Новости в мире технологий Все интересное про технологии. Актуальные новости и статьи.
Исследователи из Дартмутского колледжа (США) разработали искусственный интеллект (ИИ), который может анализировать сообщения, размещенные в социальных сетях, для выявления конкретных психических расстройств. Для обучения и тестирования своей системы они обратились к социальной сети Reddit.
Их исследование было первоначально опубликовано в предварительной научной статье на сервере ARXIV, представленной на 20-й Международной конференции по веб-историям и технологиям интеллектуальных агентов. В ней исследователи описывают, как они научили искусственный интеллект определять три типа психических расстройств по сообщениям, написанным пользователями социальной сети. В частности, эти три расстройства — большая депрессия, биполярное расстройство и тревожное расстройство — являются распространенными аффективными расстройствами.
Эти эксперименты проводились в социальной сети Reddit по нескольким причинам. Во-первых, потому что это сеть, где люди могут обмениваться письменной информацией, и там много активных пользователей (более 430 миллионов, согласно исследованию), обсуждающих различные темы. Пользователи также анонимны, и исследователи смогли отследить разговоры до 2011 года, что позволило получить большое количество данных. В заявлении Дартмутского колледжа Зиал Го, соавтор исследования, сказал. «Эти данные являются добровольными, а для других они являются публичными», — добавляет он.
Для этих исследователей целью было ввести большое количество данных и научить алгоритмы распознавать эмоциональные маркеры.
Это «обучение» проходило в несколько этапов. Изначально исследователи не были заинтересованы в анализе эмоций в социальных сетях. Поэтому они начали с использования существующего набора таких постов из reddit, прежде чем передать их ИИ. Для каждой категории расстройства они искали 1, 997 пользователей, которые утверждали, что им был поставлен диагноз. В тестовую группу также отнесли 1 997 пользователей, которые ничего не сообщали и не обсуждали эти темы, чтобы их можно было сравнить.
70% этих пользовательских публикаций были использованы для обучения ИИ, 15% — для процедур валидации и 15% — для фактического тестирования моделей. Рассматриваемая модель была обучена «маркировать» эмоции, выраженные в сообщениях пользователей, отображать эмоциональные переходы между различными сообщениями и описывать сообщения как «счастливые», «злые», «грустные», «страшные», «без эмоций». или их сочетание», — поясняется в заявлении.
Читайте также: Морские микроорганизмы, способные производить кислород в темноте
Многие виды животных нуждаются в кислороде на протяжении всей своей жизни. И главная причина того, что наша атмосфера богата кислородом, — это механизм..
Действительно, рассматриваемые аффективные расстройства (сильное чувство страха, биполярное расстройство, тревога) демонстрируют целый ряд «эмоциональных паттернов». Функционирование, связанное с настроением, является важной характеристикой, которую необходимо учитывать при описании этих расстройств. Например, тревога связана с чрезмерным страхом и беспокойством, а депрессия — с потерей интереса и удовольствия от большинства видов деятельности.
На основе этих эмоциональных «тегов» исследователи хотели создать своего рода «карту». Она показывает, как пользователи переходят от одного эмоционального состояния к другому, от гнева к нейтралитету, в процессе обмена. Действительно, они считают, что между этими эмоциями существуют различные закономерности, которые соответствуют интересующему их беспорядку. В качестве примера можно привести тот факт, что люди с биполярным расстройством склонны быстро переходить от одного настроения к другому. В отличие от них, люди с депрессией склонны выражать постоянную грусть.
Поэтому разработанная ими модель фокусируется на пересечении и создает «эмоциональный отпечаток», соответствующий пользователю. Это можно сравнить с «типичной» подписью, соответствующей эмоциональному расстройству. Исследователи, протестировавшие эту модель на публикациях, которые ранее не использовались для обучения ИИ, обнаружили, что они могут точно определить наличие этих нарушений в ИИ.
Это исследование — одно из многих, иллюстрирующих интерес ученых к использованию подобных «сканирующих» систем для анализа сообщений в социальных сетях. Однако эта модель отличается от других моделей внутри. В ней основное внимание уделяется эмоциям, а не чувствам.
По их мнению, абстрактный аспект эмоций не зависит от обсуждаемой темы и, таким образом, лучше сохраняет актуальность искусственного интеллекта с течением времени. Использование этого подхода позволяет избежать серьезной проблемы под названием «утечка информации», с которой сталкиваются типичные инструменты скрининга. Она в большей степени зависит от содержания сообщения.
Хотя этот подход может продемонстрировать определенную надежность, он также имеет свои недостатки. Например, Соруш предлагает в качестве примера тему Covid-19. Часто она может ассоциироваться с грустью или тревогой. Во многих случаях это работает, но интерпретация может быть неверной.
Психолингвистический анализ — еще один подход, упоминаемый учеными. Например, это то, как человек формулирует свои письма, используя тот или иной метод письма. В данном случае проблема заключается в том, что эти манеры могут остаться, даже если препятствия были устранены.
По словам ученых, исследования на эту тему только начались. Последняя намерена протестировать модель на других социальных сетях, чтобы определить, достаточно ли она «надежна» для использования на всех платформах. Она также намерена усовершенствовать модель классификации эмоций и проверить ее возможности при анализе других типов контента, таких как изображения и видео. Она также намерена изучить влияние времени публикации или вопроса о количестве сообщений, написанных одним и тем же пользователем.
