Alat AI memanfaatkan Rangkaian Sosial untuk Menangani Penyalahgunaan Bahan
Ketika membanteras penyalahgunaan bahan, penyelidikan menunjukkan bahawa syarikat yang anda jaga dapat membuat perbezaan antara pemulihan dan kambuh.
Walaupun program intervensi kumpulan dapat memainkan peranan penting dalam mencegah penyalahgunaan bahan, mereka juga dapat secara tidak sengaja mendedahkan peserta kepada tingkah laku negatif.
Penyelidik dari University of Southern California (USC) Center for Artificial Intelligence in Society telah membuat algoritma yang menyusun peserta dalam program intervensi yang secara sukarela mengusahakan pemulihan ke dalam kumpulan yang lebih kecil dengan cara yang dapat mengekalkan hubungan sosial yang bermanfaat dan memutuskan hubungan sosial yang mungkin. memudaratkan pemulihan.
"Kami tahu bahawa penyalahgunaan bahan sangat dipengaruhi oleh pengaruh sosial, dengan kata lain, dengan siapa anda berkawan," kata Aida Rahmattalabi, seorang pelajar siswazah sains komputer USC dan pengarang utama kajian ini. "Untuk meningkatkan keberkesanan intervensi, anda perlu mengetahui bagaimana orang akan saling mempengaruhi dalam satu kumpulan."
Rahmattalabi dan penyelidik dari USC Viterbi School of Engineering, USC Suzanne Dworak-Peck School of Social Work, dan University of Denver bekerjasama dengan Urban Peak, seorang pemuda tanpa tempat tinggal yang berpangkalan di Denver, untuk mengembangkan algoritma yang mereka harapkan akan membantu pencegahan penyalahgunaan bahan.
Hasil kajian menunjukkan algoritma menunjukkan prestasi yang lebih baik daripada strategi kawalan untuk membentuk kumpulan, menurut para penyelidik.
Setiap tahun, sehingga dua juta kanak-kanak di A.S. akan kehilangan tempat tinggal, dan anggaran menunjukkan antara 39 dan 70 peratus remaja kehilangan tempat tinggal menyalahgunakan dadah atau alkohol.
Inisiatif penyalahgunaan bahan, seperti terapi berkumpulan, dapat memberikan sokongan dengan mendorong remaja yang kehilangan tempat tinggal untuk berkongsi pengalaman mereka, belajar strategi mengatasi positif, dan membangun jaringan sosial yang sihat.
Tetapi jika kumpulan ini tidak tersusun dengan betul, mereka dapat memperburuk masalah yang ingin mereka rawat dengan mendorong pembentukan persahabatan berdasarkan tingkah laku antisosial, kata para penyelidik. Ini adalah proses yang dikenali dalam pekerjaan sosial sebagai "latihan penyimpangan," ketika rakan sebaya saling memperkuat untuk tingkah laku menyimpang, para penyelidik menjelaskan.
Pasukan ini menangani masalah ini dari perspektif kecerdasan buatan, membuat algoritma yang mengambil kira bagaimana individu dalam subkumpulan dihubungkan - hubungan sosial mereka - dan sejarah penyalahgunaan bahan sebelumnya.
Data tinjauan yang dikumpulkan secara sukarela dari pemuda gelandangan di Los Angeles, serta teori tingkah laku dan pengamatan dari intervensi sebelumnya, digunakan untuk membangun model komputasi intervensi.
"Berdasarkan ini, kita memiliki model pengaruh yang menjelaskan bagaimana kemungkinan seseorang menerapkan tingkah laku negatif atau mengubah tingkah laku negatif berdasarkan penyertaan mereka dalam kumpulan," kata Rahmattalabi. "Ini membantu kita meramalkan apa yang akan berlaku ketika kita mengelompokkan orang ke dalam kumpulan yang lebih kecil."
Mungkin penemuan yang paling mengejutkan adalah bahawa, bertentangan dengan intuisi umum, merata pengguna bahan biasa secara merata di subkumpulan bukan cara yang optimum untuk merancang intervensi yang berjaya, katanya.
"Pengagihan pengguna yang seragam sambil mengabaikan hubungan mereka yang ada dapat menurunkan kadar kejayaan intervensi ini," katanya.
Di samping itu, analisis menunjukkan bahawa kadang-kadang melakukan intervensi sebenarnya boleh memberi kesan buruk kepada kumpulan.
"Dalam beberapa kes, kami mendapati bahawa sebenarnya adalah idea yang buruk untuk melakukan intervensi. Sebagai contoh, jika anda mempunyai banyak orang berisiko tinggi dalam satu kumpulan, lebih baik tidak menghubungkan mereka dengan individu berisiko rendah, ”katanya.
Oleh kerana data baru ditambahkan ke algoritma, para penyelidik berharap ia dapat menyesuaikan diri dengan keadaan yang berubah, mengungkapkan bagaimana rangkaian sosial berkembang selama program intervensi. Ini membolehkan para intervensi untuk menentukan bagaimana intervensi akan membentuk hasil peserta, kata para penyelidik.
Para penyelidik terus bekerjasama dengan Urban Peak, dan merancang untuk menggunakan alat untuk mengoptimumkan strategi kumpulan intervensi untuk belia tanpa tempat tinggal di Denver pada musim gugur 2018.
Kajian itu, Pengaruh Pemaksaan untuk Pencegahan Penyalahgunaan Bahan Berasaskan Rangkaian Sosial, diterbitkan dalam persidangan AAAI mengenai bahagian abstrak pelajar Kecerdasan Buatan.
Sumber: Universiti California Selatan
