Meningkatkan keberkesanan menilai kemurungan dengan model AI

Mungkin anda pernah mendengar bahawa orang ramai boleh mengesan dan menilai emosi dan mood seseorang individu dengan agak tepat melalui intonasi suara atau sebarang bunyi yang dikeluarkan oleh orang itu. pergi keluar. Malah, banyak syarikat permulaan yang bercita-cita tinggi seperti Beyond Verbal, Affectiva, dan MIT spinout Cogito sedang memacu projek pemprosesan bahasa semula jadi untuk mewujudkan perkara ini. Walau bagaimanapun, terdapat juga banyak pendapat yang ragu-ragu tentang projek tersebut dan percaya bahawa data yang kukuh sahaja tidak mencukupi untuk menganalisis mood seseorang dengan tepat, apatah lagi menerapkannya. Gunakan keputusan analisis ini untuk mendiagnosis kemurungan serta keterukannya.

• Model AI Disney menjana urutan animasi daripada skrip

Inilah sebab mengapa saintis di Institut Teknologi India Patna dan Universiti Caen Normandy memulakan projek yang berpotensi, yang menggunakan isyarat lisan dan bukan lisan. bahasa badan), digabungkan dengan akustik, teks dan imej untuk mendiagnosis dan menilai tahap kemurungan atau tekanan yang dialami oleh seseorang. Khususnya, isyarat lisan dan bukan lisan masih akan memainkan peranan penting dalam diagnosis, manakala tanda dan imej bukan lisan akan digunakan sebagai faktor yang membantu meningkatkan diagnosis dengan ketara. Tepat dalam menganggar keterukan kemurungan.

“Beban pekerjaan dan kehidupan menyebabkan semakin ramai orang hidup dengan kemurungan malah penyakit mental yang kadang-kadang tidak mereka ketahui sehingga membawa kepada penyakit yang semakin serius. menjadi lebih serius, dan mendatangkan kesan negatif kepada kehidupan dan pekerjaan. Ini juga merupakan sebab mengapa kita mesti menggalakkan lagi penggunaan teknologi yang lebih maju, diperibadikan dan automatik dalam pengesanan, penilaian dan rawatan penyakit mental, penyakit mental secara amnya dan kemurungan khususnya. Bagaimanapun, mengesan tanda awal kemurungan adalah masalah yang mencabar kerana banyak gejala penyakit ini masih rahsia dan boleh mengelirukan," kongsi penyelidik.

• EU: Sistem AI harus dibina dan digunakan secara telus dan bertanggungjawab

Untuk menyelesaikan masalah ini, saintis di Institut Teknologi India Patna dan Universiti Caen Normandy telah mengekodkan beberapa elemen yang secara tersirat boleh merujuk kepada emosi dan keadaan manusia, termasuk pemikiran. seperti kepala terkulai, hubungan mata, tempoh dan intensiti senyuman, gerak isyarat menyentuh bahagian badan tertentu, bersama dengan teks dan isyarat lisan... Dan kemudian dimasukkan ke dalam mesin model pembelajaran dan kemudian menggabungkannya menjadi vektor (perwakilan matematik). Vektor yang digabungkan ini kemudiannya melalui sistem kedua yang meramalkan tahap kemurungan berdasarkan Skala Kesusahan Kesihatan Peribadi (PHQ-8) - ujian diagnostik yang biasa digunakan dalam ujian klinikal. Penyelidikan psikologi klinikal berskala besar.

Untuk melatih pelbagai sistem AI, para penyelidik menggunakan data dalam AIC-WOZ - set data berkaitan kemurungan yang disusun daripada Distress Analysis Interview Corpus. Set data ini termasuk sejumlah besar data tentang gerak isyarat, pertuturan, mata serta tindakan yang diekstrak berdasarkan sampel rakaman audio, klip video yang menjawab soalan daripada 189 temu bual klinikal. bersedia untuk menyokong diagnosis psikologi bagi simptom seperti kebimbangan, kemurungan dan pasca trauma. gangguan tekanan (jawapan yang di luar topik atau dibiarkan belum selesai telah dikeluarkan).

• Model AI MIT boleh menangkap hubungan antara objek dengan sendirinya dengan data latihan yang minimum

Selepas beberapa langkah prapemprosesan dan melatih model pembelajaran mesin, pasukan penyelidik membandingkan keputusan sistem AI menggunakan 3 metrik: Ralat min kuasa dua (RMSE), ralat mutlak min (MAE) dan skor varians yang dijelaskan (EVS). Menurut laporan penyelidik, gabungan tiga elemen bunyi, teks dan imej membantu memberikan anggaran paling tepat bagi tahap kemurungan subjek tertentu, melebihi maksimum 7.17% pada RMSE dan 8.08% pada MAE.

• Anugerah 'Teknologi Nobel' telah dianugerahkan kepada perisian yang mengajar AI untuk belajar seperti manusia

Pada masa hadapan, pasukan penyelidik juga merancang untuk menguji lebih banyak seni bina pembelajaran berbilang tugas moden, dan "menggali" lebih mendalam masalah baharu yang berkaitan dengan data teks. Jika ia membawa hasil yang positif, projek-projek ini benar-benar akan menjadi satu langkah ke hadapan yang kukuh dalam menggunakan kecerdasan buatan untuk perubatan secara amnya dan dalam rawatan penyakit saraf khususnya, sambil membawa prospek yang menjanjikan untuk lebih daripada 300 juta orang yang sedang mengalami kemurungan, dan ia dijangka meningkat lebih cepat dalam beberapa tahun akan datang, pada skala seluruh dunia.