某真人秀節(jié)目邀請演員戴嬌倩化身夢想使者，筑夢自閉癥兒童董凱潔，為其舉辦了個人鋼琴演奏會。幫助一名正常且有天賦的孩子舉辦鋼琴演奏會就不是一件簡單的事情，而董凱潔患有重度自閉癥，這場助夢之旅也顯得極其困難。自閉癥是指一般人士但卻突然無法再與他人溝通且具有極端孤立的精神分裂癥患者。那自閉癥可以早日被發(fā)現(xiàn)治療嗎？答案是極其可能。

AI算法解碼嬰兒大腦掃描 預測自閉癥

據(jù)IEEE Spectrum報道，22年前，研究人員首次報道稱，患有自閉癥譜系障礙的青少年大腦體積會增加。在隨后幾年中，對青少年、幼童的研究顯示，這種大腦“瘋長”現(xiàn)象主要出現(xiàn)在患者童年期間。現(xiàn)在，美國北加州大學的科研團隊發(fā)現(xiàn)，與自閉癥有關的大腦發(fā)育變化最小會出現(xiàn)在只有6個月大的嬰兒身上。深度學習算法能夠利用這些數(shù)據(jù)，預測某個孩子在24個月內(nèi)是否能被診斷出患有這種病。

在患自閉癥高危兒童中，這種算法能夠準確預測診斷，準確率高達81%。與行為問卷診斷方式相比，算法的表現(xiàn)顯然更好。前者產(chǎn)生的信息只能作為早期自閉癥診斷的依據(jù)，而且準確率只有50%。北加州大學心理學家和大腦發(fā)育研究員海瑟·黑茲利特(Heather Hazlett)表示：“深度學習算法的表現(xiàn)超過傳統(tǒng)診斷方式，并且可被用于更小的孩子身上?！?

作為嬰兒大腦成像研究的一部分，美國國家衛(wèi)生院資助對自閉癥患者進行早期大腦發(fā)育研究，研究團隊共對106名嬰兒進行研究，他們的哥哥或姐姐都有自閉癥患者，其中42個嬰兒沒有自閉癥家族史。研究人員掃描了每個嬰兒的大腦，對于那些只有6個月、12個月以及24個月大的嬰兒來說，這項工作并不輕松。

在6到12個月的嬰兒身上，研究人員沒有看到他們的整體大腦發(fā)育情況發(fā)生變化。但在患自閉癥高危兒童中，且后來被診斷患有自閉癥的孩子身上，他們發(fā)現(xiàn)大腦表面積有明顯增長。這種增長與12個月到24個月大的嬰兒大腦體積增長有關。換言之，在自閉癥嬰兒身上，到12個月時，他們的大腦發(fā)育首先集中在表面積擴張上，到24個月時，才會出現(xiàn)大腦整體體積增大現(xiàn)象。

研究人員還對24個月大的嬰兒進行了行為評估。此時，這些孩子已經(jīng)足以展示出自閉癥患者的標志性行為，比如缺少社交性趣、語言能力發(fā)育延遲、重復身體動作等。研究人員注意到，大腦越是過度生長，孩子的自閉癥癥狀就越嚴重。盡管新發(fā)現(xiàn)證實了大腦變化與發(fā)生在嬰兒期的自閉癥有關，但研究人員依然未停止研究。

與北加州大學和查爾斯頓學院的計算機科學家合作，研究團隊開發(fā)出深度學習算法，并用大腦掃描圖訓練它，測試其是否能利用早期大腦變化數(shù)據(jù)，預測哪些嬰兒后期可被診斷出自閉癥。這種算法的表現(xiàn)非常好，只利用3個變量，即大腦表面積、大腦體積以及性別(男孩更有可能患上自閉癥)，算法就可以準確預測出4/5的自閉癥案例。黑茲利特表示：“這已經(jīng)相當棒，比行為工具好得多！”

為了訓練算法，研究團隊最初只用一半數(shù)據(jù)對其進行訓練，并利用另一半數(shù)據(jù)進行測試。但是應審查人員的要求，他們后來利用更標準的10倍分析法，即將數(shù)據(jù)平均分成10等份。機器學習算法需要對每份數(shù)據(jù)進行10次分析，其中9次進行訓練，第十次用于測試。最后，算法從10輪分析中收集“測試結果”，并利用它們進行預測。

令人欣慰的是，這兩種分析方法都顯示出基本相同的結果。研究人員對預測的準確率相當滿意。查爾斯頓學院的助理教授布倫特·蒙塞爾(Brent Munsell)說：“當更多主題被添加時，我們預期算法可提供相同的預測準確度?？偟膩碚f，在過去幾年中，被應用于圖形數(shù)據(jù)中的深度學習算法已被證明非常準確?！?

