요약: 머신 러닝 알고리즘은 연구자들이 다양한 언어 간에 일관된 자폐 스펙트럼에서 어린이의 언어 패턴을 식별하는 데 도움이 됩니다.

원천: 노스웨스턴 대학교

노스웨스턴 대학 연구원들이 주도한 새로운 연구는 인공 지능의 한 분야인 기계 학습을 사용하여 영어와 광둥어 간에 일치하는 자폐 아동의 언어 패턴을 식별하여 언어 기능이 상태를 진단하는 데 유용한 도구일 수 있음을 시사합니다.

홍콩의 협력자들과 함께 수행된 이 연구는 과학자들이 자폐증 환자의 의사소통 능력을 형성하는 유전적 요인과 환경적 요인을 구별하는 데 도움이 될 수 있는 통찰력을 제공하여 자폐증의 기원에 대해 더 많이 배우고 새로운 치료법을 개발하는 데 도움이 될 수 있습니다.

자폐증이 있는 어린이는 보통 발달 중인 어린이보다 말을 더 천천히 하며 어조, 음높이 및 리듬에서 다른 차이를 보입니다. 그러나 이러한 차이(연구원들이 “우연한 차이”라고 부름)는 일관되고 객관적인 방식으로 특성화하기가 놀라울 정도로 어려웠으며 그 기원은 수십 년 동안 불분명한 상태로 남아 있습니다.

그러나 노스웨스턴의 과학자인 Molly Loach와 Joseph C.Y. Lau가 이끄는 연구팀은 홍콩에 기반을 둔 공동 작업자 Patrick Wong과 그의 팀과 함께 지도 머신 러닝을 사용하여 자폐증과 관련된 언어 차이를 식별하는 데 성공했습니다.

알고리즘 훈련에 사용된 데이터는 “Frog, Where are you?”라는 단어 없는 어린이 그림책에서 자폐증이 있거나 없는 영어와 광둥어를 사용하는 젊은이의 스토리보드를 녹음한 것입니다.

결과는 저널에 게재되었습니다 하나 추가 2022년 6월 8일.

로치, 조앤 J. 피터 F. 돌리는 노스웨스턴 대학교의 학습 장애 교수입니다.

“그러나 또한 흥미로운 것은 우리가 관찰한 변동이며, 이는 잠재적으로 개입을 위한 좋은 목표가 될 수 있는 보다 유동적인 언어 기능을 나타낼 수 있습니다.”

Lau는 기계 학습을 사용하여 자폐증을 예측하는 언어의 핵심 요소를 식별하는 것은 언어 차이를 분류할 때 자폐증과 인간의 주관성 연구에서 영어 편향에 의해 제약을 받아온 연구자에게 중요한 진전이라고 덧붙였습니다. 자폐증과 비 자폐증 사이.

“이 방법을 사용하여 우리는 자폐증 진단을 예측할 수 있는 언어 특성을 식별할 수 있었습니다.”라고 Northwestern의 Roxlin 및 Richard Pepper 의사소통 과학 및 장애 부서에서 Loach와 함께 일하는 박사후 연구원인 Lau가 말했습니다.

“이들 중 가장 주목할만한 특징은 리듬입니다. 우리는 이 연구가 기계 학습을 향상시키는 자폐증에 대한 향후 연구의 기초가 되기를 바랍니다.”

연구자들은 그들의 연구가 자폐증에 대한 이해를 높이는 데 기여할 가능성이 있다고 믿습니다. Lau는 AI가 의료 전문가의 부담을 줄여 더 많은 사람들이 자폐 진단에 더 쉽게 접근할 수 있도록 하여 자폐 진단을 더 쉽게 만들 수 있는 잠재력이 있다고 말했습니다. 또한 언어와 상관없이 단어와 소리를 정량적으로 분석하는 컴퓨터의 능력으로 인해 언젠가는 문화를 초월할 수 있는 도구를 제공할 수도 있습니다.

기계 학습을 통해 식별된 음성의 특징에는 영어, 광둥어에 공통적인 특징과 한 언어에 특정한 특징이 모두 포함되어 있기 때문에 기계 학습은 치료 개입에 적합한 음성 측면을 식별할 뿐만 아니라 측정하는 도구를 개발하는 데 유용할 수 있다고 Loch는 말했습니다. 시간이 지남에 따라 발표자의 진행 상황을 평가하여 이러한 개입의 영향을 평가합니다.

마지막으로, 이 연구의 발견은 자폐증에 대한 유전적 감수성과 관련된 특정 유전자 및 뇌 처리 메커니즘의 역할을 식별하고 이해하려는 노력에 정보를 제공할 수 있다고 저자들은 말했습니다. 궁극적으로 그들의 목표는 자폐성 언어 차이를 가진 사람들을 구성하는 요인에 대한 보다 포괄적인 그림을 형성하는 것입니다.

“관련된 뇌 네트워크 중 하나는 피질하 수준의 청각 경로이며, 이는 문화 전반에 걸쳐 일반적으로 발달하는 것과 관련하여 자폐증이 있는 개인이 뇌에서 언어 소리를 처리하는 방식의 차이와 밀접한 관련이 있습니다.”라고 Lau가 말했습니다.

다음 단계는 뇌에서 처리하는 이러한 차이가 여기에서 관찰한 행동 언어 패턴과 그 기저에 깔린 신경 유전학으로 이어지는지 여부를 결정하는 것입니다. 우리는 앞으로 일어날 일에 대해 흥분하고 있습니다.”

또한보십시오

AI 및 ASD에 대한 이 연구 뉴스에 대해

작가: 맥스 위틴스키
원천: 노스웨스턴 대학교
연락하다: Max Wittinsky – 노스웨스턴 대학교
그림: 이미지는 공개 도메인에 있습니다.

원래 검색: 오픈 액세스.
“자폐증의 언어 간 언어 차이 패턴: 기계 학습 연구작성: Joseph C. Y. Lau et al. 하나 추가

요약

자폐증의 언어 간 언어 차이 패턴: 기계 학습 연구

언어 표현의 차이는 자폐 스펙트럼 장애(ASD)에서 널리 관찰되는 특징입니다. 그러나 다른 언어에 걸친 ASD의 고정 관념적 차이가 표현에서 언어 간 차이를 나타내는 방법은 불분명합니다.

감독된 기계 학습 접근 방식을 사용하여 일반적으로 독특하고 일시적인 두 가지 언어인 영어와 광둥어로 얻은 내러티브 샘플에서 파생된 공연의 리듬 및 음조 측면과 관련된 보컬 기능을 조사했습니다.

우리의 모델은 두 언어 내에서 그리고 두 언어에 걸쳐 리듬의 상대적 특징을 사용하여 ASD 진단의 성공적인 분류를 보여주었습니다. 억양과 관련된 특징으로 분류하는 것은 영어에서는 중요했지만 광동어에서는 중요하지 않았습니다.

이 발견은 자폐증의 영향을 받는 주요 일시적인 특징으로 템포의 차이를 강조하고 억양과 같은 언어별 차이에 의해 형성되는 것으로 보이는 다른 일반적인 특성의 중요한 다양성을 보여줍니다.