استفاد الباحثون من الذكاء الاصطناعي لاستكشاف تعلم الرضع من خلال تحليل حركاتهم أثناء تجربة الموبيل، حيث أظهرت النتائج أن حركات الأقدام تلعب دورا رئيسيا في فهم تفاعلات الرضع مع بيئتهم. استخدم الباحثون نماذج ذكاء اصطناعي، خاصة نموذج 2D-CapsNet، لتمييز مراحل التطور لدى الرضع بشكل فعال.

تتواصل الأبحاث الحديثة في مجال الذكاء الاصطناعي مع تقدم فهمنا لعملية التعلم لدى الرضع، مما يفتح آفاقا جديدة لفهم كيف ينتقل الرضع من حركات استكشافية عشوائية إلى تصرفات هادفة، حتى الآن ركزت معظم الأبحاث على الحركات التلقائية للرضع، مميزة بين السلوكيات العصبية وغير العصبية.

تحليل حركات الأقدام لدى الرضع

استكشف الباحثون كيف يتصرف الرضع بشكل هادف من خلال ربط موبيل ملون بقدم الرضيع وتتبع حركاته باستخدام نظام قياس الحركة ثلاثي الأبعاد (Vicon). يساعد هذا الإعداد الباحثين في فهم كيفية سيطرة الرضع على حركاتهم واكتشاف قدرتهم على التأثير على محيطهم.

في الدراسة، تم اختبار ما إذا كانت أدوات الذكاء الاصطناعي يمكن أن تلتقط التغيرات المعقدة في أنماط حركة الرضع. تم تصنيف حركات الرضع، التي تم تتبعها باستخدام نظام قياس الحركة، إلى أنواع مختلفة، بدءا من الأفعال التلقائية إلى ردود الفعل عند تحرك الموبيل، من خلال تطبيق تقنيات الذكاء الاصطناعي المختلفة، درس الباحثون أي الطرق كانت الأفضل في التقاط التفاصيل الدقيقة لسلوك الرضع في سياقات مختلفة وكيف تطورت الحركات بمرور الوقت.

نتائج البحث واستخدام الذكاء الاصطناعي

أظهرت نتائج الدراسة، التي نُشرت في Scientific Reports، أن الذكاء الاصطناعي أداة قيمة لفهم التطور المبكر للرضع وتفاعلاتهم، تمكنت كل من طرق التعلم الآلي والتعلم العميق من تصنيف مقاطع الفيديو لمدة خمس ثوانٍ من حركات الرضع ثلاثية الأبعاد إلى مراحل مختلفة من التجربة. من بين هذه الطرق، كان نموذج التعلم العميق 2D-CapsNet هو الأكثر أداءً. من المهم أن نلاحظ أن حركات الأقدام كانت لها أعلى معدلات دقة، مما يعني أن أنماط حركات الأقدام تغيرت بشكل أكبر عبر مراحل التجربة مقارنة بأجزاء الجسم الأخرى.

قال سكوت كيلسو، دكتوراه، المؤلف المشارك وأستاذ متميز في العلوم في مركز الأنظمة المعقدة وعلوم الدماغ في كلية تشارلز إ. شميت للعلوم: "هذا الاكتشاف مهم لأن أنظمة الذكاء الاصطناعي لم تُعط أي معلومات حول التجربة أو أي جزء من جسم الرضيع كان متصلًا بالموبيل. ما يظهره ذلك هو أن الأقدام، بوصفها نقاط الاتصال النهائية، تأثرت أكثر بالتفاعل مع الموبيل."

تأثير الحركة على تعلم الرضع

حقق نموذج 2D-CapsNet دقة بلغت 86% عند تحليل حركات الأقدام، وكان قادرًا على التقاط العلاقات التفصيلية بين أجزاء الجسم المختلفة أثناء الحركة. عبر جميع الطرق التي تم اختبارها، أظهرت حركات الأقدام consistently أعلى معدلات دقة، حيث كانت حوالي 20% أعلى من حركات اليدين أو الركبتين أو الجسم بالكامل.

قالت أليزا سلوين، دكتوراه، المؤلفة المشاركة وعالمة أبحاث ما بعد الدكتوراه في مركز الأنظمة المعقدة وعلوم الدماغ بجامعة فلوريدا أتلانتيك: "وجدنا أن الرضع استكشفوا أكثر بعد أن تم فصلهم عن الموبيل مقارنة بما كانوا عليه قبل أن يحصلوا على فرصة السيطرة عليه. يبدو أن فقدان القدرة على التحكم في الموبيل جعلهم أكثر حماسا للتفاعل مع العالم للعثور على وسيلة لإعادة الاتصال."

التحديات المستقبلية وأهمية الذكاء الاصطناعي في البحث

يشير الباحثون إلى أنه إذا كانت دقة حركات الرضع عالية خلال فترة الانفصال، فقد يعني ذلك أن الرضع تعلموا شيئًا خلال تفاعلاتهم السابقة، ومع ذلك قد تعني أنواع الحركات المختلفة أشياء مختلفة من حيث ما اكتشفه الرضع.

أوضحت نانسي آرون جونز، دكتوراه، المؤلفة المشاركة وأستاذة في قسم علم النفس بجامعة فلوريدا أتلانتيك، أن "دراسة الرضع أكثر تحديا من دراسة البالغين لأن الرضع لا يمكنهم التواصل لفظيًا. يمكن للبالغين اتباع التعليمات وشرح أفعالهم، بينما لا يستطيع الرضع ذلك. هنا يأتي دور الذكاء الاصطناعي، حيث يمكنه مساعدة الباحثين في تحليل التغيرات الدقيقة في حركات الرضع، وحتى سكونهم، لتزويدنا برؤى حول كيف يفكرون ويتعلمون قبل أن يتمكنوا من الكلام.

تقدم الدراسة الجديدة في استخدام الذكاء الاصطناعي لفهم التعلم والتطور لدى الرضع طرقا جديدة لفهم كيف يبدأ الرضع في التفاعل مع العالم من حولهم. "بينما ركزت طرق الذكاء الاصطناعي السابقة بشكل رئيسي على تصنيف الحركات التلقائية المرتبطة بالنتائج السريرية، فإن دمج التجارب القائمة على النظرية مع الذكاء الاصطناعي سيساعدنا في إنشاء تقييمات أفضل لسلوك الرضع، مما يعزز من قدرتنا على تحديد المخاطر وتشخيص وعلاج الاضطرابات."