Siena 13/05/04 Reti Neurali Artificiali per la riabilitazione di pazienti disabili Monica Bianchini Dipartimento di Ingegneria dell’Informazione email: [email protected] Sommario • Introduzione – Il mondo sottosimbolico – La metafora neurobiologica • Le reti neurali – – – – Il modello neuronale Le architetture neurali Addestramento in reti neurali Il perceptron e le reti feedforward • Reti neurali e disabilità – Strumenti esistenti – Reti neurali e Sindrome di Rett: prospettive di ricerca Reti Neurali Artificiali per la riabilitazione di pazienti disabili 2 Introduzione 1 • Nonostante gli straordinari successi nell’elaborazione automatica dell’informazione, che stanno esercitando un impatto di portata storica nella vita quotidiana, competenze percettive, quali… – …localizzare un oggetto in una scena – …riconoscere la voce in condizioni reali – …prendere decisioni basate sul “senso comune” sono ancora compiti estremamente difficili per i calcolatori elettronici Reti Neurali Artificiali per la riabilitazione di pazienti disabili 3 Introduzione 2 • Gli odierni sistemi di elaborazione hanno automatizzato perfettamente processi considerati tipicamente di pertinenza umana, quali… – …svolgere calcoli molto complicati – …recuperare informazione in un archivio • Con l’intelligenza artificiale si sono spinti verso l’automazione del ragionamento simbolico, fino ai sistemi esperti, in grado di modellare e rendere fruibile la conoscenza di esperti in settori specifici Reti Neurali Artificiali per la riabilitazione di pazienti disabili 4 Il mondo sottosimbolico 1 • Tuttavia, i calcolatori mostrano ancora un comportamento primitivo, ed incomparabile con l’uomo, nella simulazione della maggior parte dei processi percettivi • Le capacità percettive, infatti, sviluppate durante un processo evolutivo di centinaia di migliaia di anni, risultano difficili da replicare usando i modelli di calcolo simbolico, tipici degli attuali elaboratori Reti Neurali Artificiali per la riabilitazione di pazienti disabili 5 Il mondo sottosimbolico 2 • ESEMPIO: Riconoscimento automatico della voce – Per essere interpretato, il segnale vocale deve essere segmentato, deve cioè essere suddiviso in parole • Problema: impossibile fare affidamento sul controllo del livello del segnale per separare le parole – La parola “compute” verrebbe divisa in due parti, per la presenza dell’occlusiva sorda “p” Segnale e spettrogramma relativo pronuncia del verbo “to compute” Reti Neurali Artificiali per la riabilitazione di pazienti disabili alla 6 Il mondo sottosimbolico 3 • ESEMPIO: Riconoscimento automatico della voce – A causa della grande variabilità dovuta: • • • • alla velocità di pronuncia alla prosodia al parlatore alla presenza di rumore le parole non sono rappresentabili mediante un dizionario di “istanze medie” di riferimento Reti Neurali Artificiali per la riabilitazione di pazienti disabili 7 Il mondo sottosimbolico 4 • I problemi menzionati si presentano in molteplici applicazioni, nelle quali l’elaborazione di informazione multimediale assume un ruolo sempre più rilevante – – – – Navigazione autonoma di un robot Modelli per l’estrazione di informazione dal Web Accesso a basi di dati ipermediali Costruzione di interfacce personalizzate per disabili • Nelle applicazioni elencate, l’informazione da elaborare si presenta codificata in una forma cui non è semplice “attaccare” un significato simbolico Reti Neurali Artificiali per la riabilitazione di pazienti disabili 8 Il mondo sottosimbolico 5 • La scienza dei calcolatori si basa sulla conoscenza del • • significato dei dati in ingresso e sulla conseguente possibilità di una loro elaborazione per mezzo di algoritmi Tuttavia, non è sempre possibile, né verosimile, associare agli ingressi un significato ed una caratterizzazione simbolica: nelle scienze cognitive, questa patologia è nota come symbol ground problem Occorre dotare i calcolatori di processi computazionali che non siano basati sulla metafora dell’algoritmo, secondo cui la soluzione di un problema avviene mediante un processo costruttivo atto ad esplicitare simbolicamente le elaborazioni sugli ingressi, rappresentati sotto forma simbolica Reti Neurali Artificiali per la riabilitazione di pazienti disabili 9 La metafora neurobiologica 1 • Attualmente, a differenza delle macchine, l’uomo è un • • ottimo esempio di “sistema” in grado di informazione sottosimbolica Tali elaborazioni, come