Le machine learning pourrait faire son apparition dans le traitement de l’autisme. Des chercheurs du Massachusetts Institute of Technology (MIT) Media Lab ont équipé des robots d’un système d’apprentissage profond leur permettant d’interpréter le comportement de l’enfant lors des interactions. Ainsi, les robots captent l’attention de l’enfant et facilite les échanges, qui sont particulièrement complexes pour les autistes. Une étude* publiée le 27 juin dans Science Robotics a mis en évidence la bonne capacité de perception émotionnelle des robots.
Le deep learning rend les robots plus intelligents
Les enfants atteints de troubles du spectre autistique ont souvent du mal à reconnaître les états émotionnels des personnes qui les entourent. Ils ont par exemple du mal à distinguer un visage heureux d’un visage craintif. Pour remédier à cela, certains thérapeutes utilisent un robot adapté aux enfants pour montrer ces émotions et pour inciter les enfants à les imiter et à y répondre de manière appropriée. Le robot Nao, déjà utilisée dans des hôpitaux français, s’est avéré un outil intéressant pour travailler les compétences relationnelles et communicationnelles des jeunes autistes. Cependant, ce type de thérapie fonctionne encore mieux si le robot peut interpréter en finesse le comportement de l’enfant – savoir s’il est intéressé, excité ou attentif – pendant la thérapie.
Des chercheurs du MIT Media Lab ont donc développé un type d’apprentissage automatique personnalisé qui aide les robots à estimer l’intérêt de chaque enfant au cours de ces interactions, en utilisant des données qui sont uniques à cet enfant. Les chercheurs ont utilisé des robots humanoïdes SoftBank Robotics NAO dans cette étude. Ressemblant à un super-héros blindé ou à un androïde, NAO transmet différentes émotions en changeant la couleur de ses yeux, le mouvement de ses membres et le ton de sa voix.
Le MIT mène l’étude sur des enfants autistes
Les 35 enfants atteints d’autisme qui ont participé à cette étude, 17 du Japon et 18 de Serbie, avaient entre 3 et 13 ans. Ils ont réagi de diverses manières aux robots pendant leurs sessions de 35 minutes, de l’air ennuyé et endormi dans certains cas sautant dans la pièce avec excitation, battant des mains en riant ou en touchant le robot. La plupart des enfants de l’étude ont réagi au robot ne le considérant pas comme un simple jouet, mais avec le respect que l’on doit à une personne réelle.
Une fillette de 4 ans s’est cachée derrière sa mère tout en participant à la séance mais est devenue beaucoup plus ouverte au robot et a fini par rire à la fin de la thérapie. Un autre a donné un câlin et a dit: « Robot, je t’aime! »
«Les thérapeutes disent que l’engagement de l’enfant pendant quelques secondes peut représenter un grand défi pour eux, et les robots attirent l’attention de l’enfant», explique Oggi Rudovic, premier auteur de l’étude. « De plus, les humains manifestent leurs expressions de différentes façons, mais les robots le font toujours de la même manière, ce qui est moins frustrant pour l’enfant car il apprend de manière très structurée. »
Les robots décodent les émotions
Les résultats publiés le 27 juin dans Science Robotics montrent que la perception des robots a été conforme aux évaluations des experts humains, avec un score de corrélation de 60%. Les auteurs de l’étude estiment que les robots formés sur les observations humaines, comme dans cette étude, pourraient un jour fournir des estimations plus cohérentes que celles des humains.
L’équipe de recherche du MIT a réalisé que le deep learning pourrait donc être utile pour que le robot puisse percevoir le comportement des enfants. D’autant que l’apprentissage profond a déjà été utilisé dans les programmes automatiques de reconnaissance de la parole et des objets. Il devrait donc être particulièrement adapté à un décryptage plus complexe, tel que l’engagement d’un enfant dans l’interaction humaine au travers des multiples facettes du visage, du corps et de la voix. L’apprentissage en profondeur permet au robot d’extraire directement les informations les plus importantes de ces données sans que les humains aient besoin de créer manuellement ces fonctionnalités.
Un apprentissage profond ultra-personnalisé
Pour les robots thérapeutiques, les chercheurs du MIT ont poussé l’idée de l’apprentissage en profondeur un peu plus loin et ont construit un cadre personnalisé qui permet d’apprendre à partir des données recueillies sur chaque enfant individuellement. Les chercheurs ont filmé les expressions faciales de chaque enfant, les mouvements de la tête et du corps, les poses et les gestes, les enregistrements audio et les données sur la fréquence cardiaque, la température corporelle et la transpiration de la peau. Formée sur ces données personnalisées codées par les humains, les robots ont sensiblement amélioré l’estimation automatique du comportement de l’enfant, au-delà des espérances des chercheurs.
» L’objectif à long terme n’est pas de créer des robots qui remplaceront les thérapeutes humains, a déclaré Oggi Rudovic, mais de les enrichir d’informations clés que les thérapeutes pourront utiliser pour personnaliser le contenu thérapeutique et aussi faire des interactions plus attrayantes et naturelles entre les robots et les enfants autistes. »
