Kan kunstig intelligens hjælpe med at forhindre selvmord?

Ifølge CDC, selvmordsraten for personer i alderen 10-24 år er steget 56 % mellem 2007 og 2017. Sammenlignet med den generelle befolkning, mere end halvdelen af ​​mennesker, der oplever hjemløshed, har haft selvmordstanker eller har forsøgt selvmord, det Nationale Sundhedsvæsen for Hjemløserådet rapporterede.

Phebe Vayanos, assisterende professor i industri- og systemteknik og datalogi ved USC Viterbi School of Engineering har fået hjælp fra en magtfuld allieret – kunstig intelligens – for at hjælpe med at mindske risikoen for selvmord.

"I denne undersøgelse, vi ønskede at finde måder at afbøde selvmordstanker og død blandt unge. Vores idé var at udnytte virkelige sociale netværksoplysninger til at opbygge et støttenetværk af strategisk placerede individer, der kan 'passe på' for deres venner og henvise dem til hjælp efter behov, " sagde Vayanos.

Vayanos, en associeret direktør ved USC's Center for Artificial Intelligence in Society (CAIS), og hendes team har arbejdet i løbet af de sidste par år på at designe en algoritme, der er i stand til at identificere, hvem i en given social gruppe i det virkelige liv ville være de bedste personer til at blive uddannet som "gatekeepers", der er i stand til at identificere advarselstegn på selvmord, og hvordan man svare.

Vayanos og Ph.D. kandidat Aida Rahmattalabi, hovedforfatteren af ​​undersøgelsen "Exploring Algorithmic Fairness in Robust Graph Covering Problemer, " undersøgte potentialet i sociale forbindelser såsom venner, pårørende, og bekendte for at hjælpe med at mindske risikoen for selvmord. Deres papir vil blive præsenteret på den treogtredive konference om neurale informationsbehandlingssystemer (NeurIPS) i denne uge.

"Vi vil sikre, at der bliver holdt øje med et maksimalt antal mennesker, under hensyntagen til ressourcebegrænsninger og usikkerheder ved udrulning i åben verden. For eksempel, hvis nogle af personerne i netværket ikke er i stand til at nå gatekeepertræningen, vi ønsker stadig at have et robust supportnetværk, " sagde Vayanos.

Til denne undersøgelse, Vayanos og Rahmattalabi så på nettet af sociale relationer mellem unge mennesker, der oplever hjemløshed i Los Angeles, givet, at 1 ud af 2 unge, der er hjemløse, har overvejet selvmord.

"Vores algoritme kan forbedre effektiviteten af ​​selvmordsforebyggende træninger for denne særligt sårbare befolkning, " sagde Vayanos.

For Vayanos, effektivitet udmønter sig i at udvikle en model og algoritme, der kan strække begrænsede ressourcer så langt, som de kan gå. I dette scenarie, de begrænsede ressourcer er de menneskelige gatekeepere. Denne algoritme forsøger at planlægge, hvordan disse personer bedst kan placeres og trænes i et netværk for at passe på andre.

"Hvis du er strategisk, " siger Vayanos, "du kan dække flere mennesker, og du kan få et mere robust netværk af support."

"Gennem denne undersøgelse, vi kan også hjælpe med at informere politiske beslutningstagere, der træffer beslutninger vedrørende finansiering af selvmordsforebyggende initiativer; for eksempel, ved at dele med dem det mindste antal personer, der skal modtage gatekeeper-uddannelsen for at sikre, at alle unge har mindst én trænet ven, der kan passe på dem, " sagde Vayanos.

"Vores mål er at beskytte så mange unge som muligt, " sagde hovedforfatter, Rahmattalabi.

Et vigtigt mål, når denne A.I. Systemet skal sikre retfærdighed og gennemsigtighed.

"Vi arbejder ofte i miljøer, der har begrænsede ressourcer, og dette har en tendens til uforholdsmæssigt at påvirke historisk marginaliserede og sårbare befolkninger, " sagde medforfatter til undersøgelsen Anthony Fulginiti, en adjunkt i socialt arbejde ved University of Denver, der modtog sin ph.d. fra USC, efter at have startet sin forskning med Eric Rice, stiftende direktør for USC CAIS.

"Denne algoritme kan hjælpe os med at finde en delmængde af mennesker i et socialt netværk, der giver os den bedste chance for, at unge vil blive forbundet med en person, der er blevet trænet, når de håndterer ressourcebegrænsninger og andre usikkerheder, " sagde Fulginiti.

Dette arbejde er særligt vigtigt for udsatte befolkningsgrupper, siger forskerne, især for unge, der oplever hjemløshed.

"En af de overraskende ting, vi opdagede i vores eksperimenter baseret på sociale netværk af hjemløse unge, er, at eksisterende A.I.-algoritmer, hvis den implementeres uden tilpasning, resultere i diskriminerende resultater med op til 68 % forskel i beskyttelsesgrad på tværs af racer. Målet er at gøre denne algoritme så retfærdig som muligt og justere algoritmen for at beskytte de grupper, der er værre stillet, " sagde Rahmattalabi.

USC CAIS-forskerne ønsker at sikre, at "gatekeeper"-dækningen af ​​de mere sårbare grupper er så høj som muligt. Deres algoritme reducerede skævheden i dækningen i virkelige sociale netværk af hjemløse unge med så meget som 20 %.

Rahmattalabi sagde:"Vores løsning fremmer ikke kun datalogien ved at løse et beregningsmæssigt svært problem, men det skubber også grænserne for socialt arbejde og risikostyringsvidenskab ved at bringe beregningsmetoder ind i design og implementering af forebyggelsesprogrammer."