هوش مصنوعی اسکیزوفرنی را از طریق الگوهای زبانی پنهان پیش بینی می کند

دانشمندان از مدل های زبان هوش مصنوعی برای تشخیص الگوهای گفتاری ظریف در بیماران اسکیزوفرنی استفاده می کنند و مسیر جدیدی را در ارزیابی روانپزشکی هموار می کنند.
تحقیقات منتشر شده نشان می‌دهد که هوش مصنوعی می‌تواند انتخاب کلمات را در شرکت‌کنندگان کنترل دقیق‌تر از افراد مبتلا به اسکیزوفرنی پیش‌بینی کند، که احتمالاً به نحوه فرمول‌بندی مغزها «نقشه‌های شناختی» یا روابط حافظه مرتبط است.
این کاربرد ابتکاری هوش مصنوعی در مطالعات روانپزشکی، پس از تنظیم دقیق، نویدبخش رویکردی دقیق‌تر و مبتنی بر داده‌ها در تشخیص و درک اختلالات روانی است.
تلاقی فناوری هوش مصنوعی و تحقیقات سلامت روان، پتانسیل را برای باز کردن کار معمایی شرایط روانپزشکی و تجلی آنها از طریق زبان دارد.
مدل زبان هوش مصنوعی که بر روی متن گسترده اینترنتی آموزش داده شده بود، تفاوت های قابل توجهی را در قابل پیش بینی بودن پاسخ های کلامی بین شرکت کنندگان کنترل و افراد مبتلا به اسکیزوفرنی تشخیص داد.
محققان فرض می‌کنند که تغییرات در الگوهای گفتار ممکن است به نحوه ایجاد و ذخیره‌سازی «نقشه‌های شناختی» توسط مغز مرتبط باشد .
در گام‌های بعدی این تیم قصد دارد این فناوری را در نمونه‌های وسیع‌تر از بیماران و تنظیمات گفتاری مختلف به کار گیرد و عملی بودن و کارایی آن را در یک محیط بالینی بررسی کند.
محققان از ۲۶ شرکت‌کننده مبتلا به اسکیزوفرنی و ۲۶ شرکت‌کننده کنترل خواستند تا دو تکلیف روانی کلامی را انجام دهند، جایی که از آنها خواسته شد تا هر تعداد کلمه را که می‌توانند متعلق به دسته «حیوانات» یا با حرف «p» شروع شوند، در مدت پنج دقیقه نام ببرند. .
برای تجزیه و تحلیل پاسخ های داده شده توسط شرکت کنندگان، تیم از یک مدل زبان هوش مصنوعی استفاده کرد که بر روی مقادیر زیادی متن اینترنتی آموