Ранние взаимодействия родителей и ребёнка закладывают основу для развития речи, общения и мышления. Многие важные сигналы при этом очень тонкие и мимолётные — их сложно заметить и правильно понять без специальной подготовки. Исследователи Сингапурского университета технологии и дизайна (SUTD) решили проверить, может ли искусственный интеллект научиться наблюдать за такими моментами так же, как это делают опытные логопеды и специалисты по развитию речи.
В центре внимания учёных оказалось совместное внимание (joint attention) — ситуации, когда ребёнок и взрослый одновременно фокусируются на одном и том же предмете или действии и осознают, что внимание разделено. Например, малыш смотрит на игрушку, затем на родителя и снова на игрушку. Такие эпизоды появляются рано и считаются важным маркером развития коммуникации.
Как устроена система
Исследователи работали с тремя опытными специалистами по речевому развитию (speech-language pathologists). На основе их подхода команда построила ИИ-систему, которая анализирует видео, звук и текст. Сначала модель описывает три ключевых поведенческих признака: куда смотрит ребёнок, что он делает и что говорит. Только после этого система пытается оценить качество совместного внимания.
Результаты оказались показательными. При распознавании самих поведенческих сигналов — взгляда, действий и вокализаций — ИИ достиг точности около 81%. Его описания хорошо совпадали с тем, как эти моменты фиксируют специалисты. Однако когда дело доходило до экспертной оценки — насколько качественным было совместное внимание, — точность заметно падала.
Самое интересное открытие — о людях
«Самым неожиданным оказалось не поведение ИИ, а поведение экспертов, — отмечает доцент Кенни Чу (Kenny Choo). — Мы предполагали, что главная трудность — научить модель соответствовать чёткому стандарту. Вместо этого выяснилось: опытные специалисты часто соглашались в том, что именно они видят, но расходились в том, что это значит. Один делал акцент на зрительном контакте, другой — на эмоциональной вовлечённости, третий искал коммуникативное намерение в менее привычных действиях».
Это означает, что единого «правильного» толкования часто просто не существует. Поэтому искусственный интеллект хорошо справляется с наблюдением и структурированием информации, но плохо подходит для клинических выводов.
Практический смысл
По мнению авторов, ИИ должен выступать помощником, а не заменять специалиста. Система может автоматически составлять временную шкалу: где ребёнок смотрел, какие действия совершал и когда появлялись важные моменты. Клиницист получает удобный структурированный материал и сам принимает решение.
Такой подход особенно актуален, потому что задержки развития затрагивают примерно 10–15% дошкольников, а доступ к квалифицированным специалистам часто ограничен. ИИ может облегчить работу логопедов и сделать оценку более систематической, но окончательное суждение должно оставаться за человеком.
В будущем исследователи планируют расширить работу: привлечь больше специалистов, использовать более длинные записи из реальных домашних и школьных условий, а также включить детей с аутизмом. Отдельный вопрос — нужно ли подстраивать системы под индивидуальный стиль конкретного специалиста или опираться на консенсус нескольких экспертов.
Ранние взаимодействия родителей и ребёнка содержат ценные сигналы о развитии. Искусственный интеллект уже умеет эти сигналы замечать и фиксировать. Понять же, что они означают, по-прежнему способен только человек — с его опытом, контекстом и вниманием.
