بهناز رستمی در گفت و گو با ایسنا، درباره امکان جایگزینی هوش مصنوعی با درمانهای توانبخشی، به ویژه گفتاردرمانی و کاردرمانی، اظهار کرد: درمانهای توانبخشی، به خصوص گفتاردرمانی کودکان، یکی از حساسترین حوزههای توان بخشی است و اگر بخواهیم پاسخ کوتاهی به این پرسش بدهیم که آیا یک ابزار هوش مصنوعی میتواند جایگزین گفتاردرمانگر شود، پاسخ منفی است. البته این فناوری میتواند در کنار درمان اصلی کمک کننده باشد و در برخی شرایط کاربردهای مفیدی داشته باشد.
وی مهمترین عامل در روند درمان را ارتباط میان مراجعه کننده و درمانگر عنوان کرد و افزود: به ویژه در گفتاردرمانی کودکان، رابطهای که بین کودک و درمانگر شکل میگیرد، بسیار مهم است و حتی میتواند در مراحل اولیه درمان از خود تکنیکهای درمانی نیز مهمتر باشد.
رستمی ادامه داد: این موضوع به خصوص در سنین پایین و در مورد کودکانی که در طیف اتیسم قرار دارند، کودکان دارای اختلال بیشفعالی، انواع تأخیرهای رشدی و حرکتی، اختلالات اضطرابی و سایر اختلالات، اهمیت بیشتری پیدا میکند. در این شرایط ابتدا باید ارتباط مناسبی میان کودک و درمانگر شکل بگیرد تا کودک بتواند به طرف مقابل و درمانگر خود اعتماد کند.
این گفتاردرمانگر مطرح کرد: درمانگر در طول زمان به تدریج الگوهای رفتاری، ترسها، علایق، نقاط قوت و نقاط ضعف کودک را شناسایی میکند و از این شناخت هم برای ایجاد انگیزه و هم برای بهبود کیفیت درمان استفاده میکند. در نتیجه این شناخت میتواند نتیجه درمان را تغییر دهد.
وی با تأکید بر اینکه رابطه درمانگر و کودک فضای امنی ایجاد میکند، اظهار کرد: کودک در این فضای امن جرأت پیدا میکند مهارتهای مختلف را امتحان کند، اشتباه کند، دوباره تلاش کند و برای پیشرفت کردن قدم بردارد. هیچ اپلیکیشنی نمیتواند به تنهایی چنین امنیت و اعتمادی را ایجاد کند. چرا که این امنیت حاصل یک تعامل زنده و دوسویه است، نه صرفاً یک الگوریتم.
رستمی بیان کرد: این مسئله در گفتاردرمانی اهمیت بیشتری دارد. زیرا یکی از جنبههای مهمی که در گفتاردرمانی به دنبال تسهیل و بهبود آن هستیم، خود تعامل و ارتباط چه ارتباط کلامی و چه غیرکلامی است.
تفاوت تکنسین و کلینیسین، چارچوبی برای فهم جایگاه هوش مصنوعی
این آسیب شناس گفتار و زبان با اشاره به تفاوت میان تکنسین و کلینیسین، خاطرنشان کزد: این تفاوت شاید بهترین چارچوب برای توضیح جایگاه هوش مصنوعی در گفتاردرمانی باشد. تکنسین معمولاً کاری را که بر اساس یک دستورالعمل از پیش تعیین شده مشخص شده، اجرا میکند. یعنی مجموعهای از برنامهها و تمرینها را به صورت تکراری انجام میدهد و بر اساس تجربه، ممکن است برای هر کودک تعدادی تمرین در نظر بگیرد.
رستمی افزود: اما تکنسین نمیتواند مشکل کودک را در بافت کلی زندگی او تفسیر کند و تصمیم بگیرد که چرا یک مشکل به وجود آمده است. همچنین تشخیص افتراقی و بررسی علت اصلی مشکل، نیازمند قضاوت بالینی است. در حالی که در عملکرد صرفاً تکنیکی چنین قضاوتی وجود ندارد.
این گفتاردرمانگر توضیح داد: کلینیسین از میان چند احتمال، با استفاده از یک قضاوت حرفهای، علت واقعی مشکل را پیدا میکند و برنامه درمانی را بر اساس آن طراحی میکند. در این فرآیند فقط یک داده یا یک الگوی مشخص مورد توجه نیست، بلکه خانواده، محیط، شخصیت کودک، سابقه رشد و عوامل مختلف دیگر در نظر گرفته میشود.