ogni altro processo hanno sede nel cervello, una complessa neurobiologica, oggi “decifrata” in modo accurato Il “mattone elementare” dei tessuti celebrali è il neurone, che è sede dei processi elettrochimici che determinano l’atto percettivo elaborare cognitivo, struttura piuttosto Reti Neurali Artificiali per la riabilitazione di pazienti disabili 10 La metafora neurobiologica 2 • Nel cervello umano sono presenti oltre 100 miliardi di neuroni, ciascuno interconnesso a circa 10.000 altre unità – Nelle interconnessioni ha luogo il processo di sinapsi, un processo elettrochimico atto a rafforzare o ad inibire l’interazione cellulare – I segnali rilevabili hanno un potenziale dell’ordine delle decine di milliVolt e si presentano come treni di impulsi con frequenza 100Hz e con opportune modulazioni Reti Neurali Artificiali per la riabilitazione di pazienti disabili 11 La metafora neurobiologica 3 • È opinione condivisa nel mondo delle scienze cognitive che i segnali elettrici presenti nei neuroni siano alla base dell’elaborazione dell’informazione a livello cerebrale • Inoltre, c’è evidenza sperimentale per sostenere che la struttura celebrale e le sinapsi siano influenzate dalla vita degli individui, dalle loro esperienze, dall’apprendimento di compiti specifici • È il particolare pattern di interconnessioni, e la forza delle sinapsi, che definiscono le proprietà funzionali di una particolare porzione del cervello Reti Neurali Artificiali per la riabilitazione di pazienti disabili 12 La metafora neurobiologica 4 • Si è verificato sperimentalmente che le funzioni cognitive risiedono in particolari zone del cervello e che tali funzioni possono essere… – perdute a seguito della “rottura” dei legami sinaptici – eventualmente (parzialmente) recuperate con successivi processi di apprendimento atti ad instaurare nuovi pattern di interconnessione sinaptica Reti Neurali Artificiali per la riabilitazione di pazienti disabili 13 La metafora neurobiologica 5 • Dato che la struttura cerebrale e l’attività elettromagnetica delle singole cellule neuronali sono noti, si possono operare induzioni sul comportamento collettivo dei neuroni e si può trarre ispirazione per la costruzione di macchine in grado di replicare compiti connotati da una forte componente di elaborazione sottosimbolica • Mind no longer goes more ghostly than a ghost : il lavoro di Mcculloch e Pitts (1943) contiene la prima analisi teorica completa su come semplici unità con sinapsi eccitatorie e inibitorie siano in grado, in virtù di un processo collettivo, di rappresentare proposizioni logiche complesse • Era tuttavia chiaro ai padri dell’informatica che non è necessaria una perfetta emulazione dei processi neurobiologici per l’emergenza di capacità cognitive Reti Neurali Artificiali per la riabilitazione di pazienti disabili 14 La metafora neurobiologica 6 • Molti modelli connessionistici sono solo ispirati al paradigma biologico, a livello di unità neuronale, e si basano sulla struttura fortemente connessa delle cellule celebrali, dove si eredita il principio che l’attivazione neurale (potenziale associato all’unità) è soggetta ad eccitazioni ed inibizioni ad opera delle unità connesse • In particolare, l’attivazione dell’unità i dipende dall’attivazione della generica unità j, mediante un parametro associato alla connessione fra le due unità, che modella il principio elettrochimico della sinapsi Reti Neurali Artificiali per la riabilitazione di pazienti disabili 15 L e reti neurali 1 • Le neuroscienze hanno permesso di stabilire che la • struttura cerebrale è caratterizzata dalla presenza di neuroni specializzati e con pattern di connettività specifici al particolare compito cognitivo Per i modelli artificiali è stata seguita una metafora simile: sono stati studiati diversi tipi di neuroni e diverse architetture, associandovi le modalità di elaborazione concepite per implementare un particolare compito cognitivo – Le reti neurali artificiali sono esse stesse costituite da insiemi di unità semplici, i neuroni, densamente interconnesse – Ciascuna unità riceve un certo numero di input reali (stimoli esterni o output di altre unità) e produce un singolo valore reale in output (che potrà costituire l’ingresso per altre unità) Reti Neurali Artificiali per la riabilitazione di pazienti disabili 16 • Riassumendo: L e reti neurali 2 – Il cervello umano… • …contiene una rete di 1011 neuroni; ciascun neurone