في عالم الدراسات النفسية، يصبح فهم الاختلافات الإدراكية بين الأفراد المصابين بالتوحد (Autism) وغير المصابين (Neurotypical) خطوةً حاسمةً تتطلب أدوات تجريبية موثوقة وحساسة. ولعل ادراك المشاعر الوجهية يُعدّ نموذجًا مثاليًا لذلك، حيث أظهرت الأبحاث السابقة وجود اختلافات بين المجموعتين، لكن النتائج ظلت متباينة.

تتجه نتائج هذا البحث نحو فكرة مثيرة، إذ تشير إلى أن التباين في نتائج الإدراك قد يكون ناتجًا عن الندرة في مستوى الصور، أي أن الاختلافات بين المشاركين المصابين بالتوحد وغير المصابين تتجمع في عدد قليل من التعبيرات الوجهية التشخيصية بدلاً من الانتشار بشكل متساوٍ عبر جميع المنبهات.

استخدم الباحثون نماذج شبكات عصبية صناعية (Artificial Neural Networks) مصممة خصيصًا للتنبؤ بأحكام الصور بناءً على تجارب المشاركين، الأمر الذي سمح لهم باختيار وجوه جديدة مُتوقعة لتحقيق أقصى تفريق بين المجموعتين. وعندما تم اختبار هذه الصور المُختارة على مجموعة مستقلة، أثبتت أنها تحدث اختلافات سلوكية أكبر مقارنةً بصور تم اختيارها بشكل عشوائي.

في خطوة مثيرة للإعجاب، تم استخدام نفس النماذج مع شبكة تنافسية مُنشدة (Generative Adversarial Network) لتحويل الصور التشخيصية نحو تحقيق توافق أكبر مع توقعات المجموعة. وقد أظهرت النتائج أنه من خلال الصور المُركبة، انخفض الفارق السلوكي مقارنة بالأصل. هذه النتائج تبرهن على إمكانية تأسيس إطار عمل موجه بالذكاء لاكتشاف وتحويل المنبهات التي تكشف عن الفروق الإدراكية الخاصة بالسكان.

بالنظر إلى الأبعاد الأوسع لهذا البحث، يتناول كيفية تجاوز تصنيف السلوكيات عن طريق التجميع على مجموعات ثابتة من المنبهات، ليصل إلى أدوات محسنة يمكنها التعرف على الظروف التي تختلف فيها الإدراكات العصبية بشكل واضح أو تتقارب. إذًا، كيف يمكن الاستفادة من هذه النتائج في تطوير استراتيجيات أفضل لخدمة الأفراد المصابين بالتوحد؟