وی ادامه داد: واکنش عاطفی کودک، محیط زندگی، خانواده و عوامل متعدد دیگری میتوانند مسیر درمان را تغییر دهند و کلینیسین بر اساس مجموعه این اطلاعات، برنامه درمانی را طراحی و در صورت نیاز اصلاح میکند و مسئولیت اخلاقی و بالینی تصمیمات خود را نیز بر عهده میگیرد.
رستمی گفت: از این منظر میتوان گفت هوش مصنوعی در برخی حوزهها میتواند به بخش تکنسینی گفتاردرمانی شباهت داشته باشد. برای مثال میتواند یک سری تمرینهای تکراری تلفظ را انجام دهد، صدا را ضبط و تحلیل کند و بازخورد فوری بدهد که یک تمرین درست انجام شده یا خیر، اما بخش مهمی که مربوط به تشخیص و قضاوت بالینی است، موضوع دیگری است.
هوش مصنوعی همیشه علت اصلی اختلال گفتاری را تشخیص نمیدهد
وی با اشاره به محدودیت هوش مصنوعی در تشخیص علت اختلالات گفتاری کودکان اظهار کرد: یک ابزار هوش مصنوعی یا حتی یک تکنسین، لزوماً نمیتواند علت دقیق مشکل را تشخیص دهد. گاهی یک مشکل گفتاری ریشه در مسائل شنوایی، ساختار دهان و فک، تأخیر عمومی رشد یا حتی مسائل عصبی دارد.
رستمی عنوان کرد: گفتاردرمانگر با ارزیابی بالینی، این علتها را از یکدیگر افتراق میدهد. اما ابزار هوش مصنوعی معمولاً بیشتر الگوی صدا را تحلیل میکند. ممکن است بازخورد بدهد، تمرین ارائه کند و حتی سطح تمرینها را تغییر دهد، اما الزاماً نمیتواند ریشه اصلی مشکل را بررسی کند.
وی ادامه داد: بنابراین اگر بخواهیم از هوش مصنوعی برای تمرین تلفظ استفاده کنیم، میتواند ابزار مناسبی در کنار درمان باشد، اما اینکه بخواهیم از آن انتظار داشته باشیم علت اختلال را به طور کامل پیدا کند و بر اساس آن مسیر درمان را تعیین کند، با محدودیتهای فعلی این فناوری مواجه است.
این گفتاردرمانگر حساسیت به تفاوتهای فردی در گفتار کودکان را یکی دیگر از چالشهای هوش مصنوعی عنوان کرد و گفت: در مورد یک کودک باید تشخیص دهیم که آیا اشتباه تلفظی او متناسب با سنش طبیعی است یا نشانه یک اختلال محسوب میشود.
وی توضیح داد: برخی خطاهای تلفظی در سنین خاصی طبیعی هستند و ما از آنها تحت عنوان فرآیندهای واجی یاد میکنیم. بنابراین یک کودک ممکن است یک کلمه را اشتباه تلفظ کند، اما این اشتباه با توجه به سن او طبیعی باشد؛ در مقابل، همان خطا در سن بالاتر میتواند نشانه یک اختلال باشد.
رستمی یادآور شد: تشخیص این تفاوت به تجربه بالینی نیاز دارد و مدلهای فعلی هوش مصنوعی در تشخیص گفتار کودکان، بهخصوص کودکان زیر پنج سال، همچنان با خطاهایی مواجه هستند، زیرا صدای کودک نسبت به بزرگسال تغییرپذیری بیشتری دارد و همین مسئله میتواند دقت ابزارهای هوشمند را کاهش دهد.
تماس چهره به چهره و بازخورد حرکتی قابل جایگزینی نیست
وی با اشاره به اهمیت تعامل چهره به چهره در گفتاردرمانی اظهار کرد: تماس چشمی و بازخورد لحظهای درمانگر اهمیت زیادی دارد. درمانگر در حین تمرین، حرکات دهان، فک و زبان کودک را میبیند و میتواند همان لحظه آنها را اصلاح کند.
این آسیب شناس گفتار و زبان افزود: برای مثال وقتی درمانگر میخواهد تلفظ یک صدا را آموزش دهد، باید به کودک نشان دهد کدام قسمت زبان یا کدام یک از اندامهای گویایی درگیر میشود، جایگاه زبان چگونه باید باشد یا لبها چگونه باید جمع شوند. کودک نیز میتواند این حرکت را ببیند و تقلید کند.
وی اظهار کرد: این بازخورد دیداری و حرکتی همزمان، بخشی از درمان است که به سادگی در یک اپلیکیشن قابل انجام و تکرار نیست.
