Изменение внешнего вида вызвало ажиотаж в индустрии, но недавно выяснилось, что искусственный интеллект может определить, чувствует ли человек одиночество, с точностью до 94%.
Согласно отчетам, американские исследователи ИИ использовали инструменты анализа, такие как суперкомпьютер IBM Watson, для тестирования уровня одиночества у пожилых людей.
Анализируя слова, фразы и паузы в речи во время интервью, ИИ оценивал симптомы одиночества почти так же точно, как и при заполнении анкет самими участниками. Также выяснилось, что одинокие люди дольше отвечают на прямые вопросы об одиночестве и чаще выражают грусть в ответах.
Исследование показало, что большинство опросников просто спрашивают: «Как часто вы чувствуете себя одиноко?», что может искажать результаты. В этой работе применили обработку естественного языка — объективный количественный анализ эмоций — в сочетании с традиционными методами оценки.
Особенность подхода в том, что ИИ анализирует не отдельные слова, а языковые паттерны в ответах.
Эксперты отмечают, что в США в последние годы наблюдается «эпидемия» одиночества: растут показатели суицидов, употребления опиоидов, снижается продуктивность, увеличиваются расходы на здравоохранение и смертность. Ранее выяснилось, что 85% пожилых жителей независимых сообществ испытывают умеренное или сильное одиночество.
Пандемия COVID-19 и локдауны усугубили ситуацию. Ученые решили проверить, как обработка естественного языка и машинное обучение могут прогнозировать одиночество у пожилых.
В исследовании участвовали 80 человек 66–94 лет (средний возраст — 83). В 2018–2019 годах (до пандемии) с ними провели полуструктурированные интервью.
Участники ответили на 20 вопросов из Шкалы одиночества UCLA, оценивая утверждения вроде: «Часто ли вы чувствуете себя исключенным?» или «Часто ли вы ощущаете себя частью компании друзей?» по четырехбалльной шкале.
Эти темы также обсуждались в личных беседах, которые записывали и расшифровывали. Транскрипты анализировали с помощью IBM Watson Natural Language Understanding (WNLU) для количественной оценки эмоций.
WNLU использует глубокое обучение для извлечения ключевых слов, категорий, тональности, грамматики и метаданных. Машинное обучение позволяет системно анализировать длинные интервью, выявляя языковые маркеры одиночества.
Человеческий анализ эмоций субъективен и требует долгого обучения для стандартизации. ИИ же предсказал одиночество с точностью 94% по сравнению с данными шкалы UCLA.
Точность прогноза самооценки одиночества составила 94%, а количественной оценки (по шкале UCLA) — 76%. Одинокие люди дольше отвечали на вопросы и чаще выражали печаль.
Обнаружены гендерные различия: женщины чаще признавались в одиночестве, а мужчины использовали больше слов, связанных со страхом и радостью, что может указывать на более интенсивные эмоции и свободу их выражения.
Выявлены тонкие различия в описании одиночества между полами. ИИ помогает выявлять расхождения между оценками и субъективным опытом.
Ученые предполагают существование «языка одиночества», который можно использовать для улучшения клинической и семейной диагностики, особенно в условиях изоляции.
Текущие исследования изучают, как лингвистические особенности одиночества связаны с мудростью: более мудрые люди могут чувствовать себя одинокими. Речевые данные предлагают комбинировать с когнитивными, двигательными и психическими оценками для лучшего понимания старения.
Исследование сравнило точность ИИ с самоотчетами. Комбинация этих методов может повысить точность диагностики для психологов.
Хотя шкала UCLA популярна из-за избегания слова «одиночество» и минимизации гендерных искажений, ученые работают над более точными инструментами оценки.
