هوش‌مصنوعی توسعه‌یافته هاروارد کوتاه‌ترین مسیر برای شادی انسان را شناسایی می‌کند

منتشر شده در scitechdaily به تاریخ ۲ جولای، ۲۰۲۲
لینک منبع: Harvard Developed AI Identifies the Shortest Path to Human Happiness

طول عمر عمیق (Deep Longevity)، در همکاری با دانشکده پزشکی هاروارد، یک رویکرد یادگیری عمیق برای سلامت روان ارائه می‌دهد.

طول عمر عمیق، مقاله‌ای در ایالات‌متحده منتشر کرده‌است که رویکرد یادگیری ماشینی را در روانشناسی انسان با همکاری نانسی اتکوف، دکترای دانشکده پزشکی هاروارد، یک مرجع در زمینه شادی و زیبایی ترسیم می‌کند.

نویسندگان دو مدل دیجیتال از روان‌شناسی انسان را براساس داده‌های میان‌سالی زندگی در مطالعه ایالات‌متحده ایجاد کردند.

مدل اول مجموعه‌ای از شبکه‌های عصبی عمیق است که سن تقویمی و سلامت روانی پاسخ‌دهندگان را در ۱۰ سال با استفاده از اطلاعات یک بررسی روانشناختی پیش‌بینی می‌کند. این مدل مسیرهای ذهن انسان را به هنگام پیر شدن به تصویر می‌کشد. همچنین نشان می‌دهد که ظرفیت ایجاد ارتباطات معنی‌دار، و همچنین استقلال ذهنی و تسلط محیطی، با سن رشد می‌کند. همچنین نشان می‌دهد که تاکید بر پیشرفت شخصی به‌طور مداوم در حال کاهش است، اما حس داشتن هدف در زندگی تنها پس از ۴۰ تا ۵۰ سال از بین می‌رود. این نتایج به بدنه رو به رشد دانش در انتخابگری اجتماعی-احساسی و سازگاری لذت‌جویانه در زمینه توسعه شخصیت بزرگ‌سالان اضافه می‌کند.

این مقاله یک موتور توصیه مبتنی‌بر هوش مصنوعی را توصیف می‌کند که می‌تواند سن روانشناختی و رفاه آینده فرد را براساس یک بررسی روان‌شناختی ایجاد شده برآورد کند. هوش‌مصنوعی از اطلاعات یک پاسخ‌دهنده برای قرار دادن آن‌ها در یک نقشه دو بعدی از تمام پروفایل‌های روانی ممکن استفاده می‌کند و راه‌هایی را برای بهبود رفاه طولانی‌مدت آن‌ها به دست می‌آورد. این مدل از روان‌شناسی انسان می‌تواند در کاربردهای خود-کمکی دیجیتال و در طول جلسات درمانگر مورد استفاده قرار گیرد.

مدل دوم یک نقشه خود سازماندهی است که به‌عنوان پایه و اساس یک موتور توصیه برای کاربردهای سلامت روان ایجاد شده‌است. این الگوریتم یادگیری بدون نظارت تمام پاسخ‌دهندگان را بسته به احتمال ایجاد افسردگی به خوشه تقسیم می‌کند و کوتاه‌ترین مسیر را به سمت خوشه‌ای از ثبات ذهنی برای هر فرد تعیین می‌کند. آلکس ژاورونکوف، مدیر ارشد Deep Longevity، توضیح می‌دهد: برنامه‌های سلامت روانی موجود توصیه‌های کلی را ارائه می‌دهند که در مورد همه صدق می‌کند اما با هیچ‌کس متناسب نیست. ما سیستمی ایجاد کرده‌ایم که از نظر علمی سالم است و شخصی‌سازی برتر را ارائه می‌دهد.

برای نشان دادن پتانسیل این سیستم، Deep Longevity یک سرویس وب به نام «خود آینده» منتشر کرده‌است، یک برنامه آنلاین رایگان که به کاربران اجازه می‌دهد تا تست روانی توصیف‌شده در انتشارات اصلی را انجام دهند. در پایان ارزیابی، کاربران گزارشی را با بینش‌هایی با هدف بهبود سلامت روانی طولانی‌مدت خود دریافت می‌کنند و می‌توانند در یک برنامه راهنمایی ثبت‌نام کنند که جریان ثابتی از توصیه‌های انتخاب‌شده توسط هوش‌مصنوعی را برای آن‌ها فراهم می‌کند. داده‌های به‌دست‌آمده در مورد آینده خود برای توسعه بیشتر رویکرد دیجیتال Deep Longevity برای سلامت روان مورد استفاده قرار خواهد گرفت.

استاد وادیم گلادیشف از دانشکده پزشکی هاروارد، که یک متخصص برجسته در زمینه بیوگرافی است، در مورد پتانسیل آینده خود نظر می‌دهد:

این مطالعه دیدگاه جالبی را در مورد سن روانشناختی، رفاه آینده و خطر افسردگی ارائه می‌دهد و کاربرد جدیدی از روش‌های یادگیری ماشینی را در مسائل سلامت روانی نشان می‌دهد. همچنین نحوه مشاهده پیر شدن و انتقال آن از طریق مراحل زندگی و حالات عاطفی را گسترش می‌دهد.

نویسندگان در نظر دارند که به مطالعه روان‌شناسی انسان در زمینه پیری و رفاه طولانی‌مدت ادامه دهند. آن‌ها بر روی یک مطالعه پیگیری در مورد تاثیر شادی بر روی معیارهای فیزیولوژیکی پیری کار می‌کنند.

بودجه این مطالعه توسط موسسه ملی سال‌خوردگی تامین شد.

این متن با استفاده از ربات ‌ترجمه مقالات هوش‌مصنوعیترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.