Daugelis iš mūsų lengvai atpažįsta kitų žmonių veiduose išreikštas emocijas. Šypsena gali reikšti laimę, o susiraukimas – pyktį. Autistams dažnai sunkiau sekasi atlikti šią užduotį. Neaišku, kodėl. Tačiau nauji tyrimai, paskelbti birželio 15 žurnale „The Journal of Neuroscience” , atskleidžia vidinę smegenų veiklą ir siūlo atsakymą. Ir tai daroma pasitelkiant įrankį, kuris atveria naujus kelius mūsų galvose esančių skaičiavimų modeliavimui – dirbtinį intelektą.
Mokslininkai pirmiausia pasiūlė dvi smegenų sritis, kuriose gali slypėti skirtumai. Šoninėje primatų (taip pat ir žmogaus) smegenų dalyje esanti sritis, vadinama apatine laikinąja (IT) žieve, padeda atpažinti veidus. Tuo tarpu giliau esanti sritis, vadinama amigdala, gauna informaciją iš IT žievės ir kitų šaltinių ir padeda apdoroti emocijas.
MIT profesoriaus Jameso DiCarlo laboratorijos mokslininkas Kohitij Kar tikėjosi rasti atsakymą. (DiCarlo, Smegenų ir kognityvinių mokslų katedros profesorius Peteris de Florezas, yra McGoverno smegenų tyrimų instituto narys ir MIT Intelekto paieškų instituto direktorius)
Karas pradėjo nuo dviejų kitų tyrėjų pateiktų duomenų: Šuo Vangas (Shuo Wang) iš Vašingtono universiteto Sent Luise ir Ralfas Adolfas (Ralph Adolph Adolphs) iš Kaltecho. Vieno eksperimento metu jie rodė veidų atvaizdus suaugusiems autistams ir neurotipiniams kontroliniams asmenims. Vaizdai buvo sukurti naudojant programinę įrangą, kad būtų įvairūs – nuo bauginančių iki laimingų, o dalyviai greitai įvertino, ar veidai vaizduoja laimę. Lyginant su kontroline grupe, suaugusiems autistams reikėjo didesnio laimės lygio veiduose, kad jie juos įvertintų kaip laimingus.
Smegenų modeliavimas
Kar, kuris taip pat yra Smegenų, proto ir mašinų centro narys, išmoko dirbtinį neuronų tinklą – sudėtingą matematinę funkciją, įkvėptą smegenų architektūros – atlikti tą pačią užduotį. Tinklą sudarė vienetų sluoksniai, kurie maždaug priminė biologinius neuronus, apdorojančius vaizdinę informaciją. Šie sluoksniai apdoroja informaciją, kai ji pereina nuo įvesties vaizdo iki galutinio sprendimo, nurodančio tikimybę, kad veidas yra laimingas. Kar nustatė, kad tinklo elgesys labiau atitiko neurotipinių kontrolinių asmenų elgesį nei suaugusiųjų autistų.
Tinklas taip pat atliko dar dvi įdomias funkcijas. Pirma, Karas galėjo jį išskaidyti. Jis pašalino sluoksnius ir pakartotinai patikrino jo veikimą, matuodamas skirtumą tarp to, kaip gerai jis atitiko kontrolinių grupių ir kaip gerai atitiko autistiškų suaugusiųjų elgesį. Šis skirtumas buvo didžiausias, kai išvestis buvo pagrįsta paskutiniu tinklo sluoksniu. Ankstesni darbai parodė, kad šis sluoksnis tam tikrais atžvilgiais imituoja IT žievę, kuri yra netoli primatų smegenų ventralinio regos apdorojimo vamzdyno pabaigos. Kar’s rezultatai rodo, kad IT žievė yra susijusi su neurotipinių kontrolinių asmenų ir autizmu sergančių suaugusiųjų atskyrimu
Kita funkcija – tinklas gali būti naudojamas atrenkant vaizdus, kurie gali būti efektyvesni diagnozuojant autizmą. Jei skirtumas tarp to, kaip tiksliai tinklas atitinka neurotipines kontrolines grupes ir autistiškus suaugusiuosius, yra didesnis vertinant vieną vaizdų rinkinį, palyginti su kitu vaizdų rinkiniu, pirmasis rinkinys galėtų būti naudojamas klinikoje autistiškiems elgesio bruožams nustatyti. „Tai daug žadantys rezultatai”, – sako Kar. Bus sukurti geresni smegenų modeliai, „tačiau dažnai klinikoje mums nereikia laukti absoliučiai geriausio produkto.”
