EngageME: Otizm Terapisi için Kişiselleştirilmiş Makine Öğrenmesi

Otizm Spektrum Bozukluğu (OSB), bugün dünya genelinde her 160 çocuktan birini etkilemektedir. OSB’li çocuklar, sosyal iletişim ve etkileşimlerde, kısıtlı ve tekrarlayıcı davranışlarda sürekli sorunlar yaşamaktadır. Bu sorunlar, kendi sosyo-duygusal yaşamları ve ailelerinin yaşamları için de ciddi zorluklar oluşturmakta. OSB’li çocukların sosyal becerilerini geliştirmelerine yardımcı olan, farklı tipte birçok otizm terapisi var.

Son zamanlarda, sosyal robotlar tedavi sırasında oynanan interaktif oyunlarda kullanılmakta. Bunun sebebi belki de, OSB’li çocukların onları, insan benzeri oldukları halde öngörülebilirlikleri ve tehditkar olmayan doğaları nedeniyle eğlenceli ve ilgi çekici bulmalarındandır. Bununla birlikte, bir sosyal robot ve bir çocuk arasında doğala yakın etkileşimi mümkün kılmak için, bu robotların, çocuğun davranışsal ipuçlarını öğrenmelerine ve tanımalarına, daha doğal ve ilgi çekici bir şekilde yanıt vermelerine olanak tanıyan bir tür sosyo-duygusal zeka ile donatılmış olmaları gerekir.

EngageME, OSB’li çocuklar için otizm tedavisinde insansı robotların (örneğin NAO) kullanımını araştırmaktadır. Bu teknoloji, derin öğrenmeyi temel alarak, etki ve katılımın otomatik ölçümü için kişiselleştirilmiş ve kültüre uyarlanmış modeller getiriyor. EngageMe’de, her çocuğun gerçek dünya terapi seansları sırasında kaydedilmiş çok modlu davranışsal ipuçlarını (yüz ifadeleri, baş pozisyonu, ses tonu, vokalizasyonlar, vücut ısısı, kalp atışı ve cilt iletimi dahil biyo-işaretler) analiz etmek için en gelişmiş veri işleme araçları kullanıldı. Bunlar, insan uzmanları tarafından sağlanan etki ve etkileşim puanlarıyla eşleştirildi ve robot algısı için kişiselleştirilmiş derin modelleri eğitmek için kullanıldı. Son olarak, bu modeller terapi seanslarından elde edilen yeni veriler üzerinde test edildi.

EngageME, otizm terapisi bağlamında, otizmli çocuklar arasındaki kültürel ve bireysel farklılıkları hesaba katarak, çocukların duygulanımlarını ve etkileşimlerini otomatik olarak yorumlayabilen bir robot algılama modülünün tasarlanması için, veri odaklı makine öğreniminin kullanıldığı ilk çalışmadır.

Bu çalışma Haziran 2018’de Science Robotics‘te yayınlandı.

Kaynak: MIT Media Lab