هوش مصنوعی افسردگیشما را تشخیص میدهد!
کد خبر :
۲۴۳۳۶
بازدید :
۲۲۵۲
با بالا گرفتن تب عکاسی سلفی در سالهای اخیر، شبکهی اجتماعی اینستاگرام به محبوبیت فوقالعادهای در بین کاربران رسیده است. محققان به تازگی برنامهای توسعه دادهاند که میتواند با استفاده از هوش مصنوعی، حتی بهتر از یک پزشک، افسردگی شما را تنها از روی عکسهای اینستاگرامتان تشخیص دهد!
به گزارش زومیت و به نقل از دیجیتال ترندز، یک برنامهی مبتنی بر هوش مصنوعی میتواند تنها با استفاده از اینستاگرام، نخستین علائم افسردگی را پیش از سایر افراد (از جمله پزشکان عمومی) تشخیص دهد. تیمی از دانشگاههای هاروارد و ورمانت، به تازگی یک برنامهی مبتنی بر یادگیری ماشین توسعه دادهاند که توانسته است افسردگی کاربران را با دقتی ۷۰ درصدی به درستی تشخیص دهد. در تحقیقی که مورخ ۲۰ مرداد ماه سال جاری توسط اندرو جی.ریکی و کریستوفر ام.دانفورث منتشر شد، گفته شده است که این گروه پلتفرم یادگیری ماشین مذکور را بر روی ۱۶۶ حساب اینستاگرام که در مجموع حاوی ۴۳۹۵۰ تصویر بوده اعمال کردند. این سیستم از نشانههای خاصی برای تشخیص افسردگی کاربران اینستاگرام استفاده میکند و به تحلیل جنبههایی همچون تشخیص صورت، رنگ و فراداده میپردازد.
این محققان میگویند:
مدل آماری ما قادر است تنها با استفاده از جزییات عکاسی همچون رنگ و روشنایی، پیشبینی کند که کدام یک از این افراد به افسردگی مبتلا هستند. این مدل توانسته نرخ موفقیتی بالاتر از پزشکان عمومی که به تنهایی و به صورت مستقیم فرد را معاینه میکنند، کسب کند. بر اساس ۱۱۸ مطالعهای که پیشتر صورت گرفته بود، محققان دریافتند که پزشکان عمومی تنها در ۴۲ درصد موارد میتوانند افسردگی را به درستی تشخیص دهند. پیشتر مطالعات دیگری نیز نشان دادند که چطور میتوان از دادههای مکتوب در رسانه (و شبکههای اجتماعی) برای تشخیص مشکلات روانشناسی بهره برد، اما این گروه معتقدند که مطالعات پیشین در زمینهی استفاده از پستهای بصری با شکست مواجه شدهاند.
این گروه از محققان با استفاده از مطالعات پیشین، به رایانه آموختند که نشانههای افسردگی را شناسایی کند. برای مثال از آنجا که تحقیقات قبلی نشان میداد که کاربران افسرده رنگهای تیرهتر و خاکستری مانند را ترجیح میدهند، این برنامه به تحلیل رنگها به عنوان یک فاکتور میپرداخت. نقشی که فیلترهای اینستاگرام در ایجاد این رنگها بازی میکنند نیز در نظر گرفته شده است. این برنامه فاکتورهای دیگری همچون این که کابران چند وقت یک بار عکس پست میکنند را نیز در نظر میگیرد، چرا که افسردگی معمولا با کاهش فعالیتهای اجتماعی رابطهی مستقیمی دارد. علاوه بر این موارد، این سیستم تعداد افراد موجود در تصویر را با استفاده از تکنولوژیهای تشخیص چهره تعیین کرده و تعداد لایکها و نظراتی را که هر پست دریافت کرده نیز در نتیجهگیری تاثیر میدهد.
احتمال دریافت نظر توسط تصاویر پست شدهی کاربران افسردهی اینستاگرام معمولا بالا است، در حالی که احتمال دریافت لایک آنها کمتر است. شرکتکنندگان این تحقیق که افسردگیشان تشخیص داده شد، اغلب از هیچ نوع فیلتری بر روی عکسهایشان استفاده نمیکنند و اگر هم قصد استفاده از فیلتر داشته باشند، اغلب فیلتر دوات (inkwell) را ترجیح میدهند. اگرچه افراد افسرده در اغلب تصاویرشان صورت انسان وجود دارد، اما در مقایسه با دیگر افراد، تعداد صورتهای کمتری در هر تصویر دارند.
