Mô hình và nền tảng AI

Các nhà khoa học phát hiện ra sự cô đơn thông qua việc sử dụng Trí tuệ nhân tạo và Xử lý ngôn ngữ tự nhiên

mm
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google

Các nhà nghiên cứu từ Trường Y học Đại học California San Diego đã sử dụng các thuật toán trí tuệ nhân tạo để lượng hóa sự cô đơn ở người lớn tuổi và xác định cách người lớn tuổi có thể thể hiện sự cô đơn trong lời nói của họ.

Trong hai thập kỷ qua, các nhà khoa học xã hội đã mô tả một xu hướng gia tăng sự cô đơn trong dân số. Các nghiên cứu được thực hiện trong thập kỷ qua đã ghi nhận sự gia tăng tỷ lệ cô đơn trên diện rộng trong xã hội, điều này ảnh hưởng đến tỷ lệ trầm cảm, tự sát, lạm dụng thuốc và sức khỏe chung. Những vấn đề này chỉ được tăng cường bởi đại dịch Covid-19, khi mọi người không thể gặp gỡ và giao tiếp trực tiếp. Một số nhóm dễ bị tổn thương bởi sự cô đơn cực độ, chẳng hạn như các nhóm bị thiệt thòi và người lớn tuổi. Theo MedicalXpress, một nghiên cứu được thực hiện bởi UC San Diego cho thấy rằng các cộng đồng nhà ở dành cho người cao tuổi có tỷ lệ cô đơn lên tới 85% khi tính cả những người báo cáo cảm giác cô đơn vừa phải hoặc nghiêm trọng.

Để xác định các giải pháp cho vấn đề này, các nhà khoa học xã hội cần có một cái nhìn chính xác về tình hình, xác định cả độ sâu và phạm vi của vấn đề. Thật không may, hầu hết các phương pháp thu thập dữ liệu về sự cô đơn đều bị hạn chế ở các khía cạnh đáng kể. Việc tự báo cáo, ví dụ, có thể bị thiên vị hacia các trường hợp cô đơn cực độ. Ngoài ra, các câu hỏi trực tiếp yêu cầu người tham gia nghiên cứu lượng hóa mức độ “cô đơn” họ cảm thấy có thể đôi khi không chính xác do sự kỳ thị xã hội xung quanh sự cô đơn.

Trong nỗ lực thiết kế một công cụ đo lường tốt hơn cho sự cô đơn, các tác giả của nghiên cứu đã chuyển sang xử lý ngôn ngữ tự nhiên và học máy. Các phương pháp Xử lý ngôn ngữ tự nhiên được các nhà nghiên cứu sử dụng cùng với các công cụ đo lường sự cô đơn truyền thống, và hy vọng rằng phân tích các cách sử dụng ngôn ngữ tự nhiên sẽ dẫn đến một biểu diễn trung thực và ít thiên vị hơn về sự cô đơn của mọi người.

Tác giả chính của nghiên cứu là Ellen Lee, giáo sư trợ lý về tâm thần học tại Trường Y học, UC San Diego. Lee và các nhà nghiên cứu khác đã tập trung nghiên cứu vào 80 người tham gia trong độ tuổi từ 66 đến 94. Người tham gia trong nghiên cứu được khuyến khích bởi các nhà nghiên cứu trả lời các câu hỏi một cách tự nhiên và không có cấu trúc hơn so với hầu hết các nghiên cứu khác. Các nhà nghiên cứu không chỉ hỏi câu hỏi và phân loại câu trả lời. Như tác giả chính, Tiến sĩ Varsha Badal, giải thích rằng việc sử dụng học máy và Xử lý ngôn ngữ tự nhiên cho phép nhóm nghiên cứu phân tích các câu trả lời phỏng vấn dài và tìm ra cách các lựa chọn từ và mẫu nói tinh vi có thể chỉ ra sự cô đơn khi được kết hợp:

“Xử lý ngôn ngữ tự nhiên và học máy cho phép chúng tôi kiểm tra hệ thống các cuộc phỏng vấn dài từ nhiều cá nhân và khám phá cách các tính năng ngôn ngữ tinh vi như cảm xúc có thể chỉ ra sự cô đơn. Các phân tích cảm xúc tương tự của con người sẽ dễ bị thiên vị, thiếu nhất quán và đòi hỏi đào tạo rộng rãi để tiêu chuẩn hóa.”

Theo nhóm nghiên cứu, những người cảm thấy cô đơn có sự khác biệt đáng chú ý trong cách họ trả lời các câu hỏi so với những người không cô đơn. Những người cô đơn thường thể hiện nhiều buồn bã hơn khi được hỏi về sự cô đơn và có câu trả lời dài hơn nói chung. Nam giới ít có khả năng thừa nhận cảm giác cô đơn hơn nữ giới. Ngoài ra, nam giới có nhiều khả năng sử dụng từ ngữ thể hiện niềm vui hoặc sợ hãi hơn nữ giới.

Các nhà nghiên cứu của nghiên cứu giải thích rằng kết quả đã giúp làm rõ sự khác biệt giữa các chỉ số nghiên cứu thông thường về sự cô đơn và cách mọi người trải nghiệm và mô tả sự cô đơn một cách chủ quan. Kết quả của nghiên cứu cho thấy rằng sự cô đơn có thể được phát hiện thông qua phân tích mẫu nói, và nếu những mẫu này chứng minh là đáng tin cậy, chúng có thể giúp chẩn đoán và điều trị sự cô đơn ở người lớn tuổi. Các mô hình học máy được thiết kế bởi các nhà nghiên cứu có thể dự đoán sự cô đơn định lượng với độ chính xác khoảng 94%. Cần phải thực hiện thêm nghiên cứu để xem liệu mô hình này có mạnh mẽ và liệu thành công của nó có thể được nhân rộng hay không. Trong thời gian này, các thành viên của nhóm nghiên cứu hy vọng sẽ khám phá cách các tính năng Xử lý ngôn ngữ tự nhiên có thể tương quan với sự khôn ngoan và sự cô đơn, điều này có mối tương quan ngược lại ở người lớn tuổi.

Blogger và lập trình viên với chuyên môn về Machine Learning Deep Learning topics. Daniel hy vọng giúp đỡ người khác sử dụng sức mạnh của AI cho lợi ích xã hội.