Dirbtinio intelekto algoritmas gali padėti nustatyti benamį jaunimą, kuriam gresia piktnaudžiavimas medžiagomis

Dirbtinio intelekto (PG) algoritmas, kurį sukūrė Penn State valstijos Informacijos mokslų ir technologijų kolegijos tyrimų grupė, gali padėti prognozuoti benamio jaunimo polinkį į narkotikų vartojimo sutrikimus ir pasiūlyti asmeniškai pritaikytas reabilitacijos programas šiems labai pažeidžiamiems asmenims.

Nors buvo įgyvendinta daugybė programų, skirtų spręsti piktnaudžiavimo narkotikais paplitimą tarp benamių jaunuolių JAV, tik kelios, jei tokių yra, įtraukė duomenimis pagrįstas įžvalgas apie aplinkos ir psichologinius veiksnius, kurie galėtų prisidėti prie žmogaus tikimybės susirgti narkotikų vartojimo sutrikimais.

„Aktyvi narkotikų vartojimo sutrikimo prevencija benamio jaunimo tarpe yra kur kas pageidautina nei reaktyvaus švelninimo strategijos, tokios kaip medicininis sutrikimo gydymas ir kitos susijusios intervencijos“, - sakė Amulya Yadav, informacinių ir technologijos mokslų daktarė ir pagrindinė projekto tyrėja. „Deja, dauguma ankstesnių prevencinių bandymų buvo ad hoc įgyvendinami.“

Maryam Tabar, informatikos doktorantė ir pagrindinė šio straipsnio autorė, pridūrė: „Norint padėti politikos formuotojams principingai parengti veiksmingas programas ir politiką, būtų naudinga sukurti AI ir mašininio mokymosi sprendimus, kurie galėtų automatiškai atskleisti išsamų rinkinį. veiksnių, susijusių su narkotikų vartojimo sutrikimu benamio jaunimo tarpe “.

Rezultatai buvo pristatyti konferencijoje „Žinių atradimas duomenų bazėse“ (KDD).

Projektui mokslininkų grupė sukūrė modelį, naudodama duomenis, surinktus maždaug 1400 benamių jaunimo, nuo 18 iki 26 metų, šešiose JAV valstijose.

Duomenis rinko „Research, Education and Advocacy Co-Lab for Youth Stability and Throwing“ (REALYST), į kurią įtraukta Anamika Barman-Adhikari, Denverio universiteto socialinio darbo docentė ir straipsnio bendraautorė.

Tyrėjų grupė nustatė su narkotikų vartojimo sutrikimu susijusius aplinkos, psichologinius ir elgesio veiksnius, tokius kaip kriminalinė istorija, viktimizacijos patirtis ir psichinės sveikatos ypatumai.

Jie išsiaiškino, kad benamių jaunuolių nepalanki patirtis vaikystėje ir fizinė viktimizacija gatvėse buvo labiau susijusi su narkotikų vartojimo sutrikimais nei kitų rūšių viktimizacija, pavyzdžiui, seksualine auka.

Be to, buvo nustatyta, kad potrauminio streso sutrikimas (PTSS) ir depresija yra labiau susiję su narkotikų vartojimo sutrikimais nei kiti šios psichikos sveikatos sutrikimai.

Tada komanda padalijo savo duomenų rinkinį į šešis mažesnius duomenų rinkinius, norėdama pažinti geografinius skirtumus. Jie parengė atskirą modelį, skirtą prognozuoti narkotikų vartojimo sutrikimus tarp benamių jaunuolių kiekvienoje iš šešių valstybių, kurių aplinkos sąlygos, narkotikų legalizavimo politika ir gaujų asociacijos skiriasi. Pasak „Tabar“, komanda nustatė keletą vietos faktorių, susijusių su kai kuriais veiksniais.

„Žvelgdami į tai, ko išmoko modelis, galime efektyviai sužinoti veiksnius, kurie gali atlikti koreliacinį vaidmenį su žmonėmis, kenčiančiais nuo piktnaudžiavimo narkotinėmis medžiagomis“, - sakė Yadavas. „Ir kai žinosime šiuos veiksnius, galime daug tiksliau nuspėti, ar kas nors kenčia nuo narkotikų vartojimo“.

Jis pridūrė: „Taigi, jei politikos planuotojas ar intervencijų specialistas sukurtų programas, kuriomis būtų siekiama sumažinti piktnaudžiavimo narkotikais sutrikimų paplitimą, tai galėtų suteikti naudingų gairių“.

Kiti KDD dokumento autoriai yra Dongwon Lee, docentas, ir Stephanie Winkler, doktorantė, abu iš Penn State informacinių ir technologijos koledžo; ir Sungkyunkwan universiteto Heesoo parkas.

Yadavas ir Barmanas-Adhikari dirba prie panašaus projekto, kurio metu jie sukūrė programinės įrangos agentą, kuris kuria individualizuotas reabilitacijos programas benamiams jaunuoliams, kovojantiems su opioidų priklausomybe. Jų modeliavimo rezultatai rodo, kad programinės įrangos agentas, vadinamas CORTA (visapusiškas reagavimo į opioidus įrankis, pagrįstas dirbtiniu intelektu), maždaug 110% lenkia pradines linijas, kad būtų sumažintas benamių jaunuolių, kenčiančių nuo priklausomybės nuo opioidų, skaičius.

"Mes norėjome suprasti, kokie yra priežastiniai klausimai, lemiantys priklausomybę nuo opiatų turinčius žmones", - sakė Yadavas. "Ir tada mes norėjome paskirti šį benamį jaunimą į tinkamą reabilitacijos programą."

Yadavas paaiškina, kad duomenys, kuriuos surinko daugiau nei 1400 benamių jaunuolių JAV, buvo naudojami dirbtinio intelekto modeliams kurti, siekiant numatyti priklausomybės nuo opioidų tikimybę tarp šios populiacijos. Išanalizavusi problemas, kurios gali būti pagrindinė priklausomybės nuo opioidų priežastis, pavyzdžiui, globos namų istorija ar smurto gatvėje poveikis, CORTA išsprendžia naujas optimizavimo formuluotes, kad paskirtų individualizuotas reabilitacijos programas.

"Pavyzdžiui, jei asmeniui atsirado opioidų priklausomybė dėl to, kad jis buvo izoliuotas arba neturėjo socialinio rato, tai galbūt kaip reabilitacijos programos dalį jis turėtų pasikalbėti su patarėju", - paaiškino Yadavas.

"Kita vertus, jei kam nors atsirado priklausomybė, nes jis buvo prislėgtas dėl to, kad negalėjo rasti darbo ar sumokėti sąskaitų, karjeros konsultantas turėtų būti reabilitacijos plano dalis."

Yadavas pridūrė: "Jei jūs tik gydote būklę mediciniškai, kai jos grįžta į realų pasaulį, nes priežastinė problema vis dar išlieka, jie greičiausiai atsinaujins".

Šaltinis: Penn State