Bu yapay zeka modeli, web gönderilerine dayalı zihinsel bozuklukları tespit ediyor

Dartmouth araştırmacıları, sosyal medya gönderilerini analiz etmek ve insanların zihinsel durumlarına dair bir fikir edinmek için bilgisayarları kullanan yeni ortaya çıkan bir tarama araçları dalgasının bir parçası olan Reddit’teki konuşmaları kullanarak zihinsel bozuklukları tespit etmek için bir yapay zeka modeli oluşturdular.

Yeni modeli farklı kılan şey, analiz edilen sosyal medya metinlerinin belirli içeriğinden ziyade duygulara odaklanmasıdır. 20. Uluslararası Web Zekası ve Akıllı Ajan Teknolojisi Konferansı’nda sunulan bir makalede, araştırmacılar, bu yaklaşımın, gönderilerde tartışılan konulardan bağımsız olarak zaman içinde daha iyi performans gösterdiğini gösteriyor.

İnsanların ruh sağlığı bozuklukları için yardım aramamalarının birçok nedeni vardır – damgalanma, yüksek maliyetler ve hizmetlere erişim eksikliği bazı yaygın engellerdir. Makalenin yazarlarından Guarini ’24’ten Xiaobo Guo, zihinsel bozuklukların belirtilerini en aza indirme veya onları stresle birleştirme eğiliminin de olduğunu söylüyor. Biraz yönlendirmeyle yardım istemelerinin mümkün olduğunu ve dijital tarama araçlarının bu noktada fark yaratabileceğini söylüyor.

Guo, “Sosyal medya, insanların davranışlarına dokunmanın kolay bir yolunu sunuyor” diyor. Veriler gönüllü ve kamuya açık, başkalarının okuması için yayınlandı, diyor.

Geniş bir kullanıcı forumları ağı sunan Reddit, çok çeşitli konuları tartışan yaklaşık yarım milyar aktif kullanıcıya sahip olduğu için tercih ettikleri platform oldu. Gönderiler ve yorumlar herkese açıktır ve araştırmacılar 2011 yılına kadar uzanan verileri toplayabilir.

Araştırmacılar, çalışmalarında, farklı duygusal örüntülerle karakterize edilen duygusal bozukluklar (majör depresif, anksiyete ve bipolar bozukluklar) olarak adlandırdıkları şeye odaklandılar. Bu bozukluklardan birine sahip olduğunu bildiren kullanıcılardan ve bilinen herhangi bir zihinsel bozukluğu olmayan kullanıcılardan gelen verilere baktılar.

Modellerini, kullanıcıların gönderilerinde ifade edilen duyguları etiketlemek ve farklı gönderiler arasındaki duygusal geçişleri haritalamak için eğittiler, böylece bir gönderi “neşe”, “öfke”, “üzüntü”, “korku”, “duygu yok” veya bunların bir kombinasyonu. Harita, bir kullanıcının herhangi bir durumdan diğerine, örneğin öfkeden nötr bir duygusuzluk durumuna geçme olasılığını gösteren bir matristir.

Farklı duygusal bozuklukların kendine özgü duygusal geçiş kalıpları vardır. Model, bir kullanıcı için duygusal bir “parmak izi” oluşturarak ve bunu duygusal bozuklukların yerleşik imzalarıyla karşılaştırarak bunları tespit edebilir. Sonuçlarını doğrulamak için, eğitim sırasında kullanılmayan gönderilerde test ettiler ve modelin hangi kullanıcıların bu bozukluklardan birine sahip olup olamayacağını doğru bir şekilde tahmin ettiğini gösterdiler.

Bilgisayar bilimi yardımcı doçenti ve başka bir ortak yazar olan Soroush Vosoughi, bu yaklaşımın tipik tarama araçlarının karşılaştığı “bilgi sızıntısı” olarak adlandırılan önemli bir sorunu ortadan kaldırdığını söylüyor. Diğer modellerin, metnin içeriğini inceleme ve bunlara dayanma üzerine inşa edildiğini ve modeller yüksek performans gösterse de yanıltıcı olabileceğini söylüyor.

Örneğin, bir model “COVID” ile “üzüntü” veya “kaygı” arasında ilişki kurmayı öğrenirse, diye açıklıyor Vosoughi, doğal olarak COVID-19 hakkında çalışan ve (oldukça tarafsız bir şekilde) yayın yapan bir bilim insanının depresyon veya kaygıdan muzdarip olduğunu varsayacaktır. Öte yandan, yeni model yalnızca duyguya odaklanıyor ve gönderilerde açıklanan belirli bir konu veya olay hakkında hiçbir şey öğrenmiyor.

Araştırmacılar müdahale stratejilerine bakmasa da, bu çalışmanın önlemeye giden yolu gösterebileceğini umuyorlar. Makalelerinde, sosyal medya verilerine dayalı modellerin daha dikkatli incelenmesi için güçlü bir gerekçe sunuyorlar. Vosoughi, “İyi performans gösteren modellere sahip olmak çok önemli” diyor ve “aynı zamanda onların işleyişini, önyargılarını ve sınırlamalarını da gerçekten anlıyor.”