Toliau Karas įvertino smilkininės liaukos vaidmenį. Vėlgi jis naudojosi Wang ir kolegų duomenimis. Jie, naudodami elektrodus, įrašinėjo žmonių, kuriems buvo atlikta epilepsijos operacija, smilkininės liaukos neuronų aktyvumą, kai jie atlikdavo veido užduotį. Komanda nustatė, kad pagal šių neuronų aktyvumą jie galėjo nuspėti, kaip žmogus vertins savo veiksmus. Kar iš naujo išanalizavo duomenis, šį kartą kontroliuodama į IT žievę panašaus tinklo sluoksnio gebėjimą nuspėti, ar veidas iš tiesų yra laimingas. Dabar smilkininė liauka pati suteikė labai mažai informacijos. Karas daro išvadą, kad IT žievė yra varomoji jėga, lemianti smilkininės liaukos vaidmenį vertinant veido emocijas.
Triukšmingi tinklai
Galiausiai Karas išmoko atskirus neuroninius tinklus, kad šie atitiktų neurotipinių kontrolinių asmenų ir suaugusių autistų vertinimus. Jis nagrinėjo jungčių tarp baigiamųjų sluoksnių ir sprendimo mazgų stiprumą arba „svorius”. Suaugusiųjų autistų tinklo svoriai, tiek teigiami arba „sužadinamieji”, tiek neigiami arba „slopinamieji” svoriai, buvo silpnesni nei neurotipinių kontrolinių asmenų tinklo svoriai. Tai leidžia manyti, kad suaugusiųjų autistų sensoriniai nerviniai ryšiai gali būti triukšmingi arba neefektyvūs.
Norėdamas toliau tikrinti šioje srityje populiarią triukšmo hipotezę, Karas autistus modeliuojančio tinklo paskutinio sluoksnio aktyvumą papildė įvairaus lygio svyravimais. Tam tikrame diapazone pridėtas triukšmas labai padidino jo ir suaugusiųjų autistų veiklos panašumą. Pridėjus triukšmo į kontrolinį tinklą, jo panašumas į kontrolinių dalyvių tinklą padidėjo daug mažiau. Tai dar kartą leidžia manyti, kad autistų sensorinis suvokimas gali būti vadinamųjų „triukšmingų” smegenų rezultatas.
Skaičiavimo galia
Žvelgdamas į ateitį, Karas mato keletą regos apdorojimo kompiuterinių modelių panaudojimo būdų. Juos galima toliau tobulinti, keliant hipotezes, kurias mokslininkai galėtų patikrinti su gyvūnų modeliais. „Manau, kad veido emocijų atpažinimas yra tik ledkalnio viršūnė, – sako Karas. Jie taip pat gali būti naudojami diagnostiniam turiniui atrinkti ar net generuoti. Dirbtinis intelektas galėtų būti naudojamas tokiam turiniui, kaip filmai ir mokomoji medžiaga, kuris optimaliai įtrauktų autizmu sergančius vaikus ir suaugusiuosius, kurti. Būtų galima netgi koreguoti veido ir kitus svarbius pikselius, kuriuos autistai mato papildytosios realybės akiniuose – šį darbą Karas planuoja tęsti ateityje.
Galiausiai, sako Karas, šis darbas padeda patvirtinti kompiuterinių modelių, ypač vaizdus apdorojančių neuroninių tinklų, naudingumą. Jie formalizuoja hipotezes ir leidžia jas patikrinti. Ar vienas ar kitas modelis geriau atitinka elgesio duomenis? „Net jei šie modeliai labai nutolę nuo smegenų, juos galima falsifikuoti, o ne žmonėms tiesiog išgalvoti istorijas”, – sako jis. „Man tai yra galingesnė mokslo versija.”
