通過分析訪談中單詞、短語和沉默間隙，人工智慧對老年人孤獨症狀的評估幾乎與他們填寫報告問卷的結果一樣準確。準確率高達94%。
新浪科技訊 北京時間9月29日消息，據國外媒體報導，最新研究報告顯示，人工智慧（AI）能夠從一個人的講話中檢測出孤獨，準確率達到94%，美國研究人員使用IBM沃森在內的多個AI工具，分析了接受採訪老年人的孤獨感。
通過分析訪談中單詞、短語和沉默間隙，人工智慧對老年人孤獨症狀的評估幾乎與他們填寫報告問卷的結果一樣準確，同時，人工智慧還顯示，孤獨的人通常對有關孤獨的直接問題回答時間更長，在回答中表達更多的悲傷。
研究報告資深作者、美國加州大學聖地牙哥分校醫學院埃倫·李稱，大多數研究要麼直接問：「你多久才會感到孤獨寂寞？」，這可能會導致孤獨感相關的偏見反應。在這個研究項目中，我們使用自然語言處理，這是一種對表達的情感和情緒進行無偏見的定量評估，與通常的孤獨感測量工具相結合。
該工具有趣之處在於它不僅是使用字典基礎的方法，例如：搜索反映恐懼的特定詞彙，而是通過測試反應中使用的詞彙呈現出相應模式。
專家指出，美國近年存在一種「孤獨流行病」，其特徵是自殺率和阿片類藥物使用率不斷上升，生產力下降，醫療成本增加，死亡率不斷升高，今年早些時候發表的一項加州大學聖地牙哥分校的研究表明，生活在獨立老年人社區的85%居民出現中度至嚴重程度的孤獨。
新冠病毒大流行和隨之而來的封城，增大了人們的獨處時間，使情況變得更加糟糕。研究人員想知道更多關於自然語言處理技術和機器學習模型如何預測居住在社區的老年人孤獨感。
這項研究聚焦66-94歲之間的80名獨立生活居民，他們的平均年齡為83歲，在2018年4月至2019年8月期間（新冠疫情爆發之前），接受過培訓的研究人員對測試者進行了半結構化訪談。
測試者被提問了20個問題，這些問題來自加州大學洛杉磯分校的孤獨感量表，它使用一個四級評定量表對一些問題進行回答，例如：你經常感覺自己被他人忽視了嗎？你經常感覺到自己是一群朋友中的一員嗎？
測試者也在私人談話中接受採訪，這些談話被錄音並手動轉錄。然後使用包括IBM沃森自然語言理解軟體（WNLU）在內的自然語言處理工具對轉錄進行檢驗，從而量化情感和表達情緒。
研究報告第一作者、加州大學聖地牙哥分校瓦爾沙·巴達爾稱，WNLU軟體系統使用深度學習，能從關鍵詞、類別、情緒、語法中提取元數據，自然語言模式和機器學習使我們能系統地檢查來自多位測試者的長時間訪談，並探索情感等微妙的語言特徵是如何表達孤獨感的。
他還指出，人類的類似情緒分析可能存在分歧，缺乏一致性，需要經過廣泛的培訓才能標準化。與加州大學洛杉磯分校的孤獨感量表的得分相比，使用語言特徵，人工智慧系統能預測孤獨感的準確率高達94%。
人工智慧預測自我承認孤獨感的準確率為94%，而「量化孤獨感（基於加州大學洛杉磯分校的孤獨感量表的得分）」的準確率為76%，他們發現孤獨的人在個人訪談中回答問題的時間更長，在回答有關孤獨的直接問題時表達的悲傷情緒更多。
這項研究還指出男性和女性存在著差異，女性比男性更可能在測試中坦稱自己感到孤獨，與女性相比，男性在回應中使用了更多恐懼和喜悅的詞語，這表明他們對消極和積極情緒的體驗更加極端，甚至表明男性可以更自由地表達這些情緒。
埃倫指出，當老年女性和男性直接回答問題描述孤獨感時，其情緒和情感表達方面存在微妙的性別差異。這項研究強調了對孤獨感的研究評估與測試者對孤獨主觀體驗之間的差異，人工智慧系統可以幫助識別這一點。
研究人員稱，可能存在「孤獨語言」，可以用於檢測老年人的孤獨感，這將改善臨床醫生和家庭成員對老年人群的真實評估，從而有助於治療他們的孤獨感，特別是在疫情爆發封閉期間。
目前，美國加州大學聖地牙哥分校正在探索孤獨和智慧的自然語言模式特徵，這些特徵在老年人群中呈現負關聯，意味著老年人智慧度越高，孤獨感越強。該研究報告合著作者、UCSD的迪利普·傑斯特說：「語言數據能與我們對認知、行動、睡眠、身體活動和心理健康的其他評估結合起來，從而提高我們對衰老的理解認知，並有助於我們度過一個健康的老年生活。」
該研究將人工智慧的準確性與測試者自己的孤獨感報告進行了對比，正如研究中所指的，孤獨感並不總是反映真實的感受和情緒，然而，人工智慧和自我報告可以被心理學家和專業人士結合使用，從而提高診斷的準確性。
埃倫說：「我們同意UCLA孤獨感量表的分值存在一些不準確，因為它依賴於自我報告，然而，孤獨感量表是最流行的工具之一，因為它沒有明確地使用『孤獨』這個詞，而且似乎在沒有性別偏見的情況下始終能夠捕捉到孤獨的特徵。我們希望研製出更精準的工具來評估人們的孤獨狀態。」 目前這項最新研究報告發表在近期出版的《美國老年精神病學雜誌》上。（葉傾城）
（責任編輯：季麗亞 HN003）