«Он не тупит — он просто слишком думает»: ИИ построил «копию» мозга ребёнка

С помощью искусственного интеллекта и МРТ-сканирования мозга учёные из Стэнфорда сделали прорыв в понимании того, как возникают трудности с изучением математики у детей. Исследователи создали так называемые «цифровые двойники» школьников, испытывающих проблемы с математикой, чтобы впервые в истории заглянуть в самые нейронные корни этих трудностей.

Работа стала результатом многолетних исследований профессора психиатрии и поведенческих наук Стэнфордского университета Винода Менона. Он объясняет: раньше ученые полагались в основном на поведенческие данные и когнитивную нейровизуализацию, но теперь, благодаря новым инструментам ИИ, можно изучать эти процессы глубже и точнее.

В статье, опубликованной в журнале Science Advances, команда Менона описывает персонализированные нейросети, которые функционируют как цифровые «двойники мозга» конкретных детей. Эти модели не просто повторяют ответы учащихся при решении задач на сложение и вычитание, но и имитируют работу их мозга, включая моменты, когда что-то идёт не так.

В исследовании участвовали 45 детей в возрасте от 7 до 9 лет, из которых 21 испытывал выраженные трудности с математикой. Пока дети решали примеры, их мозг сканировался с помощью фМРТ. Затем их цифровые двойники проходили те же задачи, демонстрируя сходную точность и типичные ошибки.

Оказалось, что качество решения задач можно было предсказать, варьируя один-единственный параметр — нейронную возбудимость, то есть силу, с которой нейроны активируются. И вот что оказалось неожиданным: у детей с трудностями активность мозга в ключевых для математического мышления зонах была не пониженной, а наоборот — чрезмерной. Цифровые модели показали тот же паттерн гипервозбудимости.

По словам Менона, такая повышенная активность мешает формировать чёткие ментальные образы задач. Разные математические проблемы вызывают слишком похожие отклики мозга, и ученик буквально не может «услышать» правильное решение — всё сливается в шум.

Но вместе с этим открытием приходит и надежда. Модели показали, что при достаточном количестве обучения дети с нарушениями всё же могут достичь уровня сверстников. Да, цифровым двойникам с трудностями требовалось почти в два раза больше времени на тренировку, но в итоге они справлялись наравне. А значит, правильный подход к обучению может дать реальные результаты.

Исследователи надеются, что цифровые модели позволят не просто понимать, но и тестировать в компьютерной симуляции разные стратегии коррекции — задолго до внедрения их в класс. Это может привести к созданию персонализированных учебных планов, ориентированных на особенности мозга каждого ребёнка.

Хотя работа ещё требует доработки и подтверждения, Менон уверен: перед нами новый путь к более эффективному образованию и поддержке тех, кому учёба даётся труднее.