محققان برای این که متوجه شوند که یک فرد عادی تنها با استفاده از عکسهای اینستاگرام چگونه قادر به تشخیص نشانههای افسردگی است، گروهی از افراد را برای رتبهبندی تصاویر انتخاب کردند. این افراد نمیدانستند که در حال تماشای تصاویر اینستاگرام هستند و هیچگونه اطلاعی از ارتباط این مطالعه با افسردگی نداشتند. محققان از هرکدام از این افراد خواستند که در ۴ دستهبندی شاد، غمگین، دوستداشتنی و جالب به هر عکس از ۱ تا ۵ نمره بدهند. نمرهدهی شاد و غمگین با تصاویر ثبت شده توسط افرادی که افسردگیشان تشخیص داده شده بود کاملا مطابقت داشت، در حالی که رتبهبندی بر اساس معیارهای دوست داشتنی بودن و جالب بودن رابطهای با این تصاویر نداشتند.
محققان این بار برنامهی یادگیری ماشین مذکور را تنها بر روی پستهایی که پیش از تشخیص افسردگی فرد منتشر شده بودند اعمال کردند. این برنامه حتی توانست با استفاده از تصاویر قدیمی نیز در بیش از ۵۰ درصد موارد به درستی پیشبینی کند که کدام یک از این افراد از افسردگی رنج میبرند. اگرچه این نتایج بسیار امیدوارکننده هستند، اما نویسندهی این تحقیق میگوید که این برنامه هنوز کمبودهایی دارد. این اطلاعات نباید به عنوان حقایقی تغییرناپذیر و ثابت قلمداد شوند، بلکه باید به آنها به چشم پایههایی روشمند برای ساخت و اصلاح مدلهای بعدی نگاه کرد.
۴۳ درصد از شرکتکنندگان اولیه، به دلیل نگرانی برای حریم خصوصی خود از دادن اطلاعات حساب اینستاگرام خود به محققان خودداری کردند. به گفتهی محققان، یکی دیگر از مشکلات موجود بر سر راه این پروژه این است که گرایشهای کاربران در رسانههای اجتماعی به مرور زمان تغییر میکند و چنین برنامهی یادگیری ماشینی باید به طور پیوسته بروزرسانی شود.
به گزارش زومیت و به نقل از دیجیتال ترندز، یک برنامهی مبتنی بر هوش مصنوعی میتواند تنها با استفاده از اینستاگرام، نخستین علائم افسردگی را پیش از سایر افراد (از جمله پزشکان عمومی) تشخیص دهد. تیمی از دانشگاههای هاروارد و ورمانت، به تازگی یک برنامهی مبتنی بر یادگیری ماشین توسعه دادهاند که توانسته است افسردگی کاربران را با دقتی ۷۰ درصدی به درستی تشخیص دهد. در تحقیقی که مورخ ۲۰ مرداد ماه سال جاری توسط اندرو جی.ریکی و کریستوفر ام.دانفورث منتشر شد، گفته شده است که این گروه پلتفرم یادگیری ماشین مذکور را بر روی ۱۶۶ حساب اینستاگرام که در مجموع حاوی ۴۳۹۵۰ تصویر بوده اعمال کردند. این سیستم از نشانههای خاصی برای تشخیص افسردگی کاربران اینستاگرام استفاده میکند و به تحلیل جنبههایی همچون تشخیص صورت، رنگ و فراداده میپردازد.
این محققان میگویند:
مدل آماری ما قادر است تنها با استفاده از جزییات عکاسی همچون رنگ و روشنایی، پیشبینی کند که کدام یک از این افراد به افسردگی مبتلا هستند. این مدل توانسته نرخ موفقیتی بالاتر از پزشکان عمومی که به تنهایی و به صورت مستقیم فرد را معاینه میکنند، کسب کند. بر اساس ۱۱۸ مطالعهای که پیشتر صورت گرفته بود، محققان دریافتند که پزشکان عمومی تنها در ۴۲ درصد موارد میتوانند افسردگی را به درستی تشخیص دهند. پیشتر مطالعات دیگری نیز نشان دادند که چطور میتوان از دادههای مکتوب در رسانه (و شبکههای اجتماعی) برای تشخیص مشکلات روانشناسی بهره برد، اما این گروه معتقدند که مطالعات پیشین در زمینهی استفاده از پستهای بصری با شکست مواجه شدهاند.
