아기의 움직임에 대한 AI 분석은 발달 초기 단계에 대한 중요한 통찰력을 제공하여 학습에서 발 움직임의 중요성을 강조합니다. 컴퓨팅 및 인공 지능의 최근 발전과 유아 학습에 대한 새로운 통찰력은 기계 및 딥 러닝 기술을 사용하여 유아가 무작위 탐색 동작에서 목적 있는 행동으로 전환하는 방법을 연구할 수 있음을 시사합니다. 현재까지 대부분의 연구는 유아의 자발적인 움직임에 초점을 맞추고 안절부절 못하는 행동과 안절부절 못하는 행동을 구별했습니다.
유아의 초기 움직임은 서로 분리되어 있는 것처럼 보일 수 있지만 환경과 유아의 상호작용에서 의미 있는 패턴을 드러냅니다. 그러나 우리는 유아가 주변 환경과 의식적으로 상호 작용하는 방식과 목표 지향적 행동을 안내하는 원리에 대한 이해가 여전히 부족합니다.
아기가 어떻게 목적에 따라 행동하기 시작하는지 알아보기 위해 플로리다 애틀랜틱 대학교의 연구원과 공동 연구자는 1960년대 후반부터 사용된 발달 연구 기술인 아기 휴대 전화 실험을 수행했습니다. 이 실험에서는 다채로운 색상의 휴대폰을 아기의 발에 부드럽게 묶고 아기가 발로 차면 움직여 아기의 행동을 아기가 보고 있는 것과 연결했습니다. 이 설정은 연구자들이 아기가 자신의 움직임을 어떻게 제어하는지 이해하고 주변 환경에 영향을 미치는 능력을 발견하는 데 도움이 됩니다.
이 연구에서 연구자들은 인공지능 도구가 유아의 움직임 패턴의 복잡한 변화를 포착할 수 있는지 테스트했습니다. Vicon3D 모션 캡쳐 시스템을 사용하여 추적된 유아의 움직임은 자발적인 움직임부터 움직이는 동안의 반응까지 다양한 유형으로 분류됩니다. 연구진은 다양한 인공지능 기술을 적용해 다양한 상황에서 아기의 미묘한 행동을 가장 잘 포착하는 방법이 무엇인지, 시간이 지남에 따라 움직임이 어떻게 진화하는지 연구했습니다.
사이언티픽 리포트(Scientific Reports)에 발표된 연구 결과는 인공 지능이 유아 발달과 상호 작용을 이해하는 데 중요한 도구임을 강조합니다. 머신 러닝과 딥 러닝 방법 모두 유아의 움직임을 담은 5초 분량의 3차원 클립을 실험의 여러 단계로 정확하게 분류했습니다. 이러한 방법 중에서 딥러닝 모델인 2D-CapsNet이 가장 성능이 좋습니다. 중요한 것은 발 움직임이 테스트된 모든 방법 중 정확도가 가장 높았다는 것입니다. 이는 신체의 다른 부분에 비해 실험의 다양한 단계에서 발의 움직임 패턴이 가장 크게 변했다는 것을 의미합니다.
연구 공동 저자인 플로리다 애틀랜틱 대학교 복합 시스템 및 뇌 과학 센터의 글렌우드 크리치(Glenwood Krich)와 마사 크리치코(Martha Krichko)는 “AI 시스템은 실험에 대해 아무 것도 듣지 못했고 아기 신체의 어느 부분이 전화에 연결되었는지 몰랐기 때문에 이 발견은 중요합니다.”라고 말했습니다. 과학 분야의 저명한 학자인 Scott Kelso 박사는 다음과 같이 말했습니다. "이는 엔드 이펙터인 발이 휴대폰과의 상호작용에 가장 큰 영향을 받는다는 것을 의미합니다. 즉, 아기가 환경과 연결하는 방식은 세상과 접촉하는 지점에서 가장 큰 영향을 받습니다. 여기서는 '발이 먼저'입니다."
2D-CapsNet 모델은 발 움직임을 분석할 때 86%의 정확도를 달성했으며 움직임 중 다양한 신체 부위 간의 상세한 관계를 포착할 수 있었습니다. 발 움직임은 테스트된 모든 방법 중 지속적으로 가장 높은 정확도를 보였으며 손, 무릎 또는 전신 움직임보다 약 20% 더 정확했습니다.
"우리는 유아들이 휴대폰을 제어할 수 있는 기회를 갖기 전보다 휴대폰 연결이 끊긴 후에 더 많은 탐색을 한다는 사실을 발견했습니다. 휴대폰을 제어할 수 있는 능력을 잃으면 다시 연결될 방법을 찾기 위해 세상과 상호작용하려는 열망이 더 커지는 것 같습니다."라고 공동 저자이자 플로리다 애틀랜틱 대학교 복합 시스템 및 뇌 과학 센터의 박사후 연구원인 Aliza Sloan 박사는 말했습니다. "그러나 일부 유아는 연결 해제 단계에서 이전에 휴대폰과 상호 작용한 단서가 포함된 움직임 패턴을 보였습니다. 이는 일부 유아만이 연결이 끊어진 후에도 여전히 전화에서 반응을 생성할 것이라는 기대로 이러한 움직임 패턴을 유지할 만큼 충분히 휴대폰과의 관계를 이해하고 있음을 시사합니다."
연결이 끊어진 동안에도 아기 움직임의 정확도가 높게 유지된다면 아기가 이전 상호작용 중에 무언가를 배웠다는 의미일 수 있다고 연구진은 말했습니다. 그러나 다양한 유형의 움직임은 아기가 다른 것을 발견한다는 것을 의미할 수 있습니다.
"유아를 연구하는 것은 성인을 연구하는 것보다 더 어렵다는 점을 기억하는 것이 중요합니다. 왜냐하면 유아는 말로 의사소통을 할 수 없기 때문입니다"라고 공동 저자이자 뇌 과학 센터 회원인 낸시 애런 존스(Nancy Aaron Jones) 박사는 말했습니다. "성인은 지시를 따르고 자신의 행동을 설명할 수 있지만 유아는 그렇지 않습니다. 이것이 바로 사람이 하는 일입니다. AI가 도움이 될 수 있습니다. AI는 연구원이 아기의 움직임, 심지어 휴식 상태의 미묘한 변화를 분석하여 아기가 말을 하기 전에도 생각하고 배우는 방식에 대한 통찰력을 제공하고 아기가 성장하면서 발생하는 엄청난 개인차를 이해하는 데 도움이 될 수 있습니다."
각 유아에 대한 AI의 분류 정확도가 어떻게 변하는지 관찰하면 연구자들은 아기가 언제 어떻게 세상과 소통하기 시작하는지 이해할 수 있는 새로운 방법을 얻을 수 있습니다.
Kelso는 "과거 AI 방법은 주로 임상 결과와 상관관계가 있는 자발적인 움직임을 분류하는 데 중점을 두었습니다. 이론 기반 실험과 AI를 결합하면 유아의 특정 환경과 관련된 유아 행동을 더 잘 평가하는 데 도움이 될 것입니다"라고 말했습니다. "이는 위험을 식별하고 질병을 진단하고 치료하는 방법을 개선할 수 있습니다."
/SciTechDaily에서 편집됨