但是黑茲利特強調(diào)，在看到計算機診斷自閉癥之前，我們需要能夠再現(xiàn)實驗結果。這需要些時間，因為它非常困難，而獲得嬰兒大腦掃描圖并進行復制測試非常昂貴。當然，如此昂貴的診斷測試并不一定適合所有孩子。但是通過基因測試或其他檢測，發(fā)現(xiàn)某個孩子存在患自閉癥的可能，這種算法有助于確認導致他們陷入更大危險的大腦變化情況。

使用機器人教育自閉癥兒童

廣東21歲女代課教師在特殊教育學校任職，其弟弟患有自閉癥，也跟隨其在學校念書。幾個月之后，姐姐失業(yè)沒錢，弟弟也沒法念書，不能接受治療。如果有“人”能低價持續(xù)地照顧弟弟，或許姐姐的負擔就沒有那么重了。

赫芬頓郵報去年曾報道過一款能夠照料孩子的機器人。這臺機器人名為“NAO”，能夠觀察兒童的心情，認識其家庭成員，甚至理解其食物和音樂喜好。

以NAO為代表的護理機器人越來越多，其中就包括麻省理工學院研發(fā)的一款名為“Huggable”的泰迪熊機器人。后者旨在向患慢性疾病的兒童提供支持和撫慰，同時幫助醫(yī)生監(jiān)測小孩子的各種生命體征。

教學機器人

現(xiàn)在，一些機器人能夠在陪伴中提供教學職能。比如哈佛大學一個團隊開發(fā)了一個名為“Root”的機器人，旨在激發(fā)和吸引年輕人對編程的興趣?！艾F(xiàn)階段在鍵盤上編程是困難的。這是一個抽象的過程，與現(xiàn)實世界沒有聯(lián)系。”團隊說?！癛oot機器人以一種富有樂趣和平易近人的方式把代碼帶入生活。沒有編程經(jīng)驗的兒童可在幾分鐘內(nèi)上手對機器人進行編程。”

在另外一個類似的項目中，倫敦帝國理工學院的研究人員正在開發(fā)機器人來幫助自閉癥兒童進行學習。

自閉癥教學

據(jù)調(diào)查，平均每一百人中就有一個受到自閉癥譜系障礙(ASD)困擾。自閉癥影響人們的社會交際、興趣和行為。迄今為止的自閉癥教學主要圍繞在幫助孩子們表達他們的情緒，同時理解他人的感情。

有時這種方式實行起來非常困難，容易引起孩子對參與的反感，進而逃避與他人接觸。鑒于此，為了尋找更好教育方式，研究人員開始了一個為期四年名為“DeEnigma”的項目。旨在探索是否可以通過機器人提供有趣的方式來幫助自閉兒童學習情緒。

“自閉癥以不同的方式影響人。很多人在情緒的理解和表達上有困難，他們往往傾向于關閉他們不明白的情緒。我們要做的是幫助他們了解人們?nèi)绾蝹鬟_彼此的情緒，使其明白人類之間的交互并非那么混亂不堪。這就是我們自認為項目的重要性所在?！毖芯咳藛T說。

如何運行

機器人結合多種不同的方法，包括音頻和視覺技術、面部識別，甚至還有AI。它可以監(jiān)測孩子的聲音和視覺反饋。

通過這些技術，Zeno機器人能夠在一定程度上自發(fā)地與孩子互動，提供一個強大的教學環(huán)境。

“看到Zero機器人使用我們的技術參與到自閉癥兒童生活中去令人驚喜。孩子們絕對喜歡機器人。看到機器人時，他們面露喜色。比如有一對父母反饋說，他們六歲患有低語自閉癥的孩子在表達對再見到Zero的期待時第一次開口說話。這真是令人驚喜的消息?！毖芯繄F隊說。

此前并無利用機器人與兒童進行實時交流的研究，該項目被認為是業(yè)界首例。自發(fā)性讓每個孩子的學習過程充滿樂趣和令人興奮，團隊相信這對有效教學至關重要。

最終團隊希望能夠向全國的專門學校提供機器人，幫助自閉癥兒童學習主要社交技能。研究人員也希望自己的工作以及工作中所收集的數(shù)據(jù)能夠為歐洲其他國家的工作提供指導。