این گفتاردرمانگر انگیزه و ارتباط عاطفی را از دیگر عوامل تعیین کننده در درمان کودکان دانست و گفت: کودکان در سنین پایین زمانی همکاری میکنند که به درمانگر اعتماد داشته باشند. در برخی اختلالات نیز از رویکردهای کودکمحور و بازی درمانیهای تخصصی استفاده میشود و رابطه انسانی درمانگر و کودک نقش مستقیمی در میزان مشارکت کودک دارد.
وی افزود: اگر بخواهیم با یک رویکرد خشک و مجموعهای از قواعد از پیش تعیین شده با کودک کار کنیم و انعطاف لازم را نداشته باشیم، ممکن است ارتباط عاطفی مناسبی شکل نگیرد و در نتیجه روند درمان نیز به درستی پیش نرود.
رستمی با اشاره به اهمیت انعطاف پذیری در جلسات درمان گفت: گاهی کودک در جلسه خسته، مضطرب، کسل یا بیحوصله است و به دلایل مختلف همکاری نمیکند. درمانگر بلافاصله شرایط را تشخیص میدهد و میتواند روش درمان، نوع فعالیت یا سطح دشواری تمرین را تغییر دهد.
وی ادامه داد: این انعطاف پذیری در بسیاری از اپلیکیشنها محدود است، زیرا آنها معمولاً بر اساس یک مسیر از پیش تعیین شده عمل میکنند و نمیتوانند مانند درمانگر شرایط لحظهای کودک را درک کنند و متناسب با آن تصمیم بگیرند.
رستمی تأکید کرد: گفتاردرمانی فقط تمرین نیست؛ اعتماد، انگیزه دادن، خواندن واکنشهای ظریف مراجعه کننده و تشخیص اضطراب، خستگی، ناامیدی یا عدم همکاری و واکنش مناسب به این شرایط، نقش کلیدی در درمان دارد و شبیه سازی کامل این موارد توسط ابزارهای هوش مصنوعی همچنان دشوار است.
تشخیص افتراقی و قضاوت بالینی همچنان در اختیار درمانگر است
وی در ادامه اظهار کرد: اگر بخواهیم تشخیص افتراقی مناسب داشته باشیم، برنامه درمانی طراحی کنیم و علت زمینهای اختلال گفتار را پیدا کنیم، به قضاوت بالینی نیاز داریم. اینکه بدانیم یک اختلال ناشی از سکته، آسیب مغزی، تأخیر رشدی یا عامل دیگری است، نیازمند بررسی پیچیدهای است که فراتر از توان الگوریتمهای فعلی هوش مصنوعی قرار دارد.
این گفتاردرمانگر افزود: درمانگر با توجه به واکنش بیمار در همان لحظه میتواند سطح سختی تمرین را تغییر دهد و این انعطاف پذیری همچنان یکی از محدودیتهای اصلی سیستمهای هوشمند محسوب میشود.
رستمی با اشاره به بخشهای فیزیکی برخی درمانهای توانبخشی گفت: در برخی درمانها، چه در گفتاردرمانی و چه در کاردرمانی، از ماساژ، تحریکات حسی، لمس، هدایت فیزیکی و حمایت بدنی استفاده میشود و این بخشها نیازمند حضور فیزیکی درمانگر است. بنابراین هوش مصنوعی نمیتواند چنین حمایت و مداخلهای را انجام دهد.
وی در ادامه درباره حوزههایی که هوش مصنوعی میتواند به درمان کمک کند، اظهار کرد: این فناوری میتواند بهعنوان نقش مکمل و پشتیبان، آنهم در برخی شرایط، تمرینهای تکراری را در خانه و در فاصله بین جلسات درمانی ارائه دهد.
رستمی ادامه داد: برای مثال کودک میتواند بین جلسات هفتگی، تمرین تلفظ کلمات را با استفاده از یک ابزار هوشمند انجام دهد تا آموختههای او تثبیت شود. این تمرینها میتوانند در قالب بازیهای صوتی و تصویری نیز ارائه شوند، چراکه بسیاری از کودکان با بازی بیشتر از تمرینهای خشک همکاری میکنند.
وی افزود: ثبت و پیگیری دادهها نیز از دیگر کاربردهای هوش مصنوعی است. برخی ابزارها میتوانند عملکرد کودک را ثبت و روند پیشرفت او را به درمانگر گزارش کنند تا درمانگر بر اساس این دادهها برنامه درمانی را بهتر تنظیم کند.
این گفتاردرمانگر ادامه داد: هوش مصنوعی در برخی شرایط میتواند بر اساس سطح فعلی مراجعه کننده، تمرینهایی را پیشنهاد دهد که متناسب با همان سطح باشد. البته این پیشنهادها باید در چارچوب برنامه درمانی و با نظارت درمانگر مورد استفاده قرار گیرند و نباید جایگزین تصمیم درمانگر شوند.
