AI Aracı, Madde Kötüye Kullanımıyla Mücadele Etmek İçin Sosyal Ağlardan Yararlanıyor

Madde bağımlılığı ile mücadele söz konusu olduğunda, araştırmalar, tuttuğunuz şirketin iyileşme ve nüksetme arasındaki farkı yaratabileceğini gösteriyor.

Grup müdahale programları madde kötüye kullanımını önlemede önemli bir rol oynayabilirken, aynı zamanda katılımcıları istemeden olumsuz davranışlara maruz bırakabilir.

Güney Kaliforniya Üniversitesi (USC) Toplumda Yapay Zeka Merkezi'nden araştırmacılar, gönüllü olarak iyileşme üzerinde gönüllü olarak çalışan müdahale programlarındaki katılımcıları, yararlı sosyal bağlantıları koruyacak ve olabilecek sosyal bağlantıları koparacak şekilde daha küçük gruplar halinde sıralayan bir algoritma oluşturdular. iyileşmeye zararlı.

USC bilgisayar bilimleri yüksek lisans öğrencisi ve çalışmanın baş yazarı Aida Rahmattalabi, “Madde bağımlılığının sosyal etkiden, başka bir deyişle kiminle arkadaş olduğunuzdan oldukça etkilendiğini biliyoruz” dedi. "Müdahalelerin etkililiğini artırmak için, bir gruptaki insanların birbirlerini nasıl etkileyeceğini bilmeniz gerekir."

Rahmattalabi ve USC Viterbi Mühendislik Okulu, USC Suzanne Dworak-Peck Sosyal Hizmet Okulu ve Denver Üniversitesi'nden araştırmacılar, Denver merkezli kar amacı gütmeyen evsiz gençlere hizmet veren Urban Peak ile birlikte çalışarak algoritmayı geliştirmeyi umuyorlar. madde kötüye kullanımının önlenmesine yardımcı olacaktır.

Araştırmacılara göre sonuçlar, algoritmanın grup oluşturmak için kontrol stratejilerinden önemli ölçüde daha iyi performans gösterdiğini gösterdi.

ABD'de her yıl iki milyona kadar çocuk evsizlik yaşayacak ve tahminler, evsiz gençlerin yüzde 39 ila 70'inin uyuşturucu veya alkol kullandığını gösteriyor.

Grup terapisi gibi madde bağımlılığı girişimleri, evsiz gençleri deneyimlerini paylaşmaya, olumlu başa çıkma stratejileri öğrenmeye ve sağlıklı sosyal ağlar kurmaya teşvik ederek destek sağlayabilir.

Ancak araştırmacılar, bu gruplar düzgün bir şekilde yapılandırılmazsa, antisosyal davranışa dayalı arkadaşlıkların oluşumunu teşvik ederek tedavi etmeyi düşündükleri sorunları daha da kötüleştirebileceklerini belirtiyorlar. Araştırmacılar, bu, sosyal hizmette akranların birbirlerini sapkın davranışlar için pekiştirdiklerinde "sapkınlık eğitimi" olarak bilinen bir süreçtir.

Ekip, bu sorunu yapay zeka perspektifinden ele alarak, bir alt gruptaki bireylerin nasıl bağlandıklarını - sosyal bağlarını - ve önceki madde bağımlılığı geçmişlerini hesaba katan bir algoritma oluşturdu.

Los Angeles'taki evsiz gençlerden gönüllü olarak toplanan anket verileri, davranış teorileri ve önceki müdahalelerin gözlemleri, müdahalelerin hesaplamalı bir modelini oluşturmak için kullanıldı.

Rahmattalabi, "Buna dayanarak, bir bireyin olumsuz davranışları benimsemesinin veya gruba katılımına bağlı olarak olumsuz davranışları değiştirmesinin ne kadar olası olduğunu açıklayan bir etki modelimiz var" dedi. "Bu, insanları daha küçük gruplar halinde gruplandırdığımızda ne olacağını tahmin etmemize yardımcı oluyor."

Belki de en şaşırtıcı bulgu, ortak sezginin aksine, düzenli madde kullanıcılarını alt gruplara eşit olarak dağıtmanın başarılı bir müdahale tasarlamanın en uygun yolu olmadığıydı.

“Kullanıcıların mevcut ilişkilerini göz ardı ederek tekdüze dağılımı, bu müdahalelerin başarı oranını büyük ölçüde azaltabilir” dedi.

Ek olarak, analiz bazen bir müdahalenin aslında grup üzerinde zararlı bir etkisi olabileceğini öne sürüyor.

"Bazı durumlarda, müdahaleyi yürütmenin aslında kötü bir fikir olduğunu gördük. Örneğin, bir grupta çok sayıda yüksek riskli insan varsa, onları düşük riskli bireylerle ilişkilendirmemek daha iyidir ”dedi.

Algoritmaya yeni veriler eklendikçe, araştırmacılar değişen koşullara uyum sağlayacağını ve müdahale programı sırasında sosyal ağların nasıl geliştiğini ortaya çıkaracağını umuyorlar. Araştırmacılar, bu, müdahalecilerin bir müdahalenin katılımcı sonuçlarını nasıl şekillendireceğini belirlemelerine izin verebilir.

Araştırmacılar Urban Peak ile çalışmaya devam ediyor ve 2018 sonbaharında Denver'daki evsiz gençlere yönelik müdahale grubu stratejilerini optimize etmek için aracı dağıtmayı planlıyor.

Sosyal Ağ Temelli Madde Bağımlılığını Önleme için Etki Maksimizasyonu adlı çalışma, AAAI konferansında Yapay Zeka öğrenci özeti bölümünde yayınlandı.

Kaynak: Güney Kaliforniya Üniversitesi