“讀心”機器對自殺傾向者伸出援手

　　近來，越來越多的研究者和高科技公司在利用社交媒體挖掘潛在的自殺信號。這是人工智能帶來的美好想象：他們相信，通過AI算法，能夠找到有自殺傾向的用戶，并及時施以援手。

　　還記得幾年前因抑郁自殺的微博網友“走飯”嗎？她去世前發布的最后一條微博下，迄今已有超過一百萬條評論。這里像一個樹洞，收容了被抑郁緊咬不放的痛苦和絕望。如果當年就有這樣的人工智能技術，“走飯”的悲劇還會發生嗎？2014年起，中國科學院心理研究所計算網絡心理實驗室研究員朱廷劭就注意到了這里，并緊盯至今：尋找和發現隱藏在其中的自殺高危網友，給予主動干預和救助。他們開發了自殺意念識別模型，和抑郁癥這條“黑狗”賽跑。

　　為何選擇微博

　　“統計上說，自殺是年輕人的首要非正常死亡原因。微博用戶和青年自殺人群存在高年齡層重合度，能夠即時下載的微博內容也為研究提供了數據支持。”朱廷劭解釋。

　　根據移動大數據服務商QuestMobile發布的《2017年中國移動互聯網年度報告》，微博月活躍用戶達3.81億，在社交媒體中居于首位。而《2017微博用戶發展報告》顯示，30歲以下用戶占微博整體用戶比例超過80%，年輕群體是微博的主要用戶。

　　在發表的相關論文中，朱廷劭指出：高自殺風險用戶在使用社交媒體時會表現出獨特的行為和語言特征，即社會活躍程度低，夜間活躍程度高，自我關注程度高，偏好使用否定、死亡或宗教類詞匯，較少使用工作類詞匯。

　　根據一系列特殊的微博表達和行為特征，團隊建立起基于社交媒體行為和語言特征的自殺風險預測模型。“模型可以有效地識別出具有自殺風險的用戶，即可以成功識別80%以上的表達自殺意念的微博。”朱廷劭說。

　　先識別再干預

　　在朱廷劭的團隊中，既有人工智能和機器學習方向的研究人員，也有心理學專業人士的參與。

　　據他介紹，研究的具體過程分為機器學習的訓練和應用兩個階段。第一階段是自殺意念的自動識別。基于社會媒體數據，利用 N-Gram、深度學習、自然語言處理等多種方法獲得有效特征，訓練機器學習模型建立自殺意念的識別模型，通過社交媒體主動出擊，確定高危人員。

　　第二階段對有自殺意念甚至已經出現自殺行為的用戶給予及時的救助和關懷，通過及時干預與轉介、系統化干預和持續性關懷等方式，實現對高自殺風險用戶的有效干預。與此同時，積極地去和線下組織合作，并安排志愿者跟進，提高自殺干預的效率。

　　慎重起見，團隊在機器預測的基礎上加了一道保險——經過人工確認后，他們才會對可能自殺者發出私信。

　　“目前我們已經給超過兩萬有自殺意念的用戶發送過私信，收到回復的比例超過15%，且絕大部分回復都很正面。”朱廷劭表示。

　　以往的心理危機干預停留在“被動等待”的情況，需要對方主動尋求干預，或是出了問題再干預。“通過網絡數據的分析和預測模型，能夠把介入時間大大提前。”朱廷劭表示。

　　采訪中，朱廷劭坦言“當時沒想這么多”，研究本意是把社交媒體的心理特征預測拓展到自殺，卻一路做起心理危機干預平臺又走到了線下。談及后續研究，朱廷劭表示“計劃擴展網絡數據的采集范圍，不僅局限于微博。同時集成線下更多的志愿者資源，提高干預的效率”。“我們的目標是充分利用網絡數據，結合機器學習技術，實現對網絡用戶心理危機狀態的及時識別，希望把干預盡量前移。”朱廷劭說。