科学家通过使用AI和NLP检测到孤独

来自加利福尼亚大学圣地亚哥分校医学院的研究人员使用人工智能算法来量化老年人的孤独感，并确定老年人如何在言语中表达孤独感。

在过去的二十年里，社会科学家描述了一种日益增长的孤独趋势。在过去的十年里，研究表明，社会的各个领域的孤独率都在上升，这对抑郁率、自杀率、毒品使用和整体健康都有影响。这些问题在COVID-19疫情期间更加严重，因为人们无法安全地聚会和社交。某些群体更容易经历极度的孤独，例如边缘群体和老年人。正如MedicalXpress报道的那样，圣地亚哥加利福尼亚大学的一项研究发现，老年住宅社区的孤独率接近85%，当计算那些报告经历中度或严重孤独的人时。

为了解决这个问题，社会科学家需要准确地了解情况，确定问题的深度和广度。不幸的是，大多数收集孤独数据的方法都有一定的局限性。例如，自我报告可能会偏向更极端的孤独案例。此外，直接询问研究参与者关于他们的孤独感的问卷可能会因社会对孤独的偏见而不准确。

为了设计一种更好的量化孤独的指标，研究人员使用了自然语言处理和机器学习。研究人员使用的NLP方法与传统的孤独度量工具一起使用，希望分析人们使用语言的自然方式将会带来一个更真实、更不偏见的孤独表现。

该研究的首席作者是加利福尼亚大学圣地亚哥分校医学院的精神病学助理教授Ellen Lee。李和其他研究人员专注于80名年龄在66至94岁之间的参与者。研究人员鼓励参与者以更自然和非结构化的方式回答问题。研究人员不仅仅是在提问和分类答案。正如第一作者Ph.D. Varsha Badal解释的那样，使用机器学习和NLP使研究团队能够分析这些长篇访谈答案，并探索如何使用微妙的词汇选择和语音模式来指示孤独感。

“NLP和机器学习使我们能够系统地检查来自许多个人的长篇访谈，并探索如何使用微妙的语音特征，如情绪，来指示孤独感。类似的基于人类的情绪分析将会受到偏见的影响，缺乏一致性，并需要大量的培训来标准化。”

根据研究团队的说法，孤独的个体在回答问题时与非孤独的受访者相比，表现出明显的不同。孤独的受访者在被问及与孤独相关的问题时会表达更多的悲伤，并且他们的回答通常更长。男性不太可能承认自己感到孤独，而女性则更容易承认。另外，男性比女性更可能使用表达喜悦或恐惧的词语。

研究人员解释说，研究结果有助于阐明传统的孤独度量指标与个体主观体验和描述孤独之间的差异。研究结果表明，孤独可以通过分析语音模式来检测，如果这些模式被证明是可靠的，它们可以帮助诊断和治疗老年人的孤独。研究人员设计的机器学习模型能够以约94%的准确率预测定量孤独。需要进行更多的研究来确定该模型是否是强大的，如果其成功可以被复制。在此期间，研究团队的成员希望探索NLP特征如何与智慧和孤独相关，因为老年人中存在逆向相关性。