استفاده از الگوریتم هوش مصنوعی برای پیش‌بینی احتمال خودکشی در افراد

چه کسی قصد خودکشی دارد؟ این راز وحشتناک از رفتار انسان‌ها بعد از خودکشی ناراحت‌کننده‌ی دو سلبریتی سرشناس و دوست‌داشتنی، کیت اسپید (Kate Spade) و آنتونی بوردین (Anthony Bourdain) در ماه‌های اخیر دوباره در مرکز توجه قرار گرفته است. پرسش در مورد علت وقوع چنین تراژدی‌هایی از سوی هر شخصی کاملا عادی است. دوستان و نزدیکان افرادی که در نتیجه‌ی خودکشی می‌میرند دچار عذاب وجدان می‌شوند و با خود فکر می‌کنند که آیا می‌توانستند کاری انجام دهند که از خودکشی عزیزانشان جلوگیری کند.

دانشمندان متعهد زیادی سال‌هاست که روی یافتن پاسخ این پرسش تمرکز کرده‌اند و ما از آن‌ها انتظار داریم که جواب مشخصی برای آن داشته باشند، اما متاسفانه این گونه نیست. حقیقت تلخ این است که هیچ کارشناس خودکشی، روان‌پزشک یا پزشکی نمی‌داند چه کسی در معرض افکار خودکشی قرار دارد. نتایج مطالعات درمورد علت خودکشی افراد نشان می‌دهد که شناخت و نزدیکی به آن‌ها تاثیر زیادی بر پیش‌بینی قصد خودکشی آن‌ها ندارد. تحقیقات اخیر دانشمندان نشان می‌دهد که میزان درستی پیش‌بینی خودکشی یک شخص تنها اندکی دقیق‌تر از حدس اتفاقی است.

نیاز به یافتن پاسخ

بیش از پنجاه پنجاه سال طول کشیده است تا تمام کارشناسان و پژوهشگران به این نتیجه برسند که پیش‌بینی وقوع خودکشی بسیار سخت و پیچیده است. اما تقریبا همزمان با رسیدن به این اتفاق نظر، امیدهای جدیدی برای حل این معما ظاهر شد: نوعی از هوش مصنوعی به اسم یادگیری ماشین. چند گروه از پژوهشگران در سال‌های اخیر نشان داده‌اند که یادگیری ماشین می‌تواند تلاش برای خودکشی را با دقت بالای ۹۰ درصد پیش‌بینی کند.

ما انسان‌ها همواره به دنبال توضیحاتی هستیم که دو کیفیت داشته باشند. توضیحات باید ساده باشند، به این معنی فقط شامل یک یا دو نکته‌ی کلیدی باشند. برای مثال یک توضیح ساده به این شکل بیان می‌شود: افسردگی عامل خودکشی است.

اما کیفیت دوم این است که توضیحات باید معین و فراگیر باشند؛ به این معنی که یک توضیح برای اکثر موارد صدق کند. برای مثال، این توضیح که افسردگی علت خودکشی است یک توضیح معین و فراگیر است. این نوع توضیحات ساده و مشخص برای ما انسان‌ها قابل درک هستند و به ما کمک می‌کنند تا به زندگی خود ادامه دهیم، تولید‌مثل کنیم و روزهای خود را سپری کنیم.

اما برای درک پدیده‌هایی که در طبیعت رخ می‌دهد، داشتن این نوع تفکر به کار نمی‌آید. دلیل آن هم ساده است: طبیعت ساده و مشخص نیست. در دهه‌های اخیر دانشمندان به این نتیجه رسیده‌اند که تقریبا همه چیز، از علم فیزیک گرفته تا بیولوژی و رفتارشناسی، همگی پیچیده و نامعین هستند. به عبارت دیگر در وقوع یک پدیده یا یک رفتار، عوامل بسیار زیاد با روابط پیچیده‌ای دخیل هستند. یک نسخه‌ی ساده و مشخص برای پدیده‌های فیزیکی، بیولوژیکی و رفتاری وجود ندارد.

