Έχετε κατάθλιψη; Ο υπολογιστής ξέρει
Φανταστείτε ένα τεστ που είναι τόσο γρήγορο όσο η θερμομέτρηση για πυρετό και το οποίο θα μπορεί να εντοπίσει μια διαταραχή άγχους ή θα μπορούσε να προβλέπει ένα επεισόδιο κατάθλιψης.
Οι υγειονομικοί δεν έχουν αξιόπιστους βιολογικούς δείκτες – δηλαδή αντικειμενικές εξωτερικές ενδείξεις της ιατρικής κατάστασης ενός ασθενή – για την ψυχική υγεία.
Ωστόσο, κάποιοι ερευνητές τεχνητής νοημοσύνης πιστεύουν ότι ο ήχος της φωνής σας μπορεί να είναι το «κλειδί» για την καλύτερη κατανόηση της ψυχικής κατάστασης. Το αποτέλεσμα είναι μια σειρά από apps και διαδικτυακά εργαλεία που έχουν σχεδιαστεί για να ελέγχουν την ψυχική και νοητική κατάσταση, καθώς και προγράμματα που μεταφέρουν αξιολογήσεις ψυχικής υγείας σε πραγματικό χρόνο στους υγειονομικούς.
Οι ψυχολόγοι γνωρίζουν ότι κάποια προβλήματα ψυχικής υγείας μπορούν να εντοπιστούν όχι απλά ακούγοντας τι λέει ένα άτομο, αλλά και πώς το λέει, αναφέρει η Μαρία Εσπινόλα, ψυχολόγος στο Πανεπιστήμιο του Σινσινάτι, στο Οχάιο.
Οι ασθενείς που έχουν κατάθλιψη, σημειώνει η δρ. Εσπινόλα, «έχουν πιο μονότονη, επίπεδη και σιγανή ομιλία. Ο τόνος της φωνής τους είναι πιο χαμηλός, το ίδιο και η έντασή της. Κάνουν περισσότερες παύσεις και σταματούν πιο συχνά».
Οι ασθενείς με άγχος νιώθουν μεγαλύτερη ένταση στο σώμα τους, η οποία μπορεί να αλλάξει τον τόνο της φωνής τους, σύμφωνα με την ίδια. «Συνήθως μιλούν πιο γρήγορα. Αναπνέουν με μεγαλύτερη δυσκολία».
Σήμερα, τα φωνητικά αυτά χαρακτηριστικά συλλέγονται από αναλυτές της μηχανικής μάθησης (machine learning) για να προβλέψουν την κατάθλιψη και το άγχος, καθώς και άλλες ψυχικές ασθένειες όπως η σχιζοφρένεια. Η χρήση αλγορίθμων deep-learning είναι δυνατόν να αποκαλύψει περισσότερα μοτίβα και χαρακτηριστικά που μπορεί να μην είναι εμφανή στους ειδικούς.
«Η τεχνολογία που χρησιμοποιούμε τώρα μπορεί να εξάγει σημαντικά χαρακτηριστικά που δεν μπορεί να πιάσει το ανθρώπινο αυτί», αναφέρει η Κέιτ Μπέντλεϊ, καθηγήτρια στη Ιατρική Σχολή του Χάρβαρντ και κλινική ψυχολόγος. «Υπάρχει ενθουσιασμός όταν ανακαλύπτονται βιολογικοί ή άλλοι δείκτες για τις ψυχιατρικές διαγνώσεις οι οποίοι ξεπερνούν τις υποκειμενικές μορφές αξιολόγησης που χρησιμοποιούνται παραδοσιακά, όπως οι συνεδρίες».
Άλλα στοιχεία που ψάχνουν οι ερευνητές είναι οι αλλαγές στη δραστηριότητα και στον ύπνο.
Ένα από τα προβλήματα είναι αυτό της προκατάληψης: να δουλεύουν τα προγράμματα εξίσου για όλους τους ασθενείς, ανεξαρτήτως ηλικίας, φύλου, εθνικότητας και άλλων κριτηρίων. Επίσης, μεγάλο ζήτημα είναι και η ιδιωτικότητα, ειδικά των φωνητικών δεδομένων, που μπορούν να χρησιμοποιηθούν για να αναγνωριστεί ένα άτομο, σύμφωνα με τη δρ. Μπέντλεϊ.
Κατά την ίδια, πρόκληση αποτελεί και η ενδεχόμενη καχυποψία των καταναλωτών απέναντι στο machine learning, το οποίο δουλεύει με τρόπους που συχνά δεν μπορούν να καταλάβουν ούτε οι ίδιοι οι προγραμματιστές.
Κάποιοι ζητούν να γίνουν έρευνες για την ακρίβεια των τεχνολογιών ανάλυσης φωνής.
«Χρειαζόμαστε πραγματικά μεγαλύτερη αναγνώριση όχι μόνο για τη φωνητική τεχνολογία, αλλά και για τα μοντέλα τεχνητής νοημοσύνης και machine learning που βασίζονται σε άλλες ροές δεδομένων. Και πρέπει να πετύχουμε την αναγνώριση από ευρείας κλίμακας, καλά σχεδιασμένες αντιπροσωπευτικές μελέτες», καταλήγει η δρ. Μπέντλεϊ.
Copyright:
2022 The New York Times
Διαβάστε επίσης:
Τι έμαθε ο Γκάρι Κασπάροφ από τον Deep Blue: Όταν η μηχανή νίκησε τον άνθρωπο
Βurnout: Πώς να το καταλάβετε και τι να κάνετε
Θέλετε δυνατό εγκέφαλο και καλή ψυχική υγεία; Αυτές είναι οι 6 τροφές που ενδείκνυνται
Ακολουθήστε το Money Review στο Google News
