Все новости
Запрограммирован на чуткость.

Запрограммирован на чуткость. Как нейросети ищут симптомы депрессии в сообщениях и постах

© Sean Gallup/Getty Images
Нейросети уже могут успешно распознавать опухоли в легких и злокачественные родинки по снимкам. На очереди — депрессия и тревожные расстройства. Кажется, что для этого нужна особая чуткость, доступная лишь человеку. Но современные методы глубокого обучения могут скоро преодолеть и эту преграду

Определить, что знакомый находится в депрессии, непросто. Люди не всегда могут сами разобраться в своем состоянии, а если им и нужна помощь, — не всегда готовы записаться к специалисту на прием. Искусственный интеллект мог бы помочь в таких случаях. Все, что ему нужно — это данные для анализа. Например, несколько постов из соцсетей.

"Слова и фразы, который люди используют, могут быть маркерами депрессивного расстройства, — объясняет психолог Наталья Кисельникова. — Анализируя особенности речи человека — частоту употребления определенных слов, длину предложений, лексическую насыщенность, — ученые могут понять, в каком психическом состоянии он находится".

Как выглядит язык депрессии

Исследования показывают, что у "депрессивного языка" есть свои особенности — как вполне очевидные, так и более тонкие. Так, люди с признаками депрессии чаще употребляют в речи прилагательные, связанные с негативными эмоциями, — например, "одинокий", "грустный", "несчастный".

Они также больше других сосредоточены на себе. Они намного чаще людей в нормальном состоянии используют местоимения первого лица — "я", "меня", — чем "они", "мы". Постоянное стремление говорить о себе может свидетельствовать о поглощенности своими переживаниями, которая свойственна человеку в депрессии.

Люди в депрессии чаще употребляют частицу "не" — говоря о событиях своей жизни или характеризуя себя, рассказывают, что не получилось, что в их личности не заслуживает уважения. Вместе с тем они могут быть очень категоричны — об этом говорит частое употребление слов "постоянно", "всегда", "никогда", "совершенно", "никак". 

Исследователи объясняют это тем, что люди видят мир в черно-белых красках. На форумах о депрессии и тревоге (которые ученые брали в качестве источника данных) категоричные суждения встречались на 50% чаще, чем в нейтральных сообществах. А в группах поддержки людей, склонных к суициду, таких суждений было на 80% больше.

Шутка, зашедшая далеко

Человек улавливает депрессивную стилистику текста интуитивно — благодаря жизненному опыту и естественной способности сопереживать. Но машина лишена этих качеств. Для нее в принципе не существует такой вещи, как текст, — только формулы с переменными. Но и этого иногда бывает достаточно. Прообразы современных чат-ботов уже умели распознавать депрессивный язык на самом базовом уровне.

Одной из таких программ была Eliza — программа обработки естественного языка, созданная еще в 1960-х годах. Американский программист Джозеф Вейценбаум создал ее как пародию на психотерапевта. "Психотерапевт выслушивает пациента и задает ему вопросы, — говорил он. — Неважно, связаны они со сказанным только частично или вообще не связаны, — пациент истолковывает их по-своему, в зависимости от душевного состояния, поскольку исходит из предположения, что психиатр его понимает, что он умнее и что в его словах должен быть смысл, неизвестно какой, но какой-то должен быть".

Работа программы целиком подчинялась заданному сценарию: она проверяла текст, вводимый пользователем, на наличие ключевых слов, а затем запускала цепочку реакций на основе заданного правила. Сценарий опирался на популярную в то время методику Карла Роджерса. Он использовал собственные слова клиента, чтобы задавать новые вопросы и таким образом докопаться до причин его состояния. Этот прием оказался очень удобным для создания алгоритма.

Например, в ответ на фразу "у меня болит голова" программа могла спросить: "Почему вы говорите, что у вас болит голова?" Ответом на "моя мать меня ненавидит" могло быть "а кто еще в твоей семье тебя ненавидит?". Eliza была запрограммирована с использованием простых методов подбора шаблонов и была лишь демонстрационным примером работы разговорного алгоритма. Однако многие пользователи неожиданно прониклись ей. Вейценбаум с изумлением отмечал, что его секретарша попросила оставить ее наедине с машиной.

Сегодня более продвинутые версии разговорых ботов используются в приложениях для самопомощи — например, Woebot, Vivybot и Tess. Программа прогоняет человека через стандартизированный набор вопросов о его образе жизни, настроении, привычках. На основании ответов она решает — есть ли у пациента признаки расстройства и насколько они сильны. Затем она дает заложенные в нее советы (а иногда и рекомендует обратиться к специалисту).

"Большинство таких ботов вообще не содержит того, что мы называем искусственным интеллектом, — они работают на основе "дерева решений", которое предлагает решения, исходя из скриптов, которые активируются вашими ответами", — говорит Ольга Китаина, соосновательница сервиса по подбору психологов Alter. В то же время такая модель может быть эффективна для поддержки и популяризации психотерапии, считает эксперт.

Продвинутый уровень

Современное поколение алгоритмов учится распознавать симптомы депрессии в произвольной речи — например, в постах или стенограммах психотерапевтических сессий. "Реальные запросы людей очень контекстуальны, то есть сформулированы с точки зрения индивидуальных чувств, воспоминаний, мыслей и фактов", — объясняет Ольга Троицкая, основательница компании iCognito. Чтобы уловить эти нюансы, программа "подсматривает" за тем, как сам человек использует слова.

