你的孤独都被AI看穿了

你真的 “孤独”吗？曾经这张火遍全宇宙的 “国际孤独等级表”，让不少网友泪目，就差没做过手术了。不过，也有网友质疑，一个人吃饭，看电影，唱 K，就真的是孤独吗？也许合群才是真正的 “孤独患者”

你真的 “孤独”吗？

曾经这张火遍全宇宙的 “国际孤独等级表”，让不少网友泪目，就差没做过手术了。

不过，也有网友质疑，一个人吃饭，看电影，唱 K，就真的是孤独吗？也许合群才是真正的 “孤独患者”。关于是否孤独这件事，AI 的检测方式可能更具有权威性。

最近，美国研究人员利用 AI 工具分析人类的孤独指数，准确率达到了 94%。

AI 分析谈话，检测孤独指数

一位来自美国 IBM Watson 实验室的负责人称，

自然语言处理（NLP）和机器学习（ML）能够通过长时间的访谈对话，对表达的情绪和微妙的语言特征进行无偏量化估计，并准确地评估人类的孤独指数。

近日，他们与加利福尼亚大学圣地亚哥分校医学院合作，开展了这项 AI 研究。这项研究的受试者是 80 位年龄在 66 至 94 岁之间的独立居住的居民，平均年龄在 83 岁。

研究人员对他们进行了半结构化的访谈，内容主要围绕以下三个问题：

Q1：“您是否感到孤独，多久会有一次这样的情绪？

Q2：孤独的感觉是怎么样的，心情如何？

Q3：为什么你认为别人会感到孤独？

访谈最长会持续到 90 分钟，结束后，研究人员对 80 位受访者的语音对话，通过 IBM 开发的 NLP 模型（WNLU）和 ML 工具进行了转录、情感分析和量化。

此外，为了进一步辅助结果的准确性，研究人员还进行了定量评估。即采用 UCLA 孤独感量表，对受试者提出 20 个与孤独相关的问题，并通过四个评分量表进行评定。比如：“您是否经常被他人忽略？您是否经常觉得自己是群体中的一部分？”等。

结果表明，与 UCLA 孤独感量表的得分相比，使用语言模型，机器学习系统可以更好预测孤独感。其中，AI 预测结果的准确率达到了 94%，而基于 UCLA 量化孤独感的准确率是 76%。

该研究的第一作者瓦尔萨 · 巴达（Valsa Badar）表示，

WNLU 软件系统使用深度学习从关键字，类别，情感和语法中提取元数据，可以更好地解析和理解诸如孤独之类的复杂情感。

同时，他强调，类似的人类情感分析可能存在分歧，缺乏一致性，因此，需要进行更广泛的培训才能标准化，而事实也证明，与孤独感量表相比，使用语言特特征的 AI 能够达到更高的准确率。

除此之外，本次研究还得出了以下结果：

孤独的人在定性访谈中的回答时间更长，对有关孤独问题的回答中，也容易表现出更多的悲伤。

与女性相比，男性在回答中使用了更多恐惧和快乐的词语，他们能够更自由地表达情绪。

女性比男性更有可能在面试中承认感到孤独。

不过，研究团队最后也表示，目前的研究还存在一些局限性。如缺乏时间轴上的数据，对受众者的评估是不够严谨的，同时数据量太小，不足以发挥 NLP 在诊断孤独感方面的潜力。但是这项研究在小范围测试中，验证了 NLP 在非结构化文本数据中，测试复杂情感的可行性。

“孤独”中的敏感群体

“孤独”可能不分人群，但不同人群中，最脆弱的可能是老年人。

老年人的孤独感的发生率正在攀升。有专家指出，美国近些年存在一种 “孤独流行病”，其特征是自杀率和精神类药物使用率不断上升，生产力下降，医疗成本增加，死亡率也在逐年升高。

此前，加州大学圣地亚哥分校也在一项相关调查中发现，居住在独立老年人社区中的居民，有 85%的人感到中度和重度孤单。今年因新冠病毒大流行，增加了人们独处的时间，这种情况也随之变得更糟糕了。

美国加州大学圣地亚哥分校一直希望借助 AI 技术解决老年人的心理健康问题。在他们看来，“语言数据能够与我们的认知、行动、睡眠、身体活动和心理健康的等评估结合起来，从而提高我们对衰老的理解认知，这有助于我们度过一个健康的老年生活。”

因此，此次研究聚焦聚焦 66-94 岁之间的 80 名独立生活居民，试图通过自然语言处理技术和机器学习模型预测社区中老年人的孤独感。

正如研究中表明的，人类的孤独感并不总是反映真实的感受和情绪，而 AI 和自我测验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。而早期的发现老年人的孤独感，有助于改善临床医生，家庭评估以及治疗老年人的孤独感的方式。

目前，该研究团队还在探索孤独和智慧的自然语言模式特征，相关结果表明，孤独感与智慧二者存在负相关，智慧度越高的老年人，孤独感也越强。

同时，他们表示微妙的语言数据将是 AI 促进人类心理健康的关键工具，它通过语音来检测个人的孤独指数，可以减少量表带来的主观偏见，而实现更加准确的远程诊断。最后，借助更加复杂的 AI 系统进行实时干预，通过引导积极的认知，从事有意义的社交活动来帮助个人减少孤独感。