Từ lâu, các nhà nghiên cứu đã chỉ ra rằng các mô hình trí tuệ nhân tạo có thể xác định các đặc điểm tâm lý cơ bản của một người từ những thông tin họ để lại trên mạng xã hội.
Đó có thể chỉ là một sự khởi đầu. Một nghiên cứu mới do Johannes Eichstaedt và Aaron Weidman của Stanford (Đại học Michigan) đồng tác giả, cung cấp bằng chứng cho thấy các mô hình học máy cũng có thể lập bản đồ tâm trạng và sự biến động của một người từ tuần này sang tuần khác.
Sử dụng các công cụ xử lý ngôn ngữ tự nhiên để phân tích các bài đăng trên Facebook, mô hình học máy mới cho biết cảm giác vui hay buồn của một người tại bất kỳ thời điểm nào cũng như mức độ phấn khích hoặc thiếu cảm giác. Theo thời gian, thuật toán này thậm chí có thể tạo ra một video về cảm xúc thăng trầm của một người.
Phát hiện có thể làm dấy lên những lo lắng mới về quyền riêng tư hoặc việc sử dụng mạng xã hội để tiếp thị với mọi người. Về lý thuyết, một ngày nào đó, các nhà tiếp thị có thể điều chỉnh thông điệp của họ dựa trên thông điệp nào gây ra phản ứng cảm xúc mạnh nhất.
Nhưng Eichstaedt, trợ lý giáo sư tâm lý học Khoa học & Nhân văn Stanford và là giảng viên tại Viện trí tuệ nhân tạo lấy con người làm trung tâm ở Stanford, cho biết phương pháp này có thể giúp chẩn đoán những người mắc chứng rối loạn tâm trạng và xem họ phản ứng với thuốc, liệu pháp hoặc một sự thay đổi trong lối sống.
Eichstaedt nói: “Nếu loại phương pháp này được sử dụng một cách hợp pháp và đạo đức, với sự bảo vệ quyền riêng tư nghiêm ngặt, một ngày nào đó chúng ta có thể có những cách để hiểu được tâm trí một cách tính toán. “Nó có thể giúp chẩn đoán và đánh giá dược phẩm. Nó cũng có thể giúp chúng tôi theo dõi tác động tâm lý của các sự kiện xã hội, chẳng hạn như đại dịch COVID ”.
Hiện tại, cả khả năng tốt và xấu vẫn còn tốt trong tương lai. Thứ nhất, kết quả chỉ là sơ bộ, dựa trên một số ít người dùng Facebook chủ yếu là người Mỹ, những người đăng bài thường xuyên hơn hầu hết mọi người. Do đó, các nhà nghiên cứu cảnh báo, kết quả có thể không đại diện cho tất cả người Mỹ. Họ thậm chí có thể ít đại diện cho những người từ các nền văn hóa khác.
Điều đó nói rằng, nhà nghiên cứu lưu ý, chương trình học máy cung cấp bằng chứng rằng nó đang đi đúng hướng. Trên thực tế, nhiều mô hình tâm trạng mà nó tìm thấy phù hợp với các nghiên cứu trước đây của các nhà nghiên cứu khác dựa trên việc mọi người tự báo cáo cảm xúc của chính họ.
Đào tạo máy để theo dõi cảm xúc
Eichstaedt và Weidman bắt đầu bằng việc để các trợ lý nghiên cứu con người chú thích các bài đăng công khai trên Facebook của gần 3.000 tình nguyện viên từ một nghiên cứu trước đó. Các trợ lý nghiên cứu đánh giá mỗi bài đăng dựa trên “giá trị” của nó – mức độ nó thể hiện cảm xúc tích cực hoặc tiêu cực – và “kích thích” – hoặc cường độ của những cảm xúc đó.
Sau khi các xếp hạng đó hoàn tất, các bài đăng được sử dụng để đào tạo mô hình học máy có thể dự đoán loại ngôn ngữ nào truyền đạt loại cảm xúc nào. Sau đó, Eichstaedt và Weidman đã thử nghiệm mô hình của họ trên một nhóm bài đăng hoàn toàn khác từ 640 người dùng Facebook thường xuyên. Những người trong nhóm thứ hai này đã đăng trung bình 17 lần một tuần trong 28 tuần. Điều này đã tạo ra một bộ dữ liệu theo dõi động lực cảm xúc trong 18.000 tuần người – bộ dữ liệu lớn nhất về động lực cảm xúc hàng tuần từng được biên soạn, có sẵn để khai thác bởi cộng đồng nghiên cứu.
Đánh giá mô hình
Để biết được liệu mô hình học máy có đang đọc tâm tra5mh người đúng hay không, Eichstaedt và Weidman đã xem xét các mô hình mà nó tiết lộ có khớp với các dự đoán dựa trên các nghiên cứu tâm lý cá nhân cổ điển hay không.
Kết quả đưa ra những dự đoán dựa trên danh sách những đặc điểm tính cách mà các nhà nghiên cứu tâm lý học gọi là “Big Five” – cởi mở, dễ chịu, hướng ngoại, tận tâm và loạn thần kinh. Tất cả những người dùng Facebook trong nghiên cứu đã tình nguyện tham gia vào một nghiên cứu “Tính cách của tôi”, nghiên cứu này đo lường Năm đặc điểm của Big Five thông qua một bảng câu hỏi. Phù hợp với các dự đoán trước đó, những người mà mô hình học máy đánh giá cao hơn về tính hướng ngoại, dễ chịu và tận tâm có xu hướng cảm thấy lạc quan hơn và phấn khích hơn.
Khi điều đó xảy ra, kết quả học máy cũng kết hợp chặt chẽ với các nghiên cứu trước đó về mối quan hệ giữa cảm giác tốt của con người và mức độ phấn khích của họ tại bất kỳ thời điểm nào. Cũng giống như các nghiên cứu trước đó đã đưa ra giả thuyết, kết quả học máy cho thấy mối quan hệ “hình chữ V” : Sự kích thích tăng lên khi mọi người cảm thấy thăng hoa hơn và nhiều hơn xuống, nhưng mối quan hệ mạnh mẽ hơn đối với những cảm xúc lạc quan; thật khó để cảm thấy điều gì đó rất tích cực mà không cảm thấy lạc quan.
Sự khác biệt về giới tính
Các nhà nghiên cứu cũng phát hiện ra rằng đàn ông và phụ nữ thể hiện các mô hình cảm xúc hơi khác nhau.
Phụ nữ có xu hướng lạc quan hơn nam giới và có “điểm nghỉ ngơi” cảm xúc rộng hơn, hoặc mức độ điển hình của cảm giác dễ chịu và / hoặc kích thích. Nói một cách khác, Eichstaedt nói, đàn ông có xu hướng gắt gỏng và ít phản ứng về mặt cảm xúc với môi trường hơn phụ nữ. Điều đó nhất quán, Eichstaedt nói, với ý tưởng rằng phụ nữ có “sự linh hoạt về cảm xúc” cao hơn.
Eichstaedt cảnh báo rằng còn quá sớm để biết liệu học máy cuối cùng có thể cung cấp hình ảnh tương đương với MRI chính xác cho tâm trạng hay không. Nhưng với tất cả dữ liệu có sẵn trên mạng xã hội, ông nói, nó có thể mở ra cơ hội mới để hiểu động lực cảm xúc của con người ở quy mô lớn hơn nhiều.
Theo stanford.edu
