AI открива модели на аутистичен говор на различни езици

Резюме: Алгоритмите за машинно обучение помагат на изследователите да идентифицират модели на реч при деца от аутистичния спектър, които са последователни между различните езици.

източник: Северозападен университет

Ново проучване, ръководено от изследователи от Северозападния университет, използва машинно обучение – клон на изкуствения интелект – за идентифициране на модели на говор при деца с аутизъм, които са последователни между английски и кантонски, което предполага, че характеристиките на говора могат да бъдат полезен инструмент за диагностициране на състоянието.

Проведено със сътрудници в Хонконг, проучването даде прозрения, които биха могли да помогнат на учените да разграничат генетичните и екологичните фактори, които оформят комуникационните способности на хората с аутизъм, което може да им помогне да научат повече за произхода на състоянието и да разработят нови лечения.

Децата с аутизъм често говорят по-бавно от обикновено развиващите се деца и показват други разлики в тона, височината и ритъма. Но тези различия (които изследователите наричат ​​„случайни различия“) са изненадващо трудни за характеризиране по последователен и обективен начин и произходът им остава неясен от десетилетия.

Въпреки това, екип от изследователи, ръководен от северозападните учени Моли Лоуч и Джоузеф Си Й. Лау, заедно с базирания в Хонконг сътрудник Патрик Вонг и неговия екип, успешно използваха контролирано машинно обучение, за да идентифицират разликите в говора, свързани с аутизма.

Данните, използвани за обучение на алгоритъма, бяха записи на млади мъже, говорещи английски и кантонски със и без аутизъм, разказващи собствена версия на сценария в детска книжка с картинки, наречена „Жабо, къде си?“

Резултатите бяха публикувани в списанието ПЛЮС ЕДНО На 8 юни 2022г.

Лоуч, Джо-Ан Дж. Питър Ф. Доли е професор по затруднения в обучението в Северозападния университет.

„Но също така интересна е дисперсията, която наблюдавахме, което може да показва по-плавни речеви характеристики, които потенциално биха били добри цели за интервенция.“

Лау добави, че използването на машинно обучение за идентифициране на ключови елементи на речта, които са предсказващи аутизма, е важна стъпка напред за изследователите, които са били ограничени от английското пристрастие в изследванията на аутизма и човешката субективност, когато става въпрос за класифициране на различията в говора. между аутист и неаутист.

„Използвайки този метод, успяхме да идентифицираме речеви черти, които могат да предскажат диагноза аутизъм“, каза Лау, постдокторант, работещ с Лоуч в отдела за комуникационни науки и разстройства на Рокслин и Ричард Пепър в Northwestern.

„Най-забележителната от тези характеристики е ритъмът. Надяваме се, че това проучване ще бъде основа за бъдеща работа върху аутизма, който подобрява машинното обучение.“

Изследователите вярват, че тяхната работа има потенциал да допринесе за по-добро разбиране на аутизма. Лау каза, че AI има потенциала да улесни диагностицирането на аутизма, като помага за намаляване на тежестта върху здравните специалисти, правейки диагнозата на аутизма по-достъпна за повече хора. Той също така може да предостави инструмент, който един ден може да надхвърли културите, поради способността на компютъра да анализира думи и звуци по количествен начин, независимо от езика.

Тъй като характеристиките на речта, идентифицирани чрез машинно обучение, включват както характеристики, общи за английски, кантонски, така и тези, специфични за един език, каза Лох, машинното обучение може да бъде полезно за разработване на инструменти, които не само идентифицират аспекти на речта, подходящи за терапевтични интервенции, но също така измерват въздействието на тези интервенции чрез оценка на напредъка на говорещия във времето.

И накрая, констатациите на изследването биха могли да помогнат за усилията за идентифициране и разбиране на ролята на специфични гени и механизми за обработка на мозъка, участващи в генетичната предразположеност към аутизъм, казаха авторите. В крайна сметка целта им е да формират по-пълна картина на факторите, които изграждат хората с аутистични говорни различия.

„Една от участващите мозъчни мрежи е слуховият път на подкортикално ниво, който е тясно свързан с разликите в начина, по който звуците на речта се обработват в мозъка от хора с аутизъм в сравнение с тези, които обикновено се развиват в различните култури“, каза Лау.

Следващата стъпка ще бъде да се определи дали тези различия в обработката в мозъка водят до поведенческите речеви модели, които наблюдаваме тук, и неврогенетиката, лежаща в основата им. Ние сме развълнувани от това, което предстои.“

Вижте също

Относно тази изследователска новина за AI и ASD

автор: Макс Уитински
източник: Северозападен университет
контакт: Макс Витински – Северозападен университет
снимка: Изображението е публично достояние

оригинално търсене: свободен достъп.
„Междулингвистични модели на разлики в говора при аутизъм: изследване за машинно обучениеНаписано от Joseph C. Y. Lau et al. ПЛЮС ЕДНО

Резюме

Междулингвистични модели на разлики в говора при аутизъм: изследване за машинно обучение

Разликите в представянето на речта са широко наблюдавана характеристика на разстройството от аутистичния спектър (ASD). Въпреки това, не е ясно как стереотипните различия в ASD между различните езици показват междуезикова вариация в представянето.

Използвайки подхода за контролирано машинно обучение, ние изследвахме вокални характеристики, свързани с ритмичните и тонални аспекти на изпълненията, получени от наративни образци, получени на английски и кантонски, два езика, които обикновено са различни и епизодични.

Нашите модели разкриха успешна класификация на диагнозата на ASD, използвайки относителни характеристики на ритъма в и между двата езика. Класификацията с характеристики, свързани с интонацията, беше важна за английския, но не и за кантонски.

Резултатите подчертават разликите в темпото като основна епизодична характеристика, засегната от аутизма, и също така илюстрират важно разнообразие от други общи характеристики, които изглежда са оформени от специфични за езика различия, като интонацията.