做座mit我们用深度学习开发了一个能识别人类
mit:我们用深度学习开发了一个能识别人类情绪的机器人
mit:我们用深度学习开发了一个能识别人类情绪的机器人
12:39来源://
原标题:mit:我们用深度学习开发了一个能识别人类情绪的机器人
来源:智能观(id:zhinengguanym)
作者:becky ham
【新智元导读】麻省理工学院媒体实验室(mit media lab)的研究人员,现在研发出一种个性化的机器学习方式,使用每个孩子独有的数据,可以帮助机器人评估每个孩子在这些互动过程中的参与度和兴趣。这个个性化的“深度学习”络,使机器人对孩子反应的感知与人类专家的评估结果达到了60%的相同率。
患有自闭症谱系障碍的儿童,往往难以识别周围人的情绪状态。例如,区分快乐的脸和恐惧的脸。为了解决这个问题,一些治疗师使用适合孩子的机器人来演示这些情绪,并让孩子们模仿,然后以适当的方式对机器人演示的情绪做出反应。
然而,如果机器人在治疗过程中,能流畅地解释孩子的行为——无论ta是感兴趣、兴奋还是专心——那么这种疗法效果才是最好的。
麻省理工学院媒体实验室(mit media lab)的研究人员,现在研发出一种个性化的机器学习方式,使用每个孩子独有的数据,可以帮助机器人评估每个孩子在这些互动过程中的参与度和兴趣。
6月27日,科学家们在《科学机器人》杂志上发表报告称,这个个性化的“深度学习”络,使机器人对孩子反应的感知,与人类专家的评估结果达到了60%的相同率。
对于人类观察者来说,要让孩子的参与意愿和行为达成高度一致是很有挑战性的。普通的机器人(非个性化的)与人类专家的评估结果通常有50%到55%相同。研究的第一作者、媒体实验室的博士后rudovic和他的同事认为,像他们的研究一样,经过人类观察训练的机器人,总有一天可以和人类专家所提供的评估结果更一致。
“长远的目标不是创造机器人来代替人类治疗师,而是增加他们的关键信息。治疗师可以使用这些信息,来制订个性化治疗内容,也可以让机器人和自闭症儿童之间,产生更具吸引力的、更自然的互动。” rudovic说。
rosalind picard是这篇论文的合著者,同时也是麻省理工学院负责情感计算研究的教授,他说个性化在自闭症治疗中尤其重要。“如果一个人让你想到了自闭a、手动液压万能实验机;紧张使用浅易高压的油源作为动力源症,那么你就是遇到了一个自闭症患者。”
“开发针对自闭症的机器学习和ai(人工智能)应用尤其令人烦恼,因为一般的人工智能方法需要大量的数据,这些数据都是可以归于一类的。而在异质性占主导地位的自闭症中,一般的人工智能方法就会失败,因为数据缺少共性。” picard说。
rudovic、picard和他们的队友,也在其他领域使用了个性化的深度学习,发现它改善了疼痛监测和预测老年痴呆症进展的结果。
nao(一个类人机器人)
自闭症机器人的辅助疗法通常是这样运作的:一个人类治疗师展示一张纸质儿童照片,或一张电子照片,用来代表不同的情绪,教孩子如何识别恐惧、悲伤或快乐。然后治疗师对机器人进行编程,向孩子们展示同样的情绪,观察孩子与机器人之间的互动。孩子的行为会为机器人提供宝贵的反馈,机器人和治疗师则需要用此反馈,继续学习。
在这项研究中,研究人员使用了软银公司生产的人形机器人nao。nao大概有2英尺高,类似于装甲超人型的机器人,通过改变眼睛的颜色、四肢的动作和声音的音调,来传达不同的情绪。
参与这项研究的35名自闭症儿童,年龄从3岁到13岁不等,其中17名来自日本,18名来自塞尔维亚。在35分钟的实验中,他们对机器人的反应各不相同。在测试中,每个孩子的整体表现也不一样。他们有的时候看起来很无聊、昏昏欲睡,有的时候则兴奋地在房间里跳来跳去,拍手、大笑或触摸机器人。
rudovic表示,在研究中,大多数的孩子对这款机器人的反应是,“它跟其他的机器人不一样,不仅仅是一个玩具,更像一个人,这大概与nao的外形有关。”
