Kinder mit Autismus-Spektrum-Erkrankungen haben oft Schwierigkeiten, die emotionalen Zustände der Menschen um sie herum zu erkennen, und haben zum Beispiel Schwierigkeiten, ein glückliches Gesicht von einem traurigen zu unterscheiden. Jetzt haben Forscher vom MIT eine auf Deep Learning basierende Methode entwickelt, um autistischen Kindern beizubringen, wie sie Emotionen effektiver lesen können, indem sie Daten verwenden, die für jedes einzelne Kind einzigartig sind.
Die Forscher verwendeten SoftBank Robotics NAO, einen fast 60 cm großen humanoiden Roboter. NAO kann verschiedene Emotionen vermitteln, indem es die Farbe seiner Augen, die Bewegung seiner Gliedmaßen und den Ton seiner Stimme ändert. Der Roboter interagierte mit 35 Kindern im Alter von 3 bis 13 Jahren und bewertete ihre Reaktionen auf die Darstellung verschiedener Emotionen wie Glück, Wut und Angst.
Dabei nahm das Team Videos der Gesichtsausdrücke, Kopf- und Körperbewegungen und Gesten jedes Kindes auf und zeichnete Daten zu Herzfrequenz und Körpertemperatur auf. Anschließend speisten sie diese Daten in ein Deep-Learning-System ein, das das Verhalten und Engagement der Kinder analysierte.
Sie fanden heraus, dass das Deep-Learning-System in 60 Prozent der Fälle mit den Analysen von fünf menschlichen Experten übereinstimmte. Typischerweise sind sich menschliche Experten in etwa 50 % der Fälle einig.
„Das langfristige Ziel ist nicht, Roboter zu schaffen, die menschliche Therapeuten ersetzen, sondern sie mit Schlüsselinformationen anzureichern, die die Therapeuten verwenden können, um den Therapieinhalt zu personalisieren und auch ansprechendere und natürlichere Interaktionen zwischen den Robotern und Kindern mit Autismus zu ermöglichen. “, sagte Studienleiter Dr. Oggi Rudovic.
Was ist Deep Learning?
Deep Learning ist die Bezeichnung für Computerprogramme, die Netzwerke von Neuronen wie in unserem eigenen Gehirn simulieren. Sie sind stark vereinfacht und funktionieren nicht ganz so wie echte Neuronen, aber dennoch ermöglichen sie Computern zu lernen.
Folgen Sie Science Focus auf Twitter, Facebook, Instagram und Flipboard