นักวิจัยตรวจจับความเหงาได้โดยใช้ AI และ NLP

นักวิจัยจากมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก สถาบันแพทยศาสตร์ ได้ใช้แอลกอริทึมปัญญาประดิษฐ์ในการ量化ความเหงาในผู้สูงอายุ และกำหนดว่าผู้สูงอายุอาจแสดงความเหงาในคำพูดของตนอย่างไร

ในช่วง 20 ปีที่ผ่านมา นักสังคมศาสตร์ได้อธิบาย แนวโน้มที่เพิ่มขึ้นของความเหงา ในประชากร การศึกษาที่ทำในช่วง 10 ปีที่ผ่านมาได้บันทึกอัตราความเหงาที่เพิ่มขึ้นในหลายส่วนของสังคม ซึ่งมีผลกระทบต่ออัตราการเสียชีวิต การใช้ยา และสุขภาพทั่วไป ปัญหาเหล่านี้ยิ่งรุนแรงขึ้นโดย การระบาดของโควิด-19 เนื่องจากผู้คนไม่สามารถพบปะและสังคมกันอย่างปลอดภัยได้ กลุ่มบางกลุ่มมีความเสี่ยงต่อความเหงาสูง เช่น กลุ่มคนชายขอบและผู้สูงอายุ ตามที่ MedicalXpress รายงาน การศึกษาหนึ่งที่ทำโดย UC San Diego พบว่าชุมชนบ้านพักผู้สูงอายุมีอัตราความเหงาใกล้เคียง 85% เมื่อนับรวมผู้ที่รายงานว่าประสบกับความเหงาในระดับปานกลางหรือรุนแรง

เพื่อกำหนดวิธีแก้ปัญหานี้ นักสังคมศาสตร์จำเป็นต้องมีมุมมองที่ถูกต้องเกี่ยวกับสถานการณ์ โดยกำหนดความลึกและความกว้างของปัญหา อย่างไรก็ตาม วิธีการส่วนใหญ่ในการรวบรวมข้อมูลเกี่ยวกับความเหงามีข้อจำกัดที่สำคัญ การรายงานตนเองสามารถมีอคติไปในทางกรณีที่รุนแรงของความเหงา นอกจากนี้ คำถามที่ถามผู้เข้าร่วมศึกษาว่าพวกเขารู้สึก “เหงา” อย่างไรอาจไม่แม่นยำเนื่องจากมีแรงกดดันทางสังคมเกี่ยวกับความเหงา

เพื่อออกแบบมาตรการวัดความเหงาที่ดีกว่า ผู้เขียนการศึกษานี้ได้ใช้การประมวลผลภาษาธรรมชาติและเครื่องมือการเรียนรู้ของเครื่องจักร วิธีการ NLP ที่นักวิจัยใช้ร่วมกับเครื่องมือวัดความเหงาแบบดั้งเดิม และหวังว่าการวิเคราะห์วิธีการใช้ภาษาในทางธรรมชาติจะนำไปสู่การแสดงภาพความเหงที่ไม่มีอคติและซื่อสัตย์มากกว่า

ผู้เขียนอาวุโสของการศึกษานี้คือ Ellen Lee ผู้ช่วยศาสตราจารย์ทางจิตแพทย์จากโรงเรียนแพทย์ UC San Diego ลีและนักวิจัยคนอื่นๆ มุ่งเน้นการศึกษานี้ในผู้เข้าร่วม 80 คนในช่วงอายุ 66 ถึง 94 ปี ผู้เข้าร่วมในศึกษานี้ได้รับการกระตุ้นจากนักวิจัยให้ตอบคำถามในลักษณะที่เป็นธรรมชาติและไม่มีโครงสร้างมากกว่าการศึกษาอื่นๆ นักวิจัยไม่ได้เพียงถามคำถามและจัดประเภทคำตอบเท่านั้น แต่ยังใช้การเรียนรู้ของเครื่องจักรและ NLP เพื่อวิเคราะห์คำตอบที่ยาวและพบรูปแบบการแสดงออกที่บ่งบอกถึงความเหงา

ตามที่ Ph.D. Varsha Badal ผู้เขียนคนแรกอธิบาย การใช้การเรียนรู้ของเครื่องจักรและ NLP ช่วยให้นักวิจัยสามารถตรวจสอบการสัมภาษณ์ที่ยาวและค้นหาว่าลักษณะคำพูดที่ละเอียดอ่อนสามารถบ่งบอกถึงความเหงาได้เมื่อรวมกัน “NLP และการเรียนรู้ของเครื่องจักรช่วยให้เราสามารถตรวจสอบการสัมภาษณ์ที่ยาวจากหลายคนและสำรวจว่าลักษณะคำพูดที่ละเอียดอ่อน เช่น อารมณ์ สามารถบ่งบอกถึงความเหงาได้ การวิเคราะห์แบบเดียวกันโดยมนุษย์จะเปิดให้เกิดอคติและขาดความสม่ำเสมอ และต้องการการฝึกอบรมอย่างกว้างขวางเพื่อสร้างมาตรฐาน”

ตามที่ทีมวิจัยอธิบาย ผู้ที่รู้สึกเหงามีความแตกต่างที่เห็นได้ชัดเจนในการตอบคำถามเมื่อเทียบกับผู้ที่ไม่รู้สึกเหงา ผู้ที่รู้สึกเหงาจะแสดงความเสียใจเมื่อถูกถามเกี่ยวกับความเหงาและตอบคำถามที่ยาวกว่าโดยทั่วไป ผู้ชายมีโอกาสน้อยที่จะรู้สึกเหงาเมื่อเทียบกับผู้หญิง และผู้ชายมีโอกาสมากกว่าที่จะใช้คำที่แสดงความยินดีหรือความกลัวมากกว่าผู้หญิง

นักวิจัยในศึกษานี้อธิบายว่าผลลัพธ์ช่วยให้เข้าใจถึงความแตกต่างระหว่างมาตรการวัดความเหงาทั่วไปและวิธีที่บุคคลสัมผัสและอธิบายความเหงา ผลลัพธ์ของการศึกษานี้ชี้ให้เห็นว่าความเหงาอาจถูกตรวจจับได้โดยการวิเคราะห์รูปแบบคำพูด และหากรูปแบบเหล่านี้มีความน่าเชื่อถือ พวกเขาอาจช่วยในการวินิจฉัยและรักษาความเหงาในผู้สูงอายุได้ โมเดลการเรียนรู้ของเครื่องจักรที่นักวิจัยออกแบบสามารถคาดการณ์ความเหงาได้ด้วยความแม่นยำประมาณ 94% จะต้องมีการวิจัยเพิ่มเติมเพื่อดูว่าโมเดลนี้มีความแข็งแรงและสามารถทำซ้ำได้หรือไม่ ในระหว่างนี้ สมาชิกในทีมวิจัยหวังที่จะสำรวจว่าลักษณะ NLP อาจเกี่ยวข้องกับปัญญาและความเหงา ซึ่งมีความสัมพันธ์ผกผันในผู้สูงอายุ