محققان در یک پژوهش جدید، از «یادگیری تقویتی معکوس» (Inverse Reinforcement Learning) برای تحلیل نحوه تایپ کردن کاربران استفاده کردند. این سیستم با بررسی الگوهای حرکتی انگشتان روی کیبورد و بدون نیاز به برچسبهای بالینی، میتواند نشانههای حرکتی مرتبط با بیماری پارکینسون را شناسایی کند.
ویژگی کلیدی این مدل، «تفسیرپذیری» آن است که برخلاف روشهای سنتی، به پزشکان اجازه میدهد علت تصمیمات هوش مصنوعی را دقیقتر درک کنند. این دستاورد میتواند راهکاری ساده، ارزان و غیرتهاجمی برای پایش وضعیت بیماران در خانه باشد. ⌨️🧠
منبع: arXiv Machine Learning