è connesso, in media, con 104 altre unità • …l’attività dei neuroni viene eccitata o inibita dagli stimoli ricevuti dalle unità adiacenti: il tempo di “switch” è 10-3 secondi (alto rispetto a quello del calcolatore che è di 10-10 secondi) • …una qualsiasi scena può essere “compresa” in 0.1 secondi Utilizzo massivo di calcolo parallelo – Le reti neurali artificiali… • …dovrebbero “catturare” questa forma di parallelismo, basato sulla rappresentazione distribuita dell’informazione • …si discostano dai modelli biologici, di cui non hanno la potenza • …realizzano l’apprendimento mediante tecniche automatiche per il “tuning” dei pesi di connessione Reti Neurali Artificiali per la riabilitazione di pazienti disabili 17 Reti neurali e loro applicazioni 1 • Le reti neurali sono particolarmente appropriate quando… – …i dati in ingresso sono complessi, hanno elevata dimensionalità e possono essere affetti da rumore (duplicati o errati) – …la forma della funzione target è sconosciuta; gli ingressi alla funzione, se vettoriali, possono essere costituiti da componenti statisticamente correlate o indipendenti – …l’abilità umana nel comprendere la funzione target appresa non è un requisito fondamentale: il significato dei pesi della rete è di difficile interpretazione Reti Neurali Artificiali per la riabilitazione di pazienti disabili 18 Reti neurali e loro applicazioni 2 • Inoltre: – Tempi di addestramento lunghi sono ammissibili nell’apprendimento neurale da pochi secondi, fino ad ore o giorni in dipendenza dal numero di parametri della rete, dalla dimensione dell’insieme di apprendimento, dal tasso di apprendimento, etc. – Una volta appresa, la funzione target deve essere valutata rapidamente (in frazioni di secondo) su ogni elemento del dominio: risposta in tempo reale Reti Neurali Artificiali per la riabilitazione di pazienti disabili 19 Il modello neuronale 1 • Il neurone formale è una schematizzazione del • neurone biologico in cui le proprietà funzionali sono descritte da formule matematiche, senza preoccuparsi dei fenomeni elettrici, chimici, termici, biologici che avvengono nella realtà Attivazione neurale – l’attività di un neurone biologico dipende dall’attivazione di altri neuroni ad esso connessi, che viene trasmessa attraverso sinapsi – in modo analogo, il valore di attivazione di un neurone artificiale viene calcolato attraverso una funzione matematica che dipende dai segnali che arrivano dagli altri neuroni Reti Neurali Artificiali per la riabilitazione di pazienti disabili 20 Il modello neuronale 2 • Connessioni fra unità – nei modelli biologici, l’impulso viene modulato dal tipo e dalla quantità di neurotrasmettitore emesso dalle vescicole presinaptiche – questo fenomeno viene simulato artificialmente con l’introduzione del “peso di connessione”, il cui valore permette di trasmettere un segnale da un’unità all’altra con maggiore o minore intensità • Il livello di attivazione dell’unità è dato dalla somma del valore di uscita dei neuroni circostanti, ponderato dal peso delle connessioni, ed eventualmente “filtrato” Reti Neurali Artificiali per la riabilitazione di pazienti disabili 21 Le architetture neurali 1 • L'architettura di una rete è definita dalle funzioni di trasferimento e apprendimento, connessione e dal numero di unità dal pattern di • La conoscenza della rete risiede nei pesi che connettono le unità e nelle soglie dinamiche di attivazione Reti Neurali Artificiali per la riabilitazione di pazienti disabili 22 Le architetture neurali 2 • Reti autoassociative – sono in grado di riprodurre un pattern appreso in presenza di una forma degradata del pattern stesso; il loro scopo è quello di ricostruire i pattern in qualche modo danneggiati • Reti ad apprendimento con supervisione – lo scopo dell’apprendimento è quello di associare coppie di input/output; la memoria è costituita dall’abilità di rievocare l’output a partire dall’input • Reti ad apprendimento senza supervisione – in questo caso ad essere presentati sono solo gli stimoli, mentre le risposte sono decise dalla rete; le risposte sono comunque significative, in quanto la rete riesce a cogliere alcune regolarità della classe di input, catalogandone in qualche modo gli esempi Reti Neurali Artificiali per la riabilitazione di pazienti disabili 23 Addestramento in reti neurali 1 • Addestrare una rete neurale significa presentarle un insieme di esempi e lasciare che la rete si costruisca