Алгоритмы глубокого обучения состоят из нескольких слоев нейронов, которые активируются в зависимости от характера входной информации и заложенной в них функции. Результат обработки нейроны могут передавать дальше — нейронам следующего слоя. В ходе обучения нейросеть учиться находить все более глубокие закономерности. Весь процесс можно уподобить попытке очень наблюдательного человека выучить абсолютно незнакомый язык, постоянно слушая, как разговаривают его носители.

В случае с пониманием естественного языка нейросеть назначает каждому слову числовой вектор, а затем "смотрит", какие комбинации слов и в каком порядке чаще всего встречаются в языке вместе. Чем больше и разнообразнее набор текстов, на которых она обучается, тем более хитрые зависимости улавливает модель и воспроизводит их уже на новых данных.

Для оценки "депрессивности" написанного алгоритм анализирует тексты (например, посты в соцсетях) по нескольким сотням параметров, самостоятельно находя связи между ними. Критерии заранее задают профессиональные психологи по международному классификатору болезней DSM-5. На основе полученных данных система определяет, присутствует ли в тексте тот или иной класс данных, связанных с депрессией или другими расстройствами.

Так, исследование авторов iCognito выявило, что программа может установить наличие депрессивного или тревожного расстройства с вероятностью до 87%, а также распознавать отдельные симптомы: например, раздражительность, склонность к суициду, негативное отношение к себе, нарушения пищевого поведения или сна. Искусственный интеллект также смог понять, испытывает ли человек в данный момент подавленность, тревогу или раздражение.

Зачем это нужно?

По словам Ольги Троицкой, обученные алгоритмы смогут определять индивидов в группе риска на основе данных, оставляемых в соцсетях, — например, чтобы порекомендовать им психологическую помощь. iCognito планирует использовать эту технологию для развития эмоционально отзывчивых и адаптивных роботов-помощников.

Сегодня чат-бот iCognito умеет распознавать склонность к суициду, депрессию, тревожность, расстройства сна и пищевого поведения и еще ряд специфических состояний, например одиночества или социофобии. В зависимости от целей приложение выбирает разный стиль общения. Например, со склонными к депрессии он говорит так, чтобы они могли почувствовать заботу и любовь.

Еще одно возможное применение подобных технологий — тренажеры, которые помогают людям с расстройствами аутистического спектра. При этом диагнозе человек часто испытывает трудности с распознаванием чужих эмоций и общением. Общение с роботом может обучить такого человека (наряду со специалистом) социальным ключам — признакам эмоциональных состояний, которые говорят о настроении собеседника.

Наконец, такие программы можно использовать для изучения динамики депрессии — например, диагностики расстройства на ранних стадиях. Суммируя результаты анализа текста и другие сопутствующие данные (например, время и частоту публикации постов, их размер, особенности профиля), алгоритм мог бы определить, ухудшается ли состояние человека, есть ли риск, что человек готов нанести себе вред или даже уйти из жизни.

В 2017 году Facebook выпустил собственный алгоритм, способный распознать суицидальные намерения по постам. Если программа оценивает риск такого исхода как высокий, пользователю присылается предложение посетить кризисный центр. Благодаря работе этого алгоритма службы уже предотвратили реальную суицидальную попытку. Аналогичный проект разрабатывается и на базе сети "Вконтакте".

Алгоритмы увидят не все

У современных алгоритмов распознавания депрессии есть свои ограничения. Например, они плохо настроены на "невидимых" больных — тех, кто предпочитает скрывать свое состояние, не любит или не умеет говорить о своих чувствах. В этом случае распознать депрессию (или другое аффективное расстройство) по тексту гораздо труднее, а вероятность ошибки при этом выше.

Пожилые люди могут переживать депрессию иначе и описывать ее другими словами, чем, например, молодые. Алгоритм должен учитывать особенности речи пользователей, чтобы быть более точным. Есть разница между тем, как мужчины и женщины описывают свое состояние. Проявления депрессии могут зависеть и от особенностей конкретного языка, поэтому алгоритмы будут распознавать только тексты его носителей.

Некоторые виды депрессии характеризуются соматическими проявлениями — то есть телесными симптомами. Человек жалуется на нарушения сна, мышечное напряжение, потерю концентрации. В этих случаях депрессия может быть лишь одним из возможных состояний — наряду с эндокринными нарушениями, отравлениями, даже последствиями COVID-19. Однако понять это лишь на основе текста будет сложно.

Правда, существуют и нейросети, обученные на других данных — например, изображениях или сетевых взаимодействиях (лайках, репостах, частоте создания постов). Этот метод тоже можно использовать для выявления признаков депрессии, хотя он и менее точен. Например, люди с депрессией выкладывают больше изображений в голубых, серых и темных тонах. Они часто размещают фотографии с лицами, но при этом большие группы людей на фото встречаются реже.

Но и здесь есть ограничения: пользователи разных платформ с признаками депрессии ведут себя неодинаково. Чем лучше конкретная нейросеть "понимает" эти особенности, тем точнее ее анализ.

Антон Солдатов