Los niños con condiciones de autismo constantemente presentan problemas de reconocimiento de los estados emocionales de las personas a su alrededor, bien sea un rostro feliz o triste. Los terapeutas han intentado solucionar esto, utilizando robots para hacer que los niños imiten estas emociones y respondan ante ellas de manera correcta.

Sin embargo, esta terapia funcionaría mejor si el robot interpretara sin problemas la conducta del niño y su interés o entusiasmo al prestar atención durante la terapia. Por ello, los investigadores del Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés) han desarrollado un esquema de aprendizaje automático personalizado que permite a un robot  conocer el interés de un niño con autismo durante estas interacciones, utilizando datos personalizados según las condiciones del niño.

El robot, equipado con una red de aprendizaje profundo personalizada, percibió las respuestas de los niños con una efectividad del 60 por ciento con respecto a las evaluaciones de los expertos humanos.

De hecho, los investigadores humanos afirman que para un experto puede ser complicado llegar a un acuerdo sobre el comportamiento de un niño con autismo, obteniendo casi siempre entre el 50 y 55 por ciento de efectividad. Oggi Rudovic, autor del estudio y doctor en el Media Lab del MIT, afirmó:

El objetivo a largo plazo no es crear robots que reemplacen a los terapeutas humanos, sino aumentar su inteligencia con información clave que los terapeutas puedan usar para personalizar el contenido de la terapia, y también hacer interacciones más atractivas y naturales entre los robots y los niños con autismo.

Rosalind Picard, coautora del estudio y profesora del MIT, afirmó que personalizar el aprendizaje automático para cada niño ha sido esencial en este estudio, y representa un enfoque revolucionario con respecto a los sistemas actuales de IA que requieren una gran cantidad de datos que son similares en cada categoría aprendida.

Rudovic y sus colegas también pudieron sondear cómo la red de aprendizaje profundo hizo sus estimaciones, lo que reveló ciertas diferencias culturales interesantes en cada niño, por ejemplo, los niños de Japón mostraron más movimientos corporales durante los episodios de alto compromiso por aprender.