Vědci detekují osamělost pomocí umělé inteligence a NLP

Vědci z Kalifornské univerzity v San Diegu využili algoritmy umělé inteligence k měření osamělosti u starších dospělých a určili, jak starší dospělí mohou vyjadřovat osamělost ve svém projevu.

V posledních dvaceti letech sociální vědci popsali trend rostoucí osamělosti v populaci. Studie provedené v posledních deseti letech dokumentují rostoucí míru osamělosti napříč velkou částí společnosti, což má dopad na míru deprese, sebevražd, zneužívání drog a obecné zdraví. Tyto problémy jsou ještě zhoršeny pandemií Covid-19, protože lidé nemohou bezpečně komunikovat a setkávat se osobně. Některé skupiny jsou více zranitelné vůči extrémní osamělosti, jako jsou marginalizované skupiny a starší dospělí. Jak uvádí MedicalXpress, jedna studie provedená na UC San Diego zjistila, že komunity pro seniory měly míru osamělosti blížící se 85 %, pokud se počítaly osoby, které uváděly zkušenost s mírnou nebo těžkou osamělostí.

Aby mohli sociální vědci najít řešení tohoto problému, potřebují získat přesný přehled situace, včetně hloubky a rozsahu problému. Bohužel, většina metod shromažďování dat o osamělosti je omezená v několika ohledech. Samoreportování, například, může být zkresleno směrem k extrémním případům osamělosti. Kromě toho otázky, které přímo žádají účastníky studie, aby kvantifikovali, jak se “osamělí” cítí, mohou být někdy nepřesné kvůli společenským stigmátům spojeným s osamělostí.

V rámci snahy navrhnout lepší metriku pro měření osamělosti se autoři studie obrátili na zpracování přirozeného jazyka a strojové učení. Metody NLP používané výzkumníky jsou použity spolu s tradičními nástroji pro měření osamělosti, a doufají, že analýza přirozených způsobů, jak lidé používají jazyk, povede k méně zkreslenému, upřímnějšímu obrazu osamělosti lidí.

Hlavním autorem nové studie byla Ellen Lee, asistentka profesora psychiatrie na Lékařské fakultě UC San Diego. Lee a další výzkumníci se zaměřili na 80 účastníků ve věku 66 až 94 let. Účastníci studie byli vyzváni výzkumníky, aby odpovídali na otázky způsobem, který byl více přirozený a méně strukturovaný než ve většině ostatních studií. Výzkumníci se nezaměřovali pouze na otázky a klasifikaci odpovědí. První autor Ph.D. Varsha Badal vysvětlil, že použití strojového učení a NLP umožnilo výzkumnému týmu analyzovat dlouhé odpovědi z rozhovorů a najít, jak jemné volby slov a projevy mohou být indikátory osamělosti, když se berou dohromady:

“NLP a strojové učení nám umožňují systematicky prozkoumat dlouhé rozhovory z mnoha jedinců a prozkoumat, jak jemné projevy, jako jsou emoce, mohou indikovat osamělost. Podobné analýzy emocí provedené lidmi by byly otevřeny zkreslení, postrádaly by konzistenci a vyžadovaly by rozsáhlé školení, aby se standardizovaly.”

Podle výzkumného týmu měli jednotlivci, kteří byli osamělí, zjevné rozdíly ve způsobech, jakými reagovali na otázky, ve srovnání s účastníky, kteří nebyli osamělí. Osamělí respondenti vyjadřovali více smutku, když byli dotázáni na otázky týkající se osamělosti, a měli obecně delší odpovědi. Muži byli méně ochotni přiznat, že se cítí osamělí, než ženy. Kromě toho muži byli více pravděpodobně používat slova vyjadřující radost nebo strach než ženy.

Výzkumníci studie vysvětlili, že výsledky pomohly objasnit rozdíly mezi typickými výzkumnými metrikami osamělosti a způsobem, jakým jednotlivci subjektivně prožívají a popisují osamělost. Výsledky studie naznačují, že osamělost by mohla být detekována pomocí analýzy projevů, a pokud se tyto projevy ukážou jako spolehlivé, mohly by pomoci diagnostikovat a léčit osamělost u starších dospělých. Modely strojového učení navržené výzkumníky byly schopny předpovědět kvalitativní osamělost s aproximativně 94% přesností. Bude třeba provést další výzkum, aby se zjistilo, zda je model robustní a zda lze jeho úspěch zopakovat. Mezitím členové výzkumného týmu doufají, že prozkoumají, jak funkce NLP mohou být korelovány s moudrostí a osamělostí, které mají inverzní korelaci u starších dospělých.