Patrząc na świat oczami osób z autyzmem. Jak AI zmienia badania nad neuroróżnorodnością

AI może przetwarzać i analizować duże zbiory danych tekstowych, w tym wypowiedzi pisemne lub transkrypcje wypowiedzi osób z autyzmem.
AI może przetwarzać i analizować duże zbiory danych tekstowych, w tym wypowiedzi pisemne lub transkrypcje wypowiedzi osób z autyzmem. / Fot. shutterstock.
Polski zespół badawczy, działający w ramach IDEAS NCBR, łącząc fenomenologię i psychiatrię obliczeniową, otwiera nowe horyzonty rozumienia doświadczeń osób z autyzmem. Wykorzystując AI do analizy pierwszoosobowych narracji, naukowcy dążą do opracowania rozwiązań mających na celu znaczącą poprawę jakości życia osób neuroróżnorodnych oraz ich integrację społeczną. Te badania są szczególnie ważne w obliczu Światowego Dnia Świadomości Autyzmu, który obchodzimy 2 kwietnia.

Zyskaj dostęp do bazy artykułów z „My Company Polska” Zamów teraz!

Fenomenologia w kontekście zdrowia psychicznego skupia się na tym, by jak najwierniej odzwierciedlić wewnętrzne przeżycia osoby z autyzmem, nie oceniając jej, lecz próbując ją zrozumieć i opisać. To jak reżyserowanie filmu, w którym staramy się ukazać widzowi świat oczami głównego bohatera. Z kolei psychiatria obliczeniowa przypomina asystenta reżysera, który używa najnowszych technologii, by analizować i przetwarzać ogromne ilości informacji na temat zachowań, myśli i emocji ludzi.

Łącząc te dwa podejścia, zespół badawczy działający w IDEAS NCBR – ośrodku badawczo-rozwojowym w dziedzinie sztucznej inteligencji – stara się zrozumieć indywidualne doświadczenia osób neuroróżnorodnych oraz znaleźć sposób, by te doświadczenia mierzyć, analizować i potencjalnie wykorzystywać np. w psychoedukacji. Naukowcy skupiają się głównie na analizie pierwszoosobowych narracji osób z autyzmem. To jak próba zrozumienia i uchwycenia istoty skomplikowanego filmu, gdzie każdy kadr, słowo czy gest mają znaczenie, a następnie używania tej wiedzy, by stworzyć rozwiązania, które mogą pomóc ludziom lepiej zrozumieć samych siebie i świat wokół nich.

AI wydobywa subtelne wzorce, które mogą umknąć klasycznej analizie

Algorytmy NLP (analiza języka naturalnego) mogą przetwarzać i analizować duże zbiory danych tekstowych, w tym wypowiedzi pisemne lub transkrypcje wypowiedzi osób z autyzmem. Pozwala to na identyfikację specyficznych tematów, słów kluczowych, fraz, struktur semantycznych, które są częste lub istotne dla osób w spektrum autyzmu. Technologia ta wydobywa subtelne wzorce, które mogą umknąć klasycznej analizie.

Wykorzystanie AI pozwala też zrozumieć, jakie obszary w życiu są szczególnie ważne dla osób z autyzmem, jakie wyzwania są dla nich najbardziej stresujące oraz jakie strategie radzenia sobie z nimi uznają za najbardziej pomocne. To prowadzi do głębszego zrozumienia ich wewnętrznych światów i sposobów interakcji z otoczeniem, poprzez tzw. modelowanie tematyczne.

Dowiedzieć się, co czują osoby z autyzmem

Metody opracowywane przez polskich naukowców mogą pozwolić na wykrywanie subtelnych sygnałów emocjonalnych, ułatwiając zrozumienie, jak osoby w spektrum autyzmu doświadczają różnych sytuacji czy typów interakcji społecznych. Z kolei analiza tonu i emocjonalnego zabarwienia wypowiedzi jest szczególnie przydatna w przypadku osób mających trudności z werbalnym wyrażaniem swoich emocji.