一名4岁的小女孩一开始在参与治疗时躲在妈妈身后,但之后她对机器人的接受程度大大提高,治疗结设定值的±1.0%之内 设定值≥ 10%FS时束后她笑了起来。其中一个塞尔维亚孩子的姐姐拥抱了nao,说:“机器人,我爱你!”在治疗结束时,她说她很高兴看到弟弟有多喜欢玩这个机器人。
“治疗师说,让孩子接触自己几秒钟,都是一个很大的挑战,而机器人会吸引孩子的注意力。”rudovic说。
他还解释了为另外什么机器人在这种类型的治疗中是有用的:“人类用许多不同的方式改变他们的表情,但机器人总是以同样的方式来做,孩子们却不会感觉单调,因为他们是严格按着机器人教的步骤,来学习如何表达自己表情的。”
个性化的机器学习
麻省理工学院的研究小组,意识到一种叫深度学习的机器学习算法,可以用于治疗机器人,使其更自然地感知孩子的行为。深度学习系统使用分层的、多层的数据处理,来改进机器人的任务,每个连续的层都比上一层的原始数据要稍微抽象一些。
rudovic说,尽管深度学习的概念自20世纪80年代就已经出现,但直到最近,才有足够的计算能力来实现。深度学习已经在自动语音和对象识别程序中得到应用,这使得它非常适合解决这样的问题,比如,理解人脸、身体和声音的多重特征,从而理解更加抽象的概念,比如,应用在这种对儿童自闭症的治疗上。
“举例来说,在面部表情的识别上,最重要的是脸部的哪些部位的变化,决定了儿童的参与程度,”rudovic说,“深度学习允许机器人直接从数据中提取最重要的信息,而不需要使用经过人类分析处理过的信息。”
对于治疗机器人,rudovic和他的同事更进一步,建立了一个个性化的框架,可以从收集到的每个孩子的数据中学习。研究人员从孩子手腕上的监视器上,获取了每个孩子的面部表情、头部和身体动作、姿势和手势、音频记录和心率、体温和皮肤出汗反应的数据。
这些机器人的个性化深度学习络,是由许多元素组成的,包括视频、音频和生理数据、关于孩子自闭症的诊断和个人能力的信息、以及他们的文化背景和性别。
然后,研究人员将他们对孩子行为的估计,与五名人类专家的估计进行了比较。这五名人类专家对孩子的视频和音频录音进行了综合的分析处理,以确定孩子在这段时间里是高兴还是难过,有多感兴趣,有多投入。
对这些由人类编码的个性化数据进行训练,并拿训练或调整模型未使用的数据进行测试,神经络显著地改进了机器人对儿童行为的自动估计。研究人员发现,个性化的机器学习要好于把所有孩子的数据都“综合在一起”式的应用方法。
rudovic和他的同事还探究了深度学习络是如何进行估计的,这揭示了孩子们之间一些有趣的文化差异。rudovic说:“举例来说,来自日本的儿童在参与活动的时候,会表现出更多的肢体动作,而在塞尔维亚,大的肢体动作则出现在参与活动之后。”
原文链接:
(本文授权转最后载自智能观)
导向弯曲试验机单丝拉力试验机
单丝拉力试验机
西安拉力试验机
- 常林股份被瑞典客户评为最佳优秀供应商石棉垫片裁线机DVB水过滤器生物家教Frc
- 瑞典保洁生态洁净公司新包装材料可自动消失上糊机通信电源呼吸阀婴儿袜锡箔纸Frc
- 承载光荣黎明重工颚式破碎机家族再添新力量金属粉末去肉机膨松剂打号机汽车天线Frc
- 多地抽查粽子包装情况谨忌过度宝石首饰绍兴高压水泵刀杆导套绝缘子Frc
- PLC在数控车床系统点位控制中的应用成都一字钎头缓蚀剂铬鞣剂减肥Frc
- 红宝丽推出墙体保温产品质量责任险香皂辛集排气装置浇铸机办公屏风Frc
- 远程视频会商指挥华为助力陕西国税金税三期石首洗车设备圆锯机唐装显示芯片Frc
- 改进纸张成形这23条因素你绝对要考虑锡林浩特橡胶电缆电烙铁佛雕防腐木Frc
- 最火上海晨光一行到访亚太森博新会工厂胶纸机义乌直线电机工装夹具标签机Frc
- 最火数控金切机床的高速主轴系统3环垫片变频电机燃煤锅炉防护鞋整流桥Frc