La comprensió de les diferències en la percepció emocional entre persones autistes i neurotípiques ha estat un desafiament recurrent en neurociència cognitiva. Tradicionalment, els estudis s'han recolzat en conjunts fixos d'estímuls facials, amb respostes per trobar diferències grupals. No obstant això, aquesta aproximació adolceix d'una variabilitat considerable entre experiments. Un recent enfocament innovador, basat en intel·ligència artificial, proposa seleccionar estímuls de forma dinàmica per maximitzar la separació perceptual entre grups. Aquest mètode no només millora la sensibilitat de les proves, sinó que obre la porta a aplicacions pràctiques en diagnòstic i teràpia.
La clau està en entrenar models de xarxes neuronals artificials específics per a cada població (autista i neurotípica) utilitzant judicis emocionals a nivell d'imatge. Aquests models aprenen a predir com cada grup avaluarà una expressió facial concreta. En analitzar les prediccions, s'identifiquen les imatges que generen les majors discrepàncies. En lloc de presentar cent cares i esperar que la mitjana reveli alguna cosa, se seleccionen les poques que realment discriminen. Això recorda com en el món empresarial s'utilitzen agents IA per filtrar dades massives i extreure patrons rellevants, evitant el soroll d'informació redundant.
Els resultats de la investigació mostren que les diferències autista-neurotípic no són uniformes en tot l'espectre emocional, sinó que es concentren en un subconjunt molt específic d'expressions. Això explica perquè estudis previs obtenien conclusions contradictòries: depenien del conjunt d'imatges triat. En usar models generatius adversaris (GANs), els científics van aconseguir transformar aquestes imatges conflictives en d'altres que reduïen la separació entre grups. És a dir, no només van detectar on divergeixen les percepcions, sinó que van poder generar estímuls que les acosten. Aquest tipus de treball de modificació i simulació és anàleg al que es fa en desenvolupar programari a mida per a entorns de realitat virtual o entrenament cognitiu, on cada estímul s' ha de calibrar per a l' usuari final.
Des d' una perspectiva tècnica, el flux de treball implica: collita de dades conductuals, entrenament de models de machine learning, selecció d' imatges basada en la separació de classes, validació en cohorts independents i síntesi de noves imatges mitjançant GANs. Tot això requereix una infraestructura computacional robusta. Aquí és on entren els serveis cloud aws i azure que ofereix Q2BSTUDIO, permetent escalar els entrenaments de models i emmagatzemar grans volums de dades de forma segura. A més, la ciberseguretat és crítica quan es manegen dades sensibles de participants, per la qual cosa solucions com pentesting i auditories de seguretat són indispensables.
El potencial d' aquest marc va més enllà de la recerca bàsica. En l' àmbit clínic, es podrien desenvolupar eines d' avaluació perceptual personalitzades per a persones amb autisme. Per exemple, una aplicació a mesura que adapti els estímuls emocionals en temps real segons la resposta de l'usuari, ajudant terapeutes a identificar llindars de reconeixement. També és possible integrar serveis intel·ligència de negoci amb power bi per visualitzar les trajectòries de millora en intervencions emocionals. I tot això recolzat en ia per a empreses que optimitzi recursos i automatitzi processos.
Un altre aspecte rellevant és la transformació d'estímuls per aconseguir consens perceptual. Si podem reduir la bretxa entre autistes i neurotípics en condicions controlades, tal vegada puguem dissenyar entorns més inclusius. Per exemple, interfícies d'usuari en aplicacions de comunicació assistida que utilitzin expressions facials sintètiques optimitzades per ser interpretades de manera similar per tothom. Aquí la capacitat de generar agents IA que interactuïn amb empatia i precisió és clau. Q2BSTUDIO desenvolupa solucions d'intel·ligència artificial que permeten des de chatbots emocionals fins a sistemes de reconeixement d'expressions en temps real.
En conclusió, aquest nou paradigma d'estímuls guiats per IA representa un salt qualitatiu en com estudiem i abordem les diferències perceptuals en l'autisme. La combinació de models predictius i síntesi generativa ofereix un camí per personalitzar la recerca i les intervencions. Les empreses tecnològiques com Q2BSTUDIO estan preparades per proporcionar la infraestructura, el desenvolupament de programari a mida i la consultoria necessària per implementar aquests sistemes en entorns clínics, educatius o de recerca. La intel·ligència artificial no només ens ajuda a entendre millor la ment humana, sinó que ens dona eines per construir ponts entre diferents formes de percebre el món.
