Nowa sztuczna inteligencja wykrywa zaburzenia psychiczne na podstawie postów w sieci

Badacze z Dartmouth zbudowali model sztucznej inteligencji do wykrywania zaburzeń psychicznych za pomocą rozmów na Reddit, części pojawiającej się fali narzędzi przesiewowych, które wykorzystują komputery do analizowania postów w mediach społecznościowych i uzyskiwania wglądu w stany psychiczne ludzi.

Co wyznacza nowe? model jest skupienie się na emocjach, a nie na konkretnej treści analizowanych tekstów w mediach społecznościowych. W artykule zaprezentowanym na 20. Międzynarodowej Konferencji nt. Inteligencji Sieciowej i Technologii Inteligentnego Agenta, naukowcy pokazują, że to podejście sprawdza się z czasem lepiej, niezależnie od tematów poruszanych w postach.

Istnieje wiele powodów, dla których ludzie nie szukają pomocy zaburzenia zdrowia psychicznego—piętno, wysokie koszty i brak dostępu do usług to niektóre z powszechnych barier. Istnieje również tendencja do minimalizowania oznak zaburzenia psychiczne lub połącz je ze stresem, mówi Xiaobo Guo, Guarini '24, współautor artykułu. Możliwe, że poszukają pomocy, jeśli chodzi o podpowiedzi, mówi, i właśnie tam cyfrowe narzędzia przesiewowe mogą coś zmienić.

„Media społecznościowe oferują łatwy sposób na poznanie zachowań ludzi” — mówi Guo. Dane są dobrowolne i publiczne, publikowane, aby inni mogli je przeczytać, mówi.

Reddit, który oferuje ogromną sieć forów użytkowników, był ich ulubioną platformą, ponieważ ma prawie pół miliarda aktywnych użytkowników, którzy dyskutują na szeroki zakres tematów. Posty i komentarze są publicznie dostępne, a badacze mogą gromadzić dane sięgające 2011 roku.

W swoich badaniach naukowcy skupili się na tym, co nazywają zaburzenia emocjonalne— duże zaburzenia depresyjne, lękowe i dwubiegunowe — które charakteryzują się odrębnymi wzorcami emocjonalnymi. Przyjrzeli się danym od użytkowników, którzy sami zgłaszali, że mają jedno z tych zaburzeń, oraz od użytkowników bez żadnych znanych zaburzeń psychicznych.

Wytrenowali swój model, aby oznaczać emocje wyrażane w postach użytkowników i mapować emocjonalne przejścia między różnymi postami, aby post mógł być oznaczony jako „radość”, „gniew”, „smutek”, „strach”, „brak emocji” lub połączenie tych. Mapa jest macierzą, która pokazuje, jak prawdopodobne jest, że użytkownik przeszedł z jednego stanu do drugiego, na przykład ze złości do stanu neutralnego braku emocji.

Różne zaburzenia emocjonalne mają swoje własne wzorce przejść emocjonalnych. Tworząc emocjonalny „odcisk palca” dla użytkownika i porównując go z ustalonymi sygnaturami zaburzeń emocjonalnych, model może je wykryć. Aby zweryfikować swoje wyniki, przetestowali go na postach, które nie były używane podczas treningu i wykazali, że model dokładnie przewiduje, którzy użytkownicy mogą, a kto nie, mieć jedno z tych zaburzeń.

Takie podejście pozwala ominąć ważny problem zwany „wyciekiem informacji”, na który napotykają typowe narzędzia przesiewowe, mówi Soroush Vosoughi, adiunkt informatyki i inny współautor. Inne modele opierają się na analizie i opieraniu się na treści tekstu, mówi, i chociaż modele wykazują wysoką wydajność, mogą również wprowadzać w błąd.

Przeczytaj całą historię tutaj…