Stel je voor dat je een willekeurige getallenreeks moet produceren zonder enige instructies. Wat zou jouw aanpak zijn? Een recente studie onderzocht hoe mensen, en met name mensen met autisme, deze schijnbaar simpele taak uitvoeren. Het onderzoek richtte zich op twee denksystemen, waarbij het ene systeem voornamelijk verantwoordelijk is voor rationele beslissingen, en het andere systeem de voorkeur geeft aan willekeurigheid en spontaniteit.
Het onderzoeksteam verzamelde een groep mensen met autisme en een vergelijkingsgroep. Beide groepen kregen de opdracht om in een donkere kamer naar natuurgeluiden te luisteren terwijl ze willekeurige getallenreeksen produceerden. Hierbij werden geen specifieke regels of instructies gegeven. Wat opviel, was dat de groep met autisme een voorkeur vertoonde voor bepaalde getallenreeksen, namelijk opeenvolgende getallen met een verschil van -1 of +3.
De resultaten waren verrassend, omdat men had verwacht dat mensen met autisme juist minder complexe en minder willekeurige reeksen zouden produceren. Eerdere onderzoeken hadden immers aangetoond dat autistische kinderen zich vaak strak aan regels en patronen houden. Maar deze studie toonde aan dat het verhaal niet zo eenvoudig was.
Interessant genoeg wisten machine learning-algoritmes een opmerkelijk succes te boeken bij het onderscheiden van de groepen op basis van hun geproduceerde willekeurige getallenreeksen. Hierdoor rees de vraag of de unieke reeksen die individuen produceren, als een soort vingerafdruk kunnen fungeren voor hun cognitieve vermogen. Deze benadering zou, vooralsnog met de nodige fantasie, mogelijk kunnen leiden tot nieuwe diagnostische hulpmiddelen.
Machine learning is een tak van kunstmatige intelligentie (AI) die zich richt op het ontwikkelen van algoritmes en modellen die computers in staat stellen te leren en verbeteren zonder expliciete programmering. In plaats van dat programmeurs specifieke instructies geven over hoe een taak moet worden uitgevoerd, worden machine learning-modellen getraind met behulp van gegevens, zodat ze patronen kunnen herkennen en voorspellingen kunnen doen.
Machine learning wordt in veel verschillende domeinen en industrieën toegepast, waaronder beeldherkenning, natuurlijke taalverwerking, aanbevelingssystemen, financiën, gezondheidszorg, en meer.
Het onderzoek is zeker intrigerend en opent deuren naar verdere studies om de complexiteit van willekeurig gedrag te begrijpen. De vraag hoe willekeurig gedrag zich manifesteert bij autisme en andere psychopathologische aandoeningen, en welke rol verschillende denksystemen hierin spelen, blijft fascineren. Wellicht kunnen toekomstige onderzoeken met grotere steekproeven en verbeterde experimentele opzetten meer licht werpen op deze mysterieuze wereld van willekeur.
Mantas V, Kotoula V, Pehlivanidis A. Exploring randomness in autism. PeerJ. 2023 Jul 28;11:e15751. doi: 10.7717/peerj.15751. PMID: 37529214; PMCID: PMC10389071.