رستمی با اشاره به ظرفیت هوش مصنوعی برای مناطق محروم گفت: در مناطقی که دسترسی به درمانگر متخصص محدود است، از جمله برخی روستاها و شهرهای کوچک، ابزارهای هوش مصنوعی میتوانند تا حدی این شکاف را پر کنند و بهعنوان یک پل موقت مورد استفاده قرار گیرند.
وی تأکید کرد: این ابزارها جایگزین متخصص نیستند، اما میتوانند در شرایطی که دسترسی فوری به متخصص وجود ندارد، برای تمرین، پیگیری و حتی ایجاد آگاهی اولیه کمککننده باشند.
این گفتاردرمانگر یکی دیگر از کاربردهای مهم هوش مصنوعی را غربالگری اولیه دانست و گفت: برای مثال یک مادر میتواند برخی علائم و رفتارهای کودک را در اختیار یک ابزار هوشمند قرار دهد و از آن کمک بگیرد تا متوجه شود آیا لازم است کودک برای ارزیابی تخصصی مراجعه کند یا خیر.
رستمی تصریح کرد: این موضوع به معنای تشخیص قطعی نیست، بلکه ابزار میتواند به والد هشدار دهد که بهتر است وضعیت کودک بررسی شود. همین هشدار اولیه نیز میتواند اهمیت زیادی داشته باشد و باعث شود مراجعه به متخصص به تأخیر نیفتد.
آینده درمان؛ مدل ترکیبی انسان و هوش مصنوعی
وی درباره آینده این حوزه گفت: به نظر میرسد در آینده مدل ترکیبی انسان و هوش مصنوعی شکل بگیرد. در این مدل، درمانگر تشخیص میدهد، برنامه درمانی را طراحی میکند و ارتباط انسانی را برقرار میکند، در حالی که هوش مصنوعی میتواند تمرینهای روزانه را ارائه دهد، پیشرفت کودک را پایش کند و بخشی از کارهای تکراری را انجام دهد.
رستمی خاطرنشان کرد: این ترکیب میتواند هزینه درمان را کاهش دهد و دسترسی به خدمات را افزایش دهد، بدون اینکه کیفیت درمان قربانی شود. در واقع هوش مصنوعی میتواند بخشی از وظایفی را که به صورت تکراری انجام میشوند، در فاصله بین جلسات بر عهده بگیرد و اطلاعات حاصل را در اختیار درمانگر قرار دهد.
والد نباید به درمانگر کودک تبدیل شود
این گفتاردرمانگر در عین حال بر حفظ نقش طبیعی والدین تأکید کرد و گفت: پدر و مادر نباید به دلیل استفاده از ابزارهای هوش مصنوعی، نقش والد خود را کنار بگذارند و به آموزشدهنده، معلم یا تراپیست کودک تبدیل شوند.
وی افزود: والد باید همچنان والد باشد و از جنبههای مختلف به رشد کودک کمک کند. تمرینهای درمانی نیز باید در چارچوبی باشد که درمانگر مشخص کرده و استفاده از فناوری نباید باعث شود مسئولیت درمان به طور کامل بر دوش والد قرار گیرد.
دو تا شش سالگی، دوره بسیار مهم و طلایی رشد زبان
رستمی نسبت به اتکای کامل والدین به اپلیکیشنها و ابزارهای هوش مصنوعی هشدار داد و گفت: بزرگترین خطر زمانی ایجاد میشود که والدین به دلیل هزینه یا کمبود وقت، مراجعه به گفتاردرمانگر را کنار بگذارند و فقط به اپلیکیشن یا ابزار هوش مصنوعی اکتفا کنند.
وی خاطرنشان کرد: سالهای اولیه کودکی، بهویژه حدود دو تا شش سالگی، دوره بسیار مهم و طلایی رشد زبان است و اگر تشخیص و شروع درمان در این دوره به تأخیر بیفتد، جبران برخی مشکلات میتواند دشوارتر شود.
این گفتاردرمانگر تأکید کرد: بنابراین هوش مصنوعی باید در جایگاه یک ابزار مکمل مورد استفاده قرار گیرد. درمانگر همچنان مسئول تشخیص، برنامهریزی، ایجاد ارتباط، ارزیابی روند درمان و تصمیمگیری بالینی است و هوش مصنوعی میتواند در کنار او، بخشی از تمرینها، پایش و کارهای تکراری را بر عهده بگیرد.
انتهای پیام
