Система искусственного интеллекта может предсказать, насколько вы тревожны, по реакции на фотографии

20 июня 2024 года

  • Исследователи разработали "ИИ Comp Cog" для определения и измерения уровня тревожности
  • Он использует шкалу, которая определяет, как человек реагирует на различные фотографии
  • На основе полученных ответов система определяет, насколько тревожным может быть человек
тревожность ИИ

Представьте, что вы можете предсказать уровень тревожности человека, просто попросив его оценить несколько картинок и ответить на несколько простых вопросов.

Именно этого добились исследователи из Университета Цинциннати и Северо-Западного университета с помощью своей системы "Comp Cog AI". 

Объединив искусственный интеллект с наукой о том, как наш мозг обрабатывает информацию, они создали инструмент, который может точно определить людей, страдающих от тревожности. 

Сайт исследованиеВ исследовании, опубликованном в журнале Mental Health Research, приняли участие более 3 000 человек из разных уголков США.

Каждый участник оценивал серию слабоэмоциональных изображений из Международной системы аффективных картинок (IAPS) и предоставлял основную информацию о себе, такую как возраст и ощущение одиночества. 

IAPS была разработана Центром изучения эмоций и внимания при Университете Флориды. Он представляет собой стандартизированный набор фотографий, оцениваемых по их эмоциональному содержанию с точки зрения валентности (приятности), возбуждения (интенсивности) и доминирования (контроля).

Айские эмоции
Пример изображения из Международной системы аффективных картинок (IAPS). Источник: Исследование психического здоровья.

Затем система искусственного интеллекта проанализировала эти данные, ища закономерности в том, как люди реагировали на картинки и как эти реакции были связаны с их уровнем тревожности. 

После обучения система искусственного интеллекта Comp Cog смогла предсказывать тревогу с точностью до 81%, что дает надежду на будущее, в котором проблемы психического здоровья можно будет определять с помощью легких систем самообслуживания. 

Как отмечает ведущий автор Сумра Бари объясняет"Мы использовали минимальные вычислительные ресурсы и небольшой набор переменных для прогнозирования уровня тревожности. Важный набор этих переменных количественно оценивает процессы, важные для суждения".

Подробнее об исследовании

Вот более подробная информация о том, как проходило исследование:

  1. Сбор данных: Участники выполнили задание на оценку картинок, выставив оценки от -3 (очень не нравится) до +3 (очень нравится) 48 слабоэмоциональным изображениям из IAPS. Они также ответили на вопросы о своем возрасте, ощущении одиночества и демографической информации.
  2. Извлечение признаков: Система искусственного интеллекта извлекла из данных оценок картинок 15 ключевых переменных суждений, таких как неприятие потерь, неприятие риска и последовательность неприятия вознаграждения. Эти переменные количественно определяют предвзятость суждений о вознаграждении/отвращении и связаны с системами мозга, участвующими как в суждениях, так и в тревожности.
  3. Обучение и прогнозирование с помощью ИИ: Исследователи использовали алгоритмы машинного обучения Random Forest и сбалансированный Random Forest для обучения системы искусственного интеллекта на подмножестве данных. ИИ использовал переменные суждения и контекстуальные факторы для прогнозирования уровня тревожности каждого участника, измеренного с помощью части тревоги состояния в опроснике State-Trait Anxiety Inventory (STAI).
  4. Оценка и интерпретация моделей: Обученная система искусственного интеллекта была протестирована на оставшихся данных, чтобы оценить ее точность, чувствительность и специфичность в прогнозировании уровня тревожности. Исследователи также провели анализ посредничества и модерации, чтобы понять, как переменные суждения и контекстуальные факторы взаимодействуют в моделировании тревожности.

Четыре наиболее важных предиктора - возраст, одиночество, доход семьи и статус занятости - обеспечили 29-31% предсказательной силы модели, в то время как 15 переменных суждений в совокупности обеспечили 55-61%.

Соавтор исследования Агелос Катсагелос подчеркнул важность подхода, использованного в исследовании: "Использование задачи оценки картинок с контекстуальными переменными, влияющими на суждения, может показаться простым, но понимание закономерностей в предпочтениях позволяет нам выявить критические компоненты для большого набора моделей поведения".

Исследователи планируют превратить технологию Comp Cog AI в удобное приложение для медицинских работников, больниц и даже военных, чтобы быстро выявлять людей с высоким риском тревожности. 

Как отмечает Бари, "задание на оценку картинок можно использовать для получения ежедневных и беспристрастных снимков состояния психического здоровья человека, не задавая прямых вопросов, которые могут вызвать негативные или расстраивающие чувства". 

В предыдущих исследованиях ИИ использовался для помочь диагностировать шизофрениюВ то же время были разработаны инструменты, позволяющие проводить терапию с помощью искусственного интеллекта для людей с психическими заболеваниями. через цифровые аватары

Присоединяйтесь к будущему


ПОДПИСАТЬСЯ СЕГОДНЯ

Четко, лаконично, всесторонне. Получите представление о развитии искусственного интеллекта с помощью DailyAI

Сэм Джинс

Сэм - писатель в области науки и техники, работавший в различных AI-стартапах. Когда он не пишет, его можно найти за чтением медицинских журналов или копанием в коробках с виниловыми пластинками.

×

ЭКСКЛЮЗИВНЫЙ БЕСПЛАТНЫЙ PDF
Будьте впереди с DailyAI

Подпишитесь на нашу еженедельную рассылку и получите эксклюзивный доступ к последней электронной книге DailyAI: "Освоение инструментов искусственного интеллекта: Ваше руководство по повышению производительности в 2024 году".

* Подписываясь на нашу рассылку, вы принимаете наши Политика конфиденциальности и наш Условия и положения