Predstavte si, že dokážete predpovedať úroveň úzkosti niekoho len tak, že ho necháte ohodnotiť niekoľko obrázkov a odpovedať na niekoľko jednoduchých otázok.
Presne to dokázali vedci z University of Cincinnati a Northwestern University so systémom „Comp Cog AI“.
Spojením AI s vedou o tom, ako naša myseľ spracováva informácie, vytvorili nástroj, ktorý dokáže presne identifikovať ľudí, ktorí môžu zápasiť s úzkosťou.
The štúdiumpublikovaný v Mental Health Research, zahŕňal viac ako 3 000 účastníkov z celých USA.
Každá osoba ohodnotila sériu mierne emotívnych obrázkov z Medzinárodného afektívneho obrazového systému (IAPS) a poskytla základné informácie o sebe, ako je vek a vnímaná osamelosť.
IAPS vyvinulo Centrum pre štúdium emócií a pozornosti na Floridskej univerzite. Poskytuje štandardizovaný súbor fotografií hodnotených pre ich emocionálny obsah z hľadiska valencie (príjemnosti), vzrušenia (intenzita) a dominancie (kontrola).
Systém AI potom tieto údaje analyzoval a hľadal vzory v spôsobe, akým ľudia reagovali na obrázky a ako tieto reakcie súviseli s úrovňou ich úzkosti.
Po tréningu bol systém Comp Cog AI schopný predpovedať úzkosť s presnosťou až 81%, čo ponúka nádej na budúcnosť, kde bude možné identifikovať a riešiť problémy duševného zdravia efektívnejšie.
Ako hlavná autorka Sumra Bari vysvetľuje„Na predpovedanie úrovní úzkosti sme použili minimálne výpočtové zdroje a malý súbor premenných. Dôležitý súbor týchto premenných kvantifikuje procesy dôležité pre posúdenie.“
Viac o štúdiu
Tu je viac o tom, ako štúdia fungovala:
- Zber dát: Účastníci dokončili úlohu hodnotenia obrázkov, pričom pridelili hodnotenia od -3 (veľmi sa mi nepáčilo) cez +3 (veľmi sa mi páčilo) až po 48 mierne emotívnych obrázkov z IAPS. Odpovedali aj na otázky týkajúce sa ich veku, vnímanej osamelosti a demografických informácií.
- Extrakcia funkcií: Systém umelej inteligencie extrahoval 15 kľúčových premenných úsudku z údajov o hodnotení obrázkov, ako je averzia k strate, averzia k riziku a konzistentnosť averzie k odmene. Tieto premenné kvantifikujú zaujatosti v úsudkoch o odmene / averzii a sú spojené s mozgovými systémami, ktoré sa podieľajú na úsudku a úzkosti.
- Školenie a predpovedanie AI: Výskumníci použili Random Forest a vyvážené algoritmy strojového učenia Random Forest na trénovanie systému AI na podmnožine údajov. AI použila premenné úsudku a kontextové faktory na predpovedanie úrovne úzkosti každého účastníka, ako sa meria podľa časti stavovej úzkosti v inventári štátnej úzkosti (STAI).
- Hodnotenie a interpretácia modelu: Trénovaný systém AI bol testovaný na zostávajúcich údajoch, aby sa posúdila jeho presnosť, citlivosť a špecifickosť pri predpovedaní úrovní úzkosti. Výskumníci tiež vykonali analýzy sprostredkovania a moderovania, aby pochopili, ako premenné úsudku a kontextové faktory interagovali pri modelovaní úzkosti.
Štyri najdôležitejšie prediktory – vek, osamelosť, príjem domácnosti a postavenie v zamestnaní – sa podieľali 29 – 31 % na predikčnej sile modelu, zatiaľ čo 15 premenných úsudku spoločne prispelo 55 – 61 %.
Spoluautor Aggelos Katsaggelos zdôraznil význam prístupu štúdie a uviedol: „Použitie úlohy hodnotenia obrázkov s kontextovými premennými, ktoré ovplyvňujú úsudok, sa môže zdať jednoduché, ale porozumenie vzorcom preferenčne nám umožňuje odhaliť kritické komponenty pre veľký súbor správanie.”
Vedci si predstavujú vývoj technológie Comp Cog AI na užívateľsky prívetivú aplikáciu pre poskytovateľov zdravotnej starostlivosti, nemocnice a dokonca aj armádu na rýchlu identifikáciu jednotlivcov s vysokým rizikom úzkosti.
Ako poznamenáva Bari, „úlohu hodnotenia obrázkov možno použiť na vytváranie každodenných a nezaujatých snímok duševného stavu človeka bez kladenia priamych otázok, ktoré môžu vyvolať negatívne alebo rozrušujúce pocity.“
Predchádzajúci výskum využíval AI pomôcť diagnostikovať schizofréniupričom boli vyvinuté nástroje na poskytovanie terapie AI ľuďom s poruchami duševného zdravia prostredníctvom digitálnych avatarov.
