Искусственный интеллект предсказал уровень одиночества по речи
Сотрудники Калифорнийского университета в Сан-Диего создали систему искусственного интеллекта, которая способна определять по записи голоса людей уровень их одиночества.
Анализировать естественную человеческую речь и выявлять смысл сказанного — до сих пор довольно сложная задача даже для продвинутых систем искусственного интеллекта. И это не говоря уже о том, чтобы выделять из речи эмоциональную составляющую и анализировать ее. Несмотря на сложность, сегодня уже есть алгоритмы, которые способны находить в человеческой речи признаки психоза, ПТСР, биполярного расстройства и депрессии.
Теперь американские ученые придумали программу, которая может анализировать речь людей и определять по ней уровень одиночества. Этот алгоритм исследователи придумали потому, что одиночество, согласно предыдущим исследованиям, является более серьезным фактором риска преждевременной смерти, чем ожирение. Несмотря на это, до сих пор не было объективного метода оценки уровня одиночества.
На первом этапе своей работы исследователи проанализировали 80 пожилых людей, которые ранее заполнили опросники об уровне одиночества. После прохождения теста с каждым испытуемым проводилось интервью длительностью в 90 минут. Интервью затем расшифровали и проанализировали с помощью системы обработки естественного языка, разработанной IBM. Помимо выявления одиночества у испытуемых, система выявила различия в том, как мужчины и женщины говорят об одиночестве.
Оказалось, что ИИ смог качественно предсказать одиночество субъекта с точностью до 94 процентов. Чем более одиноким чувствовал себя человек, тем дольше он отвечал на прямые вопросы, касающиеся одиночества. Исследователи даже предполагают, что наличие своего рода «одинокой речи» можно использовать в будущем для наблюдения за самочувствием пожилых людей.
На следующем этапе исследователи планируют объединить данные различных датчиков (например, GPS и данные о качестве сна) для персонализации каждого отдельного испытуемого. Кроме того, система должна быть протестирована на больших, более разнообразных популяциях, чтобы увеличить ее точность.