autonomamente la conoscenza interna necessaria per svolgere il compito richiesto • In termini matematici si fornisce alla rete un insieme di coppie di ingresso/uscita (x,y) e la rete deve adattare i valori delle connessioni w in modo da realizzare la funzione y = f (x) Reti Neurali Artificiali per la riabilitazione di pazienti disabili 24 Addestramento in reti neurali 2 • Regole di apprendimento – La regola di apprendimento determina il modo con cui la rete “acquisisce conoscenza”; per apprendimento si intende il calcolo delle intensità sinaptiche ottime, che garantiscano una risposta adeguata agli stimoli che sono presentati alla rete • Poiché l’attivazione di un’unità è determinata dalla somma dei segnali in ingresso, diventa cruciale, ai fini dell’apprendimento, il calcolo dei pesi di connessione tutte le regole di apprendimento operano sui pesi di connessione, modificandoli Reti Neurali Artificiali per la riabilitazione di pazienti disabili 25 Un esempio: il Perceptron 1 • È l’elemento costitutivo fondamentale delle architetture feedforward (con propagazione in avanti dei segnali): – acquisisce un vettore di reali – opera un prodotto scalare con il vettore dei pesi – restituisce 1 in dipendenza dal segno del prodotto scalare Reti Neurali Artificiali per la riabilitazione di pazienti disabili 26 Un esempio: il Perceptron 2 • La quantita –w0 è una soglia, che la somma pesata fra ingressi e pesi deve superare affinché il perceptron produca un output positivo • Suppondendo un ulteriore ingresso fittizio, x0, il cui valore è costante e pari ad 1, la funzione realizzata dal percepron può essere riscritta nella forma o(x) = sgn(w x ) • Fare apprendere un perceptron equivale a scegliere un’opportuna (n +1)upla di pesi, w0,w1,…,wn Reti Neurali Artificiali per la riabilitazione di pazienti disabili 27 Capacità computazionale • Il perceptron realizza un “iperpiano di decisione” nello spazio n: esistono insiemi di dati non linearmente separabili, che un singolo perceptron non può discriminare tali funzioni possono essere realizzate mediante opportune combinazioni di perceptron Dati lineramente separabili Dati non separabili linearmente Occorrono 2 unità perceptron Reti Neurali Artificiali per la riabilitazione di pazienti disabili 28 Perceptron learning rule • I pesi vengono inizializzati con valori casuali • Tutti gli esempi dell’insieme di apprendimento vengono presentati al perceptron, modificandone i pesi solo qualora l’output sia diverso dall’uscita attesa • Il processo (che può essere dimostrato convergente in un numero finito di passi per pattern linearmente separabili) viene ripetuto finché tutti gli esempi sono classificati correttamente • Ad ogni passo, i pesi vengono aggiornati mediante la perceptron learning rule: • Esempio: wi wi + wi • output -1 wi = (t o)xi • target 1 dove: – t è l’uscita attesa, target – o è l’output del perceptron – è il learning rate (tasso di apprendimento) • l’uscita deve crescere • vedere l’effetto per xi>0 Reti Neurali Artificiali per la riabilitazione di pazienti disabili 29 Altri modelli neuronali • Tipici neuroni artificiali interessanti dal punto di vista applicativo: – Neurone sigmoidale, simile al perceptron, ma con funzione di uscita continua, si eccita per punti situati sopra l’iperpiano di separazione, dove si annulla l’attivazione, si inibisce al di sotto – Neurone a base radiale, si eccita per punti contigui al centro (wia,wib,wic) e si inibisce quando ci si allontana dal centro, con una velocità proporzionale al quadrato del parametro radiale σi Reti Neurali Artificiali per la riabilitazione di pazienti disabili 30 Le architetture feedforward 1 • Le reti feedforward hanno architettura a strati • Ogni strato intermedio riceve input soltanto dallo strato • • precedente, che può essere sia lo strato di ingresso che un altro strato nascosto, ed invia output solo allo strato successivo I neuroni dello strato di input ricevono segnali dall’esterno I neuroni di output inviano informazioni all’esterno, ad un eventuale utente o ad un meccanismo di controllo Reti Neurali Artificiali per la riabilitazione di pazienti disabili 31 Le architetture feedforward 2 • Gli strati nascosti sono tutti quelli compresi tra lo strato di input e lo strato di output: gli strati intermedi possono essere numerosi e ogni strato può contenere moltissimi neuroni – Tanto maggiore è il numero di strati intermedi tanto migliore è la