Nástroj AI využívá sociální sítě k řešení zneužívání návykových látek
Pokud jde o boj proti zneužívání návykových látek, výzkum naznačuje, že společnost, kterou držíte, může rozlišovat mezi zotavením a relapsem.
Zatímco skupinové intervenční programy mohou hrát důležitou roli v prevenci zneužívání návykových látek, mohou také neúmyslně vystavit účastníky negativního chování.
Vědci z University of Southern California (USC) Center for Artificial Intelligence in Society vytvořili algoritmus, který třídí účastníky intervenčních programů, kteří dobrovolně pracují na zotavení, do menších skupin způsobem, který udržuje užitečné sociální vazby a ruší sociální vazby, které by mohly být škodlivé pro zotavení.
"Víme, že zneužívání návykových látek je silně ovlivňováno společenským vlivem, jinými slovy, s kým jste přátelé," uvedla Aida Rahmattalabi, absolventka počítačové vědy z USC a hlavní autorka studie. "Aby se zvýšila účinnost zásahů, musíte vědět, jak se lidé budou ve skupině navzájem ovlivňovat."
Rahmattalabi a vědci z USC Viterbi School of Engineering, USC Suzanne Dworak-Peck School of Social Work a University of Denver spolupracovali s Urban Peak, neziskovou organizací sloužící nezletilé mládeži v Denveru, na vývoji algoritmu, v který doufají pomůže při prevenci zneužívání návykových látek.
Výsledky ukázaly, že algoritmus fungoval významně lépe než kontrolní strategie pro vytváření skupin, podle výzkumníků.
Každý rok se v USA setkají s bezdomovectvím až dva miliony dětí a odhady naznačují mezi 39 a 70 procenty drog nebo alkoholu zneužívaných mladými bezdomovci.
Iniciativy zneužívání návykových látek, jako je skupinová terapie, mohou nabídnout podporu povzbuzováním mladých lidí bez domova, aby sdíleli své zkušenosti, učili se pozitivní strategie zvládání a budovali zdravé sociální sítě.
Pokud však tyto skupiny nejsou správně strukturovány, mohou zhoršit problémy, které mají v úmyslu léčit, podporou navazování přátelství založeného na asociálním chování, poznamenávají vědci. Jedná se o proces známý v sociální práci jako „devianční trénink“, kdy se kolegové navzájem posilují kvůli deviantnímu chování, vysvětlují vědci.
Tým řešil tento problém z pohledu umělé inteligence a vytvořil algoritmus, který bere v úvahu, jak jsou jednotlivci v podskupině propojeni - jejich sociální vazby - a jejich předchozí historie zneužívání návykových látek.
Data průzkumu shromážděná dobrovolně od mládeže bez domova v Los Angeles, stejně jako teorie chování a pozorování předchozích intervencí, byla použita k vytvoření výpočetního modelu intervencí.
"Na základě toho máme model vlivu, který vysvětluje, jak je pravděpodobné, že jednotlivec přijme negativní chování nebo změní negativní chování na základě své účasti ve skupině," řekl Rahmattalabi. "To nám pomáhá předvídat, co se stane, když seskupíme lidi do menších skupin."
Snad nejpřekvapivějším zjištěním bylo, že na rozdíl od běžné intuice není rovnoměrné rozdělení pravidelných uživatelů návykových látek do podskupin optimálním způsobem, jak navrhnout úspěšný zásah, poznamenala.
"Jednotná distribuce uživatelů při ignorování jejich stávajících vztahů může výrazně snížit úspěšnost těchto zásahů," uvedla.
Analýza navíc naznačuje, že někdy by provedení zásahu mohlo mít ve skutečnosti nepříznivý dopad na skupinu.
"V některých případech jsme zjistili, že je skutečně špatný nápad provést zásah." Například pokud máte ve skupině mnoho vysoce rizikových lidí, je lepší je nepřipojovat k osobám s nízkým rizikem, “uvedla.
Vzhledem k tomu, že do algoritmu jsou přidávána nová data, vědci doufají, že se přizpůsobí měnícím se podmínkám a odhalí, jak se sociální sítě vyvíjejí v průběhu intervenčního programu. To by mohlo intervencionistům umožnit určit, jak bude intervence ovlivňovat výsledky účastníků, uvedli vědci.
Vědci pokračují v práci s Urban Peak a plánují nasazení nástroje pro optimalizaci strategií intervenčních skupin pro mládež bez domova v Denveru na podzim 2018.
Studie s názvem Maximalizace vlivu na prevenci zneužívání návykových látek založená na sociálních sítích byla publikována na konferenci AAAI o abstraktu studentské sekce Umělá inteligence.
Zdroj: University of Southern California