– W planach mamy dalsze poszerzenie obszaru badań, z wykorzystaniem transkrypcji wywiadów z YouTube i danych z blogów. Chcemy finalnie uzyskać jak najszerszy obraz doświadczeń osób z autyzmem – mówi Marcin Moskalewicz, lider zespołu badawczego w IDEAS NCBR.

Lepsza jakość życia, spersonalizowana terapia

Analiza fenomenologiczna doświadczeń osób z autyzmem z wykorzystaniem metod jakościowych i wspierana przez AI może poprawić jakość życia osób w spektrum, zmienić podejście terapeutów oraz sposób wykorzystania narzędzi terapeutycznych. Dzięki głębszemu zrozumieniu unikalnych doświadczeń autystyków, terapeuci opracują bardziej spersonalizowane plany terapeutyczne, obejmujące dostosowanie środowiska terapeutycznego, metod komunikacji czy rodzaju zadań i aktywności podczas terapii.

– Analiza subiektywnych doświadczeń może pomóc terapeutom, rodzinom czy opiekunom lepiej wyobrazić sobie, w jak odmienny sposób ich pacjenci postrzegają różne nawet typowe sytuacje. To przełoży się zarówno na poprawę komunikacji między nimi, jak i precyzyjniejsze przekazywanie informacji. Zwiększy to także ich zdolność do wsparcia osoby z autyzmem w domu i w innych środowiskach – mówi Marcin Rządeczka, postdoc w IDEAS NCBR.

Zrozumienie, jak osoby z autyzmem doświadczają świata, otwiera także drzwi do skuteczniejszych metod badań przesiewowych – wcześniejsze rozpoczęcie odpowiedniej terapii często wiąże się z lepszymi wynikami edukacyjnymi, społecznymi i zawodowymi. Co najistotniejsze, publikowanie wyników analiz subiektywnych doświadczeń osób z autyzmem może także przyczynić się do wzrostu świadomości społecznej na temat autyzmu i związanych z nim wyzwań. To z kolei potencjalnie prowadzi do większej akceptacji i integracji osób z autyzmem w społeczeństwie, jak również do lepszego dostosowania instytucji publicznych, szkół i miejsc pracy do potrzeb osób neuroróżnorodnych.

Duże modele językowe często powielają stereotypy na temat autyzmu

Obecnie stereotypy na temat autyzmu możemy znaleźć np. w dużych modelach językowych. Choć na poziomie generowania tekstu GPT-4 posiada liczne zabezpieczenia, chroniące przed powielaniem stereotypów (i rzeczywiście sytuacja staje się pod tym względem coraz lepsza), to jednak napotkamy je, jeśli poprosimy model o wygenerowanie grafik ilustrujących autyzm.

Przy takim zadaniu ChatGPT posługuje się obrazem puzzla czy kolorem niebieskim, chociaż środowisko osób w spektrum autyzmu coraz głośniej sprzeciwia się używaniu takich symboli. W „przekonaniu” GPT-4 autyzm jest dość silnie związany z niepełnosprawnością, choć znaczna część osób w spektrum nie uważa się za osoby niepełnosprawne. Poza tym, większość postaci w spektrum autyzmu, które generuje GPT-4, to biali mężczyźni. Fałszywe przekonanie, iż autyzm dotyczy głównie mężczyzn i przejawia się w białych populacjach, sprawia ogromne problemy np. w kwestiach równego dostępu do diagnostyki.

Można także zaobserwować ciekawe zjawisko „ślepoty” modelu na powielany stereotyp podczas generowania grafiki – mówią badacze z IDEAS NCBR. Na przykład model poproszony o wygenerowanie ilustracji autyzmu bez zastosowania symbolu puzzla w dalszym ciągu go używa; zaznacza jednocześnie w komentarzu, że stworzona grafika motywu tego nie zawiera. W tym sensie pewne stereotypowe przekonania na temat autyzmu są zaszyte w AI na tyle głęboko, że, podobnie jak ludzie, AI posługuje się kliszami nie tylko na poziomie „świadomych” przekonań, ale także na poziomie wiedzy ukrytej, którą ujawnia dopiero w działaniu, często wbrew tym „świadomym” przekonaniom – podkreślają naukowcy z IDEAS NCBR.

ZOBACZ RÓWNIEŻ