capacità “computazionale” ed “intellettiva” della rete: aumenta il numero di neuroni totali presenti nella rete e quindi “la massa cerebrale” – Il potere computazione di una rete multistrato può essere ottenuto con una rete a tre strati, con un numero “sufficiente” di neuroni nell’unico strato nascosto Reti Neurali Artificiali per la riabilitazione di pazienti disabili 32 Le architetture feedforward 3 • Gli strati intermedi, svolgono un compito assai • importante nella rete, anche se difficilmente interpretabile dall’esterno Esempio Nel caso di una rete neurale realizzata per il riconoscimento vocale (costituita da tre strati: input, nascosto, output)… – lo strato di input ha il compito di ricevere il segnale vocale – lo strato nascosto permette alla rete di formare una rappresentazione interna del linguaggio (dato che il linguaggio è fatto di aggregazioni di simboli, anche la rete ragionerà in termini simili e lo strato intermedio “memorizzerà” un set di simboli interni per rappresentare i concetti) – lo strato di output ha il compito di pronunciare le parole, cioè di “emettere” una successione di suoni Reti Neurali Artificiali per la riabilitazione di pazienti disabili 33 Applicabilità delle reti neurali • Le reti neurali… – …non possono fare nulla che non possa essere fatto utilizzando un approccio computazionale tradizionale – …ma possono fare cose che con un approccio tradizionale sarebbero estremamente difficili da realizzare • Quando sono utili le reti neurali? – quando non possiamo formulare una soluzione algoritmica – quando disponiamo di un gran numero di esempi del comportamento che vogliamo simulare – quando vogliamo estrapolare la struttura da dati esistenti • Esempi di applicazioni – – – – analisi dell’andamento azionario riconoscimento del parlato o dei caratteri manoscritti riconoscimento della presenza di un oggetto in una scena … Reti Neurali Artificiali per la riabilitazione di pazienti disabili 34 Reti neurali e disabilità 1 • Diagnosi dei disturbi dell’umore e delle psicosi schizofreniche • Devil (Device for Elaborating Vocal Italian Language) per il comando vocale di robot per disabili motori • Mouse vocali per interazione uomomacchina per disabilità motoria e disturbi del parlato Reti Neurali Artificiali per la riabilitazione di pazienti disabili 35 Reti neurali e disabilità 2 • Adaptive Brain Interfaces – L’acronimo ABI (Adaptive Brain Iterfaces) designa un sistema innovativo destinato a persone disabili con impedimenti psicomotori, ma proiettabile in futuro su applicazioni diversificate – Si tratta di una sorta di “cuffia” dotata di elettrodi che, posta sulla testa dell’utilizzatore, è in grado di captare i segnali lanciati dal cervello che sono subito monitorati attraverso l’elettroencefalogramma (EEG) – Mediante una rete neurale si effettua un’operazione di classificazione, in modo da riconoscere l’obiettivo mentale sul quale l’utilizzatore è concentrato: è la “trasmissione del pensiero” che permette al portatore della cuffia di leggere una pagina Web, di interagire con giochi, o di guidare una sedia a rotelle Reti Neurali Artificiali per la riabilitazione di pazienti disabili 36 Reti neurali e disabilità 3 • Adaptive Brain Interfaces – L’intuizione è stata quella di progettare uno strumento capace di monitorare l’EEG e di interpretarne i segnali, per dotarlo di una sorta di “intelligenza” sostitutiva a condizioni di disabilità nell’individuo • Quando si pensa a una azione da compiere, l’EEG, cioè l’impulso elettrico del cervello, subisce una modificazione • Questo segnale viene catturato e decodificato da un software che riconosce il compito mentale immaginato, lo associa a un preciso comando e lo trasmette al computer Reti Neurali Artificiali per la riabilitazione di pazienti disabili 37 Reti neurali e disabilità 4 Adaptive Brain Interfaces Reti Neurali Artificiali per la riabilitazione di pazienti disabili 38 Reti neurali e disabilità 5 • Progetto MindDrive – Vi sono altre realtà di ricerca che, attraverso reti neurali, fanno leva sulla motivazione del disabile perché acquisisca maggior controllo nei movimenti – L’Istituto Carlo Besta di Milano nella sua divisione di Neurologia dello Sviluppo ha progettato un software che consente al disabile, attraverso simulazioni virtuali, di “percepire” sensazioni di movimento – Attraverso il sensore MindDrive, progettato dal Pentagono, bambini tetraplegici ma con buone abilità