Искусственный интеллект научат выявлять психические расстройства

Переписка в социальных сетях может стать материалом для диагностических исследований: сотрудники Дартмутского колледжа (США) планируют обучить искусственный интеллект выполнять анализ сообщений отдельных пользователей и выявлять нарушения психоэмоциональной сферы. В первую очередь искусственный разум научат определять глубокую депрессию, биполярное и тревожное расстройство – считается, что они накладывают наиболее заметный отпечаток на манеру общения и смысловое содержание сообщений.

Чтобы разработать эффективный алгоритм анализа, ученые обратились к базе крупной социальной сети, в которой сохранились сообщения пользователей за последние десять лет. Они отобрали порядка двух тысяч пользователей, утверждающих, что у них обнаружено то или иное расстройство психоэмоциональной сферы, и еще столько же пользователей, не упоминающих о диагностированной патологии.

Примерно 70% публикаций исследователи использовали для «обучения» искусственного интеллекта, а именно – для выявления типичных закономерностей, особенностей, ключевых фраз и переходов от одного эмоционального состояния к другому. Еще 15% публикаций использовали для валидации разработанной методики, то есть доказательства того, что она способна привести к достижению поставленной цели. Последние 15% сообщений были тестовыми – на них проверяли, насколько точно и быстро искусственный разум выявит расстройство психоэмоционального спектра.

Разработанная модель анализа фиксировалась на так называемых эмоциональных отпечатках, то есть особенностях общения, возникающих при развитии какой-либо патологии психической деятельности. Например, люди с биполярным расстройством склонны резко переходить от одного эмоционального состояния к другому, а люди, страдающие депрессией, обычно выражают безразличие и грусть, которые могут и не соответствовать общему эмоциональному фону конкретной беседы. Тревожное расстройство часто проявляется чрезмерной озабоченностью, страхом, беспокойством. Эти чувства находят отражение в сообщениях пользователя.

В процессе работы искусственный интеллект оценивал публикации по определенному ряду критериев и маркировал их эмоциональный контекст как «счастливый», «грустный», «испуганный», «сердитый», «лишенный эмоций» или «наполненный комбинацией эмоций». При этом частично применялся психолингвистический анализ, то есть выбор слов, способ формулировать предложения. По результатам исследования программа с высокой точностью определила пользователей, имеющих расстройств психоэмоциональной сферы, и определила тип этого расстройства.

Ученые планируют продолжить работу в данном направлении, чтобы повысить скорость, достоверность и точность определения расстройств. Кроме того, им предстоит решить ряд проблем – в частности, понять, как определить состояние человека, который прежде страдал тем или иным расстройством, но уже успешно прошел курс терапии. Дело в том, что у него может выработаться привычка писать сообщения в определенном стиле, и психолингвистический подход в такой ситуации не даст результата.

Исследователи планируют в первую очередь протестировать обученный искусственный интеллект на других социальных сетях, чтобы оценить, как он прояви себя в новых условиях, с другим подбором пользователей. Затем они хотят усовершенствовать существующую модель анализа эмоционального фона, обучив ее анализу других видов контента (в частности, видеороликов и изображений). И, наконец, им предстоит ответить на вопрос о том, можно ли рассматривать как диагностический признак время публикации и количество сообщений. Возможно, в ходе этой работы откроются и другие критерии диагностики расстройств психоэмоционального спектра по манере общения пользователя в социальных сетях.