观, 也更准确实用.
以下为该平台负责人张之光对人工智能介入自闭症治疗未来发展的观点. 他认为, 人工智能在自闭症领域有七个维度, 目前在实现第四和第五个维度.
目前在医学领域, 我们没有有效的方法来预防和对抗自闭症, 目前实证科学有效的方法都是教育. 如果把自闭症儿童比喻成一部电脑的话, 那这部电脑天生没有键盘和显卡, 他们既不能很好地接受信息, 也不能很好地向外界反馈信息. 教育干预的方法就是重新帮助孩子和外界之间建立起有效的链接, 增加他们接收外界信息的效率, 并提升他们向外界反馈信息的能力.
从教育的角度来看, 自闭症的教育与普教最大的一点不同就是发育的不均衡性.
对于普教来说, 孩子发育的个体差异不足以影响成长的稳定性, 因此可以指定统一的教育计划, 来提高他们的能力. 但对于自闭症儿童来说, 他们存在广泛性发育障碍, 每个孩子的发育落后程度, 发育落后的侧重点都可能各不相同 , 因此针对于特殊儿童干预的难点就是教育的 "个别化", 要针对于每个自闭症儿童, 提供有针对性的, 个别化的干预计划, 并通过数据的不断记录和跟踪, 去迭代和优化孩子的干预计划, 实现康复的最短路径.
如果把自闭症干预的世界比喻成宇宙的 7 个维度, 那么起始点大概是在 50 多年前, 当时所有的特殊孩子都没有进行个别化干预计划, 自闭症的孩子多被认知为 "教养不当", 他们被统一安排在一个地方里, 统一安排生活起居, 谈不上干预.
第二个维度是波特奇计划 (PGEE) 的启动. 它是 1969 年由美国残障教育局主持开发的一套适用于 0- 6 岁儿童的早期教育教材, 1972 年问世. 波特奇计划把儿童早期出现的 6 个领域共 556 项行为表现, 确定为能代表儿童各个年龄阶段发育状态的目标行为, 这些目标行为既可以作为评价儿童发育是否正常的标准, 又可以成为对儿童进行教育训练的项目. 也就是说, PGEE 找到了一条符合儿童正常发育特点和规律的轨道, 特殊儿童也只有在这条轨道的干预下, 其发育状态才能控制偏离而趋于正常. 第二维度出现的重要标志是, 根据每个特殊孩子制定属于他自己的训练目标, 并对这些目标长期, 持续地练习.
有了目标, 但如何保证干预的效率? 如何确保每个目标孩子是掌握了, 还是熟练了? 如何判断孩子是否在保持进步?
为了解决这些问题, 自闭症干预发展出第三个维度, 就是 数据记录 . 针对于每个目标练习时孩子的表现, 行为分析师们增加了数据记录手段. 他们往往通过记录孩子的 "辅助等级" 以及 "通过率" 来表现孩子的练习状态, 判断孩子是否掌握了当下在学习的训练目标. 目前中国的一部分干预机构, 已经达到了这个阶段, 也就是说他们有能力为孩子制定行之有效的训练目标, 并通过数据记录跟踪孩子的训练状态.
但行为分析师们只能通过人工去记录孩子的训练情况, 这个效率是非常低下的, 一个训练有素的分析师往往只能记录几种典型的数据, 而且在记录复杂的数据 (例如孩子的问题行为发生次数) 时, 无法保证精度. 有些时候, 我们需要多个行为分析师去观察记录一个特殊儿童的数据, 来确保数据的可信度. 这就为自闭症干预带来了成本问题.
因此, 自闭症干预的第四个维度就是通过计算机去智能识别孩子的各种行为 . 比如, 我们可以通过眼动设备去识别孩子在干预过程中对老师的关注情况, 来判断干预工作对改善孩子的注意力是否是有效的. 我们可以通过行为捕捉技术去自动识别孩子问题行为: 有没有晃手, 有没有玩口水, 有没有自伤行为. 我们还可以利用声音识别技术判断每次孩子回应老师的平均时延. 这些数据都将更准确地 "还原" 自闭症儿童的训练状态, 来判断我们给孩子提供的干预课程是不是更行之有效, 孩子的行为分析师的工作是不是有做到位.
第五个维度是在能够采集越来越多不同行为的数据后, 计算机就可以更智能地学习历史经验, 为孩子的干预计划提供更行之有效的建议, 也就是建立更明智的干预策略. 计算机也可以在几次训练之后, 就预测出孩子未来可能达到的能力水平, 便于我们找到孩子康复的最短路径.
另外随着行为识别技术的不断成熟, 结合 AR 技术的广泛应用, 也会给自闭症儿童提供类似于眼镜和人工耳蜗式的帮助 . 比如当自闭症孩子上完厕所以后, 可佩戴的智能设备可以提示自闭症孩子洗手或者冲厕所, 来帮助他完成整个如厕流程; 当他遇到一个喜欢的姑娘但又不知道如何表达的时候, 智能设备可以告诉他如何进行一次行之有效的自我介绍. 当科技发展到那个阶段的时候, 这类应用会应声而来, 这就是第六个维度.
当自闭症干预的技术发展到第七个维度时, 就是对人工的彻底替代. 用仿生机器人也好, 用 VR 或 AR 技术也好, 我们不再需要繁重的人力来对自闭症儿童进行反复的训练, 自闭症的家庭也不必因此承担更高的成本, 但无论如何这都只会发生在很久以后.
对于 ALSOLIFE 来讲, 我们正在实现第四和第五个维度, ALSOLIFE 的人工智能团队可以识别孩子对老师的目光关注, 也在努力实现所有异常行为的自动识别. 我们认为, 在第六和第七个维度出现之前, 我们必将经历这些完整的阶段, 即建设一套行之有效的评估 / 干预系统, 建立一套智能准确的行为采集和识别的工具, 建立一套科学高效的干预数据平台.
来源: http://www.tuicool.com/articles/iaMFVrj