cognitive, riescono ad interagire con il computer, utilizzando la realtà virtuale per trasformare un’intenzione del pensiero in un’azione Reti Neurali Artificiali per la riabilitazione di pazienti disabili 39 Reti neurali e disabilità 6 • Progetto MindDrive – I videogiochi proposti sono basati sulla possibilità di orientare il cursore sullo schermo per compiere un esercizio, come sciare o guidare un aereo, o comporre un arrangiamento musicale – I giovani pazienti gradiscono molto la terapia e si dimostrano spesso più abili nel comando del cursore di tanti adulti sani, riuscendo così ad affrontare l’esercizio con uno stato d’animo estremamente positivo che porta a rilassamento e quindi ad un miglioramento della loro distonia Reti Neurali Artificiali per la riabilitazione di pazienti disabili 40 • GRAIL Reti neurali e disabilità 7 – Al Oak Ridge National Laboratory, la Computational Biosciences Section diretta da Edward Uberbacher ha affrontato il nodo della ricerca dei geni attraverso reti neurali dalla fine degli anni `80 – Dal 1991, è stato sviluppato Grail, un software neurale in grado di individuare i geni – Da allora Grail è stato affiancato da almeno una dozzina di altri programmi per la scoperta di geni, molti dei quali sono disponibili online per i ricercatori – Gli attuali programmi per la localizzazione dei geni sono lontani dal raggiungere buone prestazioni: predicono talvolta geni che non esistono e non trovano quelli realmente presenti – In parte a causa della scarsa precisione, questi metodi sono rimasti ai margini ma, considerando il flusso accelerato dei dati relativi al genoma, i biologi saranno costretti ad affidarvisi e quindi a migliorarli Reti Neurali Artificiali per la riabilitazione di pazienti disabili 41 Reti neurali e Sindrome di Rett: prospettive di ricerca 1 • La scienza l’ha definita “malattia neurodegenerativa • • dell’evoluzione progressiva” i cui sintomi compaiono all’incirca fra il primo e secondo anno di vita dopo un sviluppo neonatale apparentemente normale Dal 1999 è noto che la Sindrome di Rett (RTT) ha origini genetiche e, in particolare è dovuta alla degenerazione, del gene MeCP2, del cromosoma X Le bambine affette da RTT presentano: – Perdita dell’uso funzionale delle mani, con comparsa di movimenti stereotipati, associato a difficoltà comunicative e ad una chiusura alla socializzazione – Linguaggio ricettivo ed espressivo gravemente danneggiati ed evidente grave ritardo psicomotorio – Aprassia della deambulazione (difficoltà a esercitare movimenti) e atassia (mancanza di coordinazione dei movimenti volontari) della postura Reti Neurali Artificiali per la riabilitazione di pazienti disabili 42 Reti neurali e Sindrome di Rett: prospettive di ricerca 2 • Gli strumenti offerti dall’Intelligenza Artificiale, quali ABI e MindDrive potrebbero essere impiegati per ristabilire (seppure parzialmente) il contatto delle pazienti con il mondo esterno, almeno nei casi PSV (Preserving Speech Variant) di Sindrome di Rett • In particolare, nel caso di pazienti “highly functioning PSV”, con IQ medio, MindDrive potrebbe costituire un supporto fondamentale alla disabilità motoria • Viceversa, nel caso di RTT classica, il ritardo psichico è tale da rendere inutilizzabili tali strumenti Reti Neurali Artificiali per la riabilitazione di pazienti disabili 43 Reti neurali e Sindrome di Rett: prospettive di ricerca 3 • Le pazienti affette da RTT continuano comunque a manifestare alcuni bisogni fondamentali, utilizzando un linguaggio non comprensibile, ma che sembra mostrare alcune regolarità • I genitori, infatti, “intuiscono” il significato delle richieste che, sostengono, sono formulate sempre attraverso gli stessi suoni, per quanto non facilmente riconducibili al linguaggio naturale Reti Neurali Artificiali per la riabilitazione di pazienti disabili 44 Reti neurali e Sindrome di Rett: prospettive di ricerca 4 • Ipotesi: – Costruire un architettura neurale per ciascuna paziente in grado di riconoscere suoni e classificarli come riferiti ad una richiesta specifica (appartenente ad un numero finito, presumibilmente piccolo, di classi) – Utilizzare il knowhow dei genitori per addestrare la rete neurale – Equipaggiare lo strumento con un sintetizzatore vocale che traduca la richiesta in linguaggio naturale Possibilità di interazione extrafamiliare con il mondo esterno Reti Neurali Artificiali per la riabilitazione di pazienti disabili 45
Scarica
