Článek
Rané chvíle mezi rodičem a dítětem vypadají navenek často obyčejně. Dítě se natáhne po hračce, vydá zvuk, na okamžik se podívá na dospělého nebo se pokusí sdílet zájem o předmět před sebou. Pro odborníky na vývoj řeči a komunikace ale právě tyto drobné okamžiky mohou mít velkou vypovídací hodnotu.
Výzkumníci ze Singapore University of Technology and Design se proto rozhodli ověřit, zda by podobné situace dokázala sledovat také umělá inteligence. Studie s názvem „Towards Aligning Multimodal LLMs with Human Experts: A Focus on Parent–Child Interaction“ se zaměřila na to, jestli multimodální jazykové modely dokážou zpracovat video, zvuk a text tak, aby se jejich pozorování přiblížilo práci zkušených specialistů na řeč a jazyk.
Hlavním tématem byla sdílená pozornost. Tedy moment, kdy dítě a dospělý věnují pozornost stejné věci a mezi oběma vzniká alespoň základní společné naladění. Může jít například o situaci, kdy dítě sleduje hračku, potom se obrátí k rodiči a následně se k hračce vrátí. Takové chování se objevuje už v raném věku a souvisí s rozvojem komunikace, řeči i sociálních dovedností.
Pro rodiče může podobný moment působit nenápadně. Pro logopedické a vývojové odborníky však může být jedním ze signálů, jak dítě navazuje kontakt, zda se snaží sdílet pozornost a jakým způsobem komunikuje s okolím.
Když AI popisuje, co vidí
Tým SUTD spolupracoval se třemi zkušenými odborníky na řečovou a jazykovou terapii. Vědci nejprve sledovali, podle čeho specialisté hodnotí interakce mezi rodičem a dítětem. Následně vytvořili postup pro AI, který se soustředil na tři konkrétní oblasti: směr pohledu dítěte, jeho činnost a hlasové projevy.
Umělá inteligence tedy neměla hned rozhodovat, zda je vývoj dítěte v pořádku, nebo ne. Prvním krokem bylo popsat pozorovatelné chování. Tedy zaznamenat, kam se dítě dívá, co dělá, kdy reaguje a kdy se ozývá.
V této části si systém vedl poměrně dobře. Podle autorů studie dosáhl při rozpoznávání behaviorálních vodítek, jako jsou pohledy, akce a vokalizace, zhruba 81procentní přesnosti. To znamená, že AI dokázala v řadě případů zachytit stejné projevy, kterých by si všimli i odborníci.
Právě tady se ukazuje praktický přínos podobné technologie. Vyhodnocování nahrávek rodičovských interakcí je náročné na čas i soustředění. Specialista musí sledovat krátké úseky videa, vracet se k nim a zapisovat konkrétní projevy. AI by mohla tuto část práce urychlit tím, že připraví strukturovaný záznam a upozorní na místa, která si zaslouží pozornost.
Asistent profesor Kenny Choo ze SUTD připomíná, že vývojová opoždění se odhadují u 10 až 15 procent předškolních dětí a potíže s řečí patří mezi nejčastěji viditelné rané problémy. Dostupnost odborného posouzení je však omezená, čekací doby bývají dlouhé a ne všechny rodiny se k pomoci dostanou včas.
Rozhodující výklad zůstává na člověku
Výsledky se výrazně změnily ve chvíli, kdy měl systém přejít od pozorování k odbornému hodnocení. AI dokázala poměrně dobře popsat, co se na záznamu děje, ale mnohem hůře určovala kvalitu sdílené pozornosti. Jinými slovy, rozdíl nebyl v tom, zda dítě udělalo určitý pohyb nebo vydalo zvuk, ale v tom, jaký význam tomu připsat.
Zajímavé je, že stejný problém se netýkal pouze stroje. Výzkumníci zjistili, že ani zkušení odborníci nemusí vždy vykládat jednu situaci stejně. Často se shodnou na tom, co viděli, ale liší se v tom, čemu přikládají největší váhu. Jeden expert může sledovat hlavně oční kontakt, druhý emoční zapojení dítěte a třetí komunikační záměr, i když je vyjádřen méně obvyklým způsobem.
To je pro vývoj AI v oblasti zdravotnictví a vývojové péče důležitá zpráva. Ne vždy existuje jediná správná odpověď, kterou by se model mohl jednoduše naučit. Posouzení dítěte není jen mechanické sčítání projevů. Vyžaduje zkušenost, znalost kontextu a schopnost chápat, že stejné chování může u různých dětí znamenat něco jiného.
Podle autorů studie by proto AI neměla v této oblasti vystupovat jako náhrada odborníka. Smysl dává spíše jako podpůrný nástroj. Mohla by například vytvořit časovou osu videa, označit okamžiky, kdy dítě mění směr pohledu, reaguje na rodiče, sahá po předmětu nebo se hlasově zapojuje. Odborník by pak měl k dispozici lepší podklady, ale samotné hodnocení by zůstalo na něm.
Takový přístup by mohl pomoci i s dokumentací, která je u vývojových vyšetření časově náročná. Strukturované poznámky vytvořené AI by klinik mohl zkontrolovat, upravit a použít jako oporu při vlastním posouzení.
Vědci zároveň upozorňují, že rodičovské aplikace založené na podobné technologii by vyžadovaly další a mnohem rozsáhlejší testování. Nástroj určený odborníkům je něco jiného než systém, který by měl rodičům přímo naznačovat možné vývojové potíže.
Zdroj: Techxplore.com