I en nyligen genomförd pilotstudie, forskare från National University of Singapore (NUS) har visat att en kraftfull artificiell intelligens (AI) plattform som kallas CURATE.AI potentiellt kan användas för att skräddarsy träningsplaner för individer för att anpassa lärande och förbättra kognitiva prestanda. Använda prestandadata från en viss person, CURATE.AI skapar en individualiserad profil som gör det möjligt att skräddarsy kognitiv träning efter individens inlärningsvanor och kompetenser för att förbättra träningseffektiviteten.

Sådan dynamisk AI-guidad personalisering övervinner den nuvarande begränsade förbättringen som produceras genom att använda traditionella träningsmetoder som ofta innebär repetitiva beteendeövningar. Resultaten av studien ger bevis för att CURATE.AI -plattformen har potential att förbättra inlärning, och banar väg för lovande applikationer för personlig digital terapi, inklusive förebyggande av kognitiv nedgång.

Forskningen, ledd av professor Dean Ho och biträdande professor Christopher L. Asplund från N.1 Institute for Health (N.1) i NUS, som tidigare var Singapore Institute for Neurotechnology (SINAPSE), publicerades i tidningen Avancerad terapi den 22 maj 2019.

Begränsningar av traditionell kognitiv träning

Traditionella inlärningsmetoder är ofta beroende av upprepning, där deltagarna kontinuerligt tränas under samma intensitetsnivå, eller stadigt ökande intensitetsnivåer över tiden. Även om sådana metoder kan leda till förbättrad prestanda, de kanske inte uppnår optimala resultat för varje deltagare. Dessutom, den bästa förbättringsbanan kommer att vara specifik för individen, och uppgiften måste justeras för att passa individen.

Över åren, flera metoder för att förbättra kognitiv prestanda har studerats, allt från läkemedelsbehandlingar till tv -spel och mentala övningar. På senare tid, området för digital terapi har vuxit fram, med mobila applikationer som utforskas som ersättare för läkemedelsbehandlingar.

"Alla är unika, så när det gäller utbildning eller lärande, resultat kommer säkert att variera kraftigt från person till person. Att utnyttja teknik för att förbättra inlärningen är ett bra sätt att hantera de utmaningar som förvirrar konventionella inlärningsmetoder. Det som saknas är tillvägagångssätt som kan anpassa varje användares prestanda för att driva snabb träningsförbättring. Det är här CURATE.AI kan komma in för att stoppa klyftan, "delade Prof Ho, som är direktör för N.1, och även professor vid professor vid biomedicinsk teknik och farmakologi vid NUS, samt medlem i Biomedical Institute for Global Health Research and Technology (BIGHEART) på NUS.

CURATE.AI är en plattform för artificiell intelligens som utvecklats av ett team av ingenjörer som leds av prof Ho. Det fungerar genom att använda en persons egna data, såsom träningsintensitet och motsvarande resultatprestanda, för att kalibrera personens unika svar. Denna kalibrering används sedan för att skapa en individualiserad CURATE.AI -profil, som kan kartlägga och identifiera den bästa möjliga träningsplanen för att öka personens prestanda till det optimala.

Utnyttja AI för att optimera kognitiv prestanda

För att härleda hur optimal kognitiv prestanda kan uppnås, NUS -forskargruppen undersökte först hur människor utför uppgifter. Teamet använde en simulatorprogramvara för flygoperationer som utvecklats av United States Air Force och National Aeronautics and Space Administration. Uppgifter i programvaran inkluderar hantering av bränsletanknivåer, spåra ett mål med en joystick, justera en radio som svar på verbala kommandon, och reagerar på indikatorlampor och mätare.

En grupp på 28 deltagare testades på hur bra de kunde utföra flera uppgifter som krävs av programvaran samtidigt. Även med samma aktivitetssekvenser och kontrollinställningar, deltagarna presterade annorlunda. Till exempel, för en uppgift som kräver en reaktion på en varningssignal, bäst presterande kunde svara två gånger snabbare än sämst presterande. De flesta deltagare förbättrades med tiden, men deras respektive förbättringshastigheter var mycket varierande. Dessutom, samma deltagares förbättring varierade ofta från dag till dag.

"De skarpa skillnaderna visar tydligt att en enstaka träningsplan baserad på statisk upprepning inte är lämplig för att optimera inlärningen. Vi behöver en strategi som justerar träningen-som kan innebära många uppgifter som stör varandra-enligt deltagarens förändrade svar, "sa Asst Prof Asplund, som också är från Yale-NUS College.

Som sådan, forskargruppen genomförde en pilotstudie med CURATE.AI för att skapa individualiserade träningsprofiler.

Tre deltagare genomgick utbildning med hjälp av simulatorprogrammet för flygoperationer, med låg, medelhög och hög intensitet. Deras prestationspoäng på dessa nivåer avslöjade mycket individualiserade resultat.

Resultaten av pilotstudien visade att medan vissa deltagare kan trivas under hög intensitet, andra kan prestera bättre under lägre intensitetsnivåer. Detta indikerar att för att optimera prestanda, Träningsintensiteten bör varieras dynamiskt vid en given tidpunkt, eftersom samma intensitet kan bibehållas under hela ett träningspass. Dessutom, de olika banor som observerats mellan varje deltagare var slående, förstärker behovet av att anpassa den kognitiva träningsprocessen, eftersom inga ämnen är lika.

"Med långvariga studier, vi kanske kan identifiera de ständigt föränderliga regimerna som ytterligare kan förbättra prestanda på lång sikt. Detta kan öppna möjligheter för CURATE.AI att användas för andra applikationer, såsom förebyggande av kognitiv nedgång, och digital terapi, "förklarade Theodore Kee, den första författaren till studien och även medlem i N.1.

Vidare studier

NUS -teamet planerar att utveckla mobil programvara integrerad med CURATE.AI som kan utökas till annan digital terapi och anpassade inlärningsprogram. Dessutom, laget planerar att genomföra prospektiva studier där deltagarna interagerar med simuleringsprogrammet för flygoperationer under längre perioder, för att avgöra om CURATE.AI-träning kan möjliggöra långsiktig bibehållande av optimerad träningsprestanda.