مجموع نتایج تحقیقات علمی نشان می‌دهد که همانند پدیده‌های دیگر در طبیعت، دلایل و فاکتورهای پیش‌بینی کننده‌ی خودکشی نیز پیچیده و نامعین هستند. صدها و هزاران مورد وجود دارند که در خودکشی یک شخص دخیل هستند؛ اما هیچ کدام به تنهایی نمی‌توانند دقیق‌تر از یک حدس تصادفی خودکشی را پیش‌بینی کنند. برای مثال افسردگی به‌عنوان یکی از فاکتورهای مهم در پیش‌بینی خودکشی محسوب می‌شود. اما تنها ۲ درصد افرادی که افسردگی بسیار شدید دارند در اثر خودکشی می‌میرند. این عدد تنها اندکی از رقم ۱/۶ درصدی از کل افرادی که در اثر خودکشی در ایالات متحده می‌میرند، بیشتر است. این موضوع نشان‌دهنده‌ی این است که فاکتورهای زیادی باید در درک علت خودکشی در نظر گرفته شوند.

همدردی همیشه مهم است

اما چگونه می‌توان تمام این فاکتورها را در کنار هم قرار داد؟ ساده‌ترین و حسی‌ترین راه این است که آن‌ها را با هم جمع بزنیم. اما با جمع زدن فاکتورها نیز نمی‌توان کاری از پیش برد، چون با جمع زدن صدها فاکتور نیز دقت پیش‌بینی کمی بیشتر از حدس تصادفی خواهد بود.

اما یک راه بهتر این است که نوعی ترکیب بهینه از ده‌ها یا حتی صدها فاکتور دخیل در خودکشی را پیدا کنیم. اما چگونه می‌توان این کار را انجام داد؟ یک راه‌حل امیدوار کننده یادگیری ماشین است. به طور خلاصه می‌توان گفت برنامه‌های یادگیری ماشین می‌توانند حجم قابل توجی از داده‌ها را پردازش کند و برای یک وظیفه‌ی مشخص، ترکیبی بهینه از داده‌ها را «یاد بگیرد». برای مثال برنامه‌ها‌ی یادگیری ماشین که در تحقیقات مرتبط با خودکشی استفاده شده‌اند از داده‌های مربوط به سابقه‌ی الکترونیکی سلامت افراد استفاده کرده‌اند و صدها فاکتور مرتبط با سلامت روان، مشکلات جسمی افراد، آمارگیری‌های عمومی و سابقه‌ی مراجعه به بیمارستان را بررسی کرده‌اند. نتایج به‌دست‌آمده از چند گروه مطالعاتی مختلف نشان می‌دهد که استفاده از یادگیری ماشین به‌طور پیوسته می‌تواند تلاش برای خودکشی و مرگ ناشی از آن را با دقتی بین ۸۰ تا ۹۰ درصد پیش‌بینی کند. هم اکنون چند گروه در حال اعمال چنین روشی بر شرایط بالینی واقعی هستند.

یک نکته‌ی مهم که همیشه باید در ذهن داشت این است که هیچ‌گاه یک الگوریتم واحد یا یک نسخه‌ی معین برای پیش‌بینی خودکشی وجود نخواهد داشت. دلیل این موضوع نیز این است که ماهیت خودکشی همانند معادله‌ی X به اضافه‌ی Y نامعین است. همان طور که مطالعات نشان داده است تعداد الگوریتم‌هایی که می‌تواند تلاش برای خودکشی را با دقت بین ۸۰ تا ۹۰ درصد پیش‌بینی کند نامتناهی است. پژوهشگران ثابت کرده‌اند که لازم نیست فاکتور مشخصی برای ساختن یک الگوریتم خوب وجود داشته باشد. اما باید توجه کرد که این نامعین بودن به این معنی است که تعداد نامحدودی الگوریتم بد برای پیش‌بینی نیز وجود دارد.

اما در این میان ما انسان‌ها چه کار می‌توانیم انجام دهیم؟ با این که ما نمی‌توانیم پیش‌بینی کنیم که چه کسی در آینده خودکشی خواهد کرد، اما می‌توانیم نسبت به دیگران رفتار حمایتی و مراقبتی در پیش بگیریم. اگر باور دارید که شخصی در زندگی‌اش در حال تقلا است، برای او زمانی را اختصاص دهید و با او حرف بزنید.