AI检测到短信中的认知失真

人工智能(AI)现在能够检测出文本消息的认知扭曲.美国精神病学协会的同行评审杂志发表在精神病学服务上的一项新研究，展示了AI自然语言处理(NLP)如何可以在文本中像人类临床医生一样有效地检测出认知障碍.

.

"基于手机的心理健康干预措施的最新进展，再加上语言分析的计算方法的进步，为开发技术辅助干预措施创造了新的可能性，"华盛顿大学医学院的研究人员写道./p>

美国心理协会将认知扭曲定义为在某种程度上可能发生在所有人身上可能发生的错误或有缺陷的思想，信念或看法.一个人的想法可能有很多方式不准确或偏向.常见的认知扭曲包括全有或无光的(两极分化的)思维，始终是正确的，可以得出结论，过度概括，放大倍率(灾难性)，最小化，标签和贴错标签，个性化，命运，命运，精神滤清，删除积极的，情感的推理，失去资格"应该"的陈述，精神过滤，控制谬误，公平性的谬误，变化的谬误，光环效应，责备他人，自我服务的偏见，偏见的隐性态度等.

在这项研究中，研究人员专注于五种常见的认知扭曲:灾难性，精神过滤，跳到结论，过度概括和"应该"陈述.灾难性或放大率是假定最坏的情况时.心理过滤是一种认知失真，重点是负面方面，并滤除了所有积极的方面.得出的结论正在达到最少的数据.过度概括是将一个事件应用于所有其他事件时.当人们认为他们应该做，说或思考他们当前正在做的事情以外的其他事情时，"应该"的陈述就会发生.

"这是第一个将自然语言处理应用于严重精神疾病及其临床医生之间的短信的研究，目的是识别认知扭曲."尽管研究的扭曲发生在普通人群中，但在被诊断出患有精神病的人中，它们通常更为明显和严重.

在39例患有严重心理健康状况的患者(例如躁郁症，精神分裂症，精神分裂症障碍或主要抑郁症)之间的7,350个短信及其心理健康提供者在十二周的一项随机对照试验中收集.精神卫生机构的人类临床医生将这些信息标记为这五个类别.

科学家创建了三个AI自然语言处理分类模型，以与人类注释者进行比较.使用的三个AI模型是来自变压器(BERT)，逻辑回归(LR)的双向编码器表示，具有项频率 - 内置文档频率特征和支持向量机(SVM)，其输入功能由句子bert生成，而无需微调.

" BERT的表现与临床评估者的表现相当，对于任何失真，精神过滤，跳到结论和灾难性的表现，表明BERT框架(带有预处理)非常适合这项任务，"研究人员报告说. .

BERT算法优于所有认知失真标签的其他NLP模型.根据研究人员的说法，伯特的表现与人类临床医生一样好.

"这项研究表明，NLP模型可以识别患有严重精神疾病的人和临床医生之间的文本信息的认知扭曲，与临床训练的评分者相当."

.

版权所有©2022 Cami Rosso保留所有权利.