این گروه از محققان با استفاده از مطالعات پیشین، به رایانه آموختند که نشانههای افسردگی را شناسایی کند. برای مثال از آنجا که تحقیقات قبلی نشان میداد که کاربران افسرده رنگهای تیرهتر و خاکستری مانند را ترجیح میدهند، این برنامه به تحلیل رنگها به عنوان یک فاکتور میپرداخت. نقشی که فیلترهای اینستاگرام در ایجاد این رنگها بازی میکنند نیز در نظر گرفته شده است. این برنامه فاکتورهای دیگری همچون این که کابران چند وقت یک بار عکس پست میکنند را نیز در نظر میگیرد، چرا که افسردگی معمولا با کاهش فعالیتهای اجتماعی رابطهی مستقیمی دارد. علاوه بر این موارد، این سیستم تعداد افراد موجود در تصویر را با استفاده از تکنولوژیهای تشخیص چهره تعیین کرده و تعداد لایکها و نظراتی را که هر پست دریافت کرده نیز در نتیجهگیری تاثیر میدهد.
احتمال دریافت نظر توسط تصاویر پست شدهی کاربران افسردهی اینستاگرام معمولا بالا است، در حالی که احتمال دریافت لایک آنها کمتر است. شرکتکنندگان این تحقیق که افسردگیشان تشخیص داده شد، اغلب از هیچ نوع فیلتری بر روی عکسهایشان استفاده نمیکنند و اگر هم قصد استفاده از فیلتر داشته باشند، اغلب فیلتر دوات (inkwell) را ترجیح میدهند. اگرچه افراد افسرده در اغلب تصاویرشان صورت انسان وجود دارد، اما در مقایسه با دیگر افراد، تعداد صورتهای کمتری در هر تصویر دارند.
محققان برای این که متوجه شوند که یک فرد عادی تنها با استفاده از عکسهای اینستاگرام چگونه قادر به تشخیص نشانههای افسردگی است، گروهی از افراد را برای رتبهبندی تصاویر انتخاب کردند. این افراد نمیدانستند که در حال تماشای تصاویر اینستاگرام هستند و هیچگونه اطلاعی از ارتباط این مطالعه با افسردگی نداشتند. محققان از هرکدام از این افراد خواستند که در ۴ دستهبندی شاد، غمگین، دوستداشتنی و جالب به هر عکس از ۱ تا ۵ نمره بدهند. نمرهدهی شاد و غمگین با تصاویر ثبت شده توسط افرادی که افسردگیشان تشخیص داده شده بود کاملا مطابقت داشت، در حالی که رتبهبندی بر اساس معیارهای دوست داشتنی بودن و جالب بودن رابطهای با این تصاویر نداشتند.
محققان این بار برنامهی یادگیری ماشین مذکور را تنها بر روی پستهایی که پیش از تشخیص افسردگی فرد منتشر شده بودند اعمال کردند. این برنامه حتی توانست با استفاده از تصاویر قدیمی نیز در بیش از ۵۰ درصد موارد به درستی پیشبینی کند که کدام یک از این افراد از افسردگی رنج میبرند. اگرچه این نتایج بسیار امیدوارکننده هستند، اما نویسندهی این تحقیق میگوید که این برنامه هنوز کمبودهایی دارد. این اطلاعات نباید به عنوان حقایقی تغییرناپذیر و ثابت قلمداد شوند، بلکه باید به آنها به چشم پایههایی روشمند برای ساخت و اصلاح مدلهای بعدی نگاه کرد.
۴۳ درصد از شرکتکنندگان اولیه، به دلیل نگرانی برای حریم خصوصی خود از دادن اطلاعات حساب اینستاگرام خود به محققان خودداری کردند. به گفتهی محققان، یکی دیگر از مشکلات موجود بر سر راه این پروژه این است که گرایشهای کاربران در رسانههای اجتماعی به مرور زمان تغییر میکند و چنین برنامهی یادگیری ماشینی باید به طور پیوسته بروزرسانی شود.
۰