AI-modeller och plattformar

Neuronnätverksmodell ger insikt i autism-spektrumtillstånd

mm
Lägg till Unite.AI bland dina föredragna källor på Google

En grupp forskare vid Tohoku University har använt en neuronnätverksmodell som återger hjärnan på en dator för att få insikt i varför personer med autism-spektrumtillstånd har svårt att tolka ansiktsuttryck.

Forskningen publicerades i tidskriften Scientific Reports den 26 juli 2021.

Att känna igen olika känslor

Yuta Takahashi är medförfattare till artikeln.

“Människor känner igen olika känslor, såsom sorg och ilska, genom att titta på ansiktsuttryck. Men det är inte mycket som är känt om hur vi kommer att känna igen olika känslor baserat på visuell information från ansiktsuttryck”, sa Takahashi.

“Det är också inte klart vad som förändras i denna process som leder till att personer med autism-spektrumtillstånd har svårt att läsa ansiktsuttryck”, fortsatte Takahashi.

Prediktiv bearbetningsteori

Forskningsgruppen förlitade sig på den prediktiva bearbetningsteorin, som säger att hjärnan ständigt förutsäger nästa sensoriska stimulus. När förutsägelsen är fel, anpassar sig hjärnan, och sensorisk information som ansiktsuttryck hjälper till att minska förutsägningsfelet.

Den artificiella neuronnätverksmodellen som utvecklats av teamet använder den prediktiva bearbetningsteorin, och den kunde reproducera utvecklingsprocessen. Den gjorde detta genom att träna sig själv att förutsäga hur delar av ansiktet skulle röra sig i videor av ansiktsuttryck.

Nästa steg var att självorganisera känslokluster i neuronnätverksmodellens högre nivå neuronrum. Samtidigt visste modellen inte vilken känsla ansiktsuttrycket i videon motsvarade.

Modellen kunde också generalisera okända ansiktsuttryck som inte gavs i utbildningen, samt reproducera ansiktsdelrörelser medan den minskade förutsägningsfelet.

Bild: Yuta Takahashi, et al

Forskningsgruppen inducerade sedan avvikelser i neuronernas aktivitet under experiment, vilket hjälpte till att ge insikt i effekterna på inlärningsutveckling och kognitiva egenskaper. Experimenten visade att generaliseringsförmågan minskade i modellen där heterogenitet i aktivitet i neurala populationen minskades. Detta antydde att bildandet av känslokluster i högre nivå neuron inhiberades, och det ledde till att neuronnätverksmodellen hade en tendens att misslyckas med att identifiera känslan hos okända ansiktsuttryck, vilket också är ett symptom på autism-spektrumtillstånd.

Takahashi säger att studien visar att den prediktiva bearbetningsteorin kan förklara känsligenkänning från ansiktsuttryck med hjälp av en neuronnätverksmodell.

“Vi hoppas att ytterligare förstå processen genom vilken människor lär sig att känna igen känslor och de kognitiva egenskaperna hos personer med autism-spektrumtillstånd”, sa Takahashi. “Studien kommer att hjälpa till att utveckla lämpliga interventionsmetoder för personer som har svårt att identifiera känslor.”

Alex McFarland är en AI-journalist och författare som utforskar de senaste utvecklingarna inom artificiell intelligens. Han har samarbetat med många AI-startups och publikationer över hela världen.