Công cụ AI thúc đẩy mạng xã hội để giải quyết việc lạm dụng chất gây nghiện

Khi đề cập đến việc chống lạm dụng chất kích thích, nghiên cứu cho thấy rằng công ty mà bạn giữ có thể tạo ra sự khác biệt giữa phục hồi và tái nghiện.

Mặc dù các chương trình can thiệp theo nhóm có thể đóng một vai trò quan trọng trong việc ngăn ngừa lạm dụng chất kích thích, nhưng chúng cũng có thể vô tình khiến người tham gia có những hành vi tiêu cực.

Các nhà nghiên cứu từ Trung tâm Trí tuệ Nhân tạo trong Xã hội của Đại học Nam California (USC) đã tạo ra một thuật toán sắp xếp những người tham gia vào các chương trình can thiệp, những người tự nguyện làm việc phục hồi thành các nhóm nhỏ hơn theo cách duy trì các kết nối xã hội hữu ích và phá vỡ các kết nối xã hội có thể bất lợi cho sự phục hồi.

Aida Rahmattalabi, một nghiên cứu sinh khoa học máy tính của USC và là tác giả chính của nghiên cứu cho biết: “Chúng tôi biết rằng lạm dụng chất kích thích bị ảnh hưởng bởi ảnh hưởng xã hội, hay nói cách khác là bạn là bạn với ai. “Để nâng cao hiệu quả của các biện pháp can thiệp, bạn cần biết mọi người sẽ ảnh hưởng đến nhau như thế nào trong một nhóm.”

Rahmattalabi và các nhà nghiên cứu từ Trường Kỹ thuật USC Viterbi, Trường Công tác xã hội USC Suzanne Dworak-Peck và Đại học Denver đã làm việc với Urban Peak, một tổ chức phi lợi nhuận phục vụ thanh niên vô gia cư có trụ sở tại Denver, để phát triển thuật toán mà họ hy vọng sẽ hỗ trợ phòng chống lạm dụng chất kích thích.

Các nhà nghiên cứu cho biết kết quả cho thấy thuật toán hoạt động tốt hơn đáng kể so với các chiến lược điều khiển để thành lập nhóm.

Mỗi năm, có tới hai triệu trẻ em ở Hoa Kỳ sẽ trải qua tình trạng vô gia cư và ước tính cho thấy khoảng 39 đến 70 phần trăm thanh thiếu niên vô gia cư lạm dụng ma túy hoặc rượu.

Các sáng kiến ​​lạm dụng chất gây nghiện, chẳng hạn như liệu pháp nhóm, có thể hỗ trợ bằng cách khuyến khích thanh niên vô gia cư chia sẻ kinh nghiệm của họ, học các chiến lược đối phó tích cực và xây dựng mạng xã hội lành mạnh.

Nhưng nếu các nhóm này không được cấu trúc phù hợp, họ có thể làm trầm trọng thêm vấn đề mà họ định điều trị bằng cách khuyến khích hình thành tình bạn dựa trên hành vi chống đối xã hội, các nhà nghiên cứu lưu ý. Các nhà nghiên cứu giải thích rằng đây là một quá trình được gọi là “đào tạo lệch lạc” trong công tác xã hội, khi các đồng nghiệp củng cố lẫn nhau về hành vi lệch lạc.

Nhóm đã giải quyết vấn đề này từ góc độ trí tuệ nhân tạo, tạo ra một thuật toán có tính đến cách các cá nhân trong một nhóm con được kết nối - mối quan hệ xã hội của họ - và tiền sử lạm dụng chất gây nghiện trước đây của họ.

Dữ liệu khảo sát được thu thập tự nguyện từ thanh thiếu niên vô gia cư ở Los Angeles, cũng như các lý thuyết hành vi và quan sát về các can thiệp trước đó, được sử dụng để xây dựng mô hình tính toán của các can thiệp.

“Dựa trên điều này, chúng tôi có một mô hình ảnh hưởng giải thích khả năng một cá nhân áp dụng các hành vi tiêu cực hoặc thay đổi các hành vi tiêu cực dựa trên sự tham gia của họ trong nhóm,” Rahmattalabi nói. “Điều này giúp chúng tôi dự đoán điều gì sẽ xảy ra khi chúng tôi nhóm mọi người thành các nhóm nhỏ hơn”.

Có lẽ phát hiện đáng ngạc nhiên nhất là, trái với trực giác thông thường, việc phân bổ đồng đều những người sử dụng chất kích thích thường xuyên trên các phân nhóm không phải là cách tối ưu để thiết kế một can thiệp thành công, cô lưu ý.

Cô nói: “Việc phân bổ đồng đều người dùng trong khi bỏ qua các mối quan hệ hiện có của họ có thể làm giảm đáng kể tỷ lệ thành công của những can thiệp này.

Ngoài ra, phân tích cho thấy rằng đôi khi tiến hành một can thiệp thực sự có thể có tác động bất lợi đối với nhóm.

“Trong một số trường hợp, chúng tôi nhận thấy thực sự là một ý tưởng tồi nếu tiến hành can thiệp. Ví dụ, nếu bạn có nhiều người có nguy cơ cao trong một nhóm, tốt hơn là không kết nối họ với những người có nguy cơ thấp, ”cô nói.

Khi dữ liệu mới được thêm vào thuật toán, các nhà nghiên cứu hy vọng nó sẽ thích ứng với các điều kiện thay đổi, tiết lộ cách mạng xã hội phát triển trong suốt quá trình của chương trình can thiệp. Điều này có thể cho phép các nhà can thiệp xác định cách can thiệp sẽ hình thành kết quả của người tham gia, các nhà nghiên cứu cho biết.

Các nhà nghiên cứu đang tiếp tục làm việc với Urban Peak và có kế hoạch triển khai công cụ để tối ưu hóa các chiến lược của nhóm can thiệp cho thanh thiếu niên vô gia cư ở Denver vào mùa thu năm 2018.

Nghiên cứu, Tối đa hóa Ảnh hưởng để Ngăn chặn Lạm dụng Chất gây nghiện Dựa trên Mạng Xã hội, được công bố trong hội nghị AAAI về phần tóm tắt dành cho sinh viên Trí tuệ Nhân tạo.

Nguồn: Đại học Nam California