AI分析人们说话能检测“孤独指数”，准确率达94%

资料图

通过分析访谈中单词、短语和沉默间隙，人工智能对老年人孤独症状的评估几乎与他们填写报告问卷的结果一样准确，同时，人工智能还显示，孤独的人通常对有关孤独的直接问题回答时间更长，在回答中表达更多的悲伤。

研究报告资深作者、美国加州大学圣地亚哥分校医学院埃伦·李称，大多数研究要么直接问：“你多久才会感到孤独寂寞？”，这可能会导致孤独感相关的偏见反应。在这个研究项目中，我们使用自然语言处理，这是一种对表达的情感和情绪进行无偏见的定量评估，与通常的孤独感测量工具相结合。

该工具有趣之处在于它不仅是使用字典基础的方法，例如：搜索反映恐惧的特定词汇，而是通过测试反应中使用的词汇呈现出相应模式。

专家指出，美国近年存在一种“孤独流行病”，其特征是自杀率和阿片类药物使用率不断上升，生产力下降，医疗成本增加，死亡率不断升高，今年早些时候发表的一项加州大学圣地亚哥分校的研究表明，生活在独立老年人社区的85%居民出现中度至严重程度的孤独。

新冠病毒大流行和随之而来的封城，增大了人们的独处时间，使情况变得更加糟糕。研究人员想知道更多关于自然语言处理技术和机器学习模型如何预测居住在社区的老年人孤独感。

这项研究聚焦66-94岁之间的80名独立生活居民，他们的平均年龄为83岁，在2018年4月至2019年8月期间（新冠疫情爆发之前），接受过培训的研究人员对测试者进行了半结构化访谈。

测试者被提问了20个问题，这些问题来自加州大学洛杉矶分校的孤独感量表，它使用一个四级评定量表对一些问题进行回答，例如：你经常感觉自己被他人忽视了吗？你经常感觉到自己是一群朋友中的一员吗？

测试者也在私人谈话中接受采访，这些谈话被录音并手动转录。然后使用包括IBM沃森自然语言理解软件（WNLU）在内的自然语言处理工具对转录进行检验，从而量化情感和表达情绪。

研究报告第一作者、加州大学圣地亚哥分校瓦尔沙·巴达尔称，WNLU软件系统使用深度学习，能从关键词、类别、情绪、语法中提取元数据，自然语言模式和机器学习使我们能系统地检查来自多位测试者的长时间访谈，并探索情感等微妙的语言特征是如何表达孤独感的。

他还指出，人类的类似情绪分析可能存在分歧，缺乏一致性，需要经过广泛的培训才能标准化。与加州大学洛杉矶分校的孤独感量表的得分相比，使用语言特征，人工智能系统能预测孤独感的准确率高达94%。

人工智能预测自我承认孤独感的准确率为94%，而“量化孤独感（基于加州大学洛杉矶分校的孤独感量表的得分）”的准确率为76%，他们发现孤独的人在个人访谈中回答问题的时间更长，在回答有关孤独的直接问题时表达的悲伤情绪更多。

这项研究还指出男性和女性存在着差异，女性比男性更可能在测试中坦称自己感到孤独，与女性相比，男性在回应中使用了更多恐惧和喜悦的词语，这表明他们对消极和积极情绪的体验更加极端，甚至表明男性可以更自由地表达这些情绪。

埃伦指出，当老年女性和男性直接回答问题描述孤独感时，其情绪和情感表达方面存在微妙的性别差异。这项研究强调了对孤独感的研究评估与测试者对孤独主观体验之间的差异，人工智能系统可以帮助识别这一点。

研究人员称，可能存在“孤独语言”，可以用于检测老年人的孤独感，这将改善临床医生和家庭成员对老年人群的真实评估，从而有助于治疗他们的孤独感，特别是在疫情爆发封闭期间。

目前，美国加州大学圣地亚哥分校正在探索孤独和智慧的自然语言模式特征，这些特征在老年人群中呈现负关联，意味着老年人智慧度越高，孤独感越强。该研究报告合著作者、UCSD的迪利普·杰斯特说：“语言数据能与我们对认知、行动、睡眠、身体活动和心理健康的其他评估结合起来，从而提高我们对衰老的理解认知，并有助于我们度过一个健康的老年生活。”

该研究将人工智能的准确性与测试者自己的孤独感报告进行了对比，正如研究中所指的，孤独感并不总是反映真实的感受和情绪，然而，人工智能和自我报告可以被心理学家和专业人士结合使用，从而提高诊断的准确性。

埃伦说：“我们同意UCLA孤独感量表的分值存在一些不准确，因为它依赖于自我报告，然而，孤独感量表是最流行的工具之一，因为它没有明确地使用‘孤独’这个词，而且似乎在没有性别偏见的情况下始终能够捕捉到孤独的特征。我们希望研制出更精准的工具来评估人们的孤独状态。” 目前这项最新研究报告发表在近期出版的《美国老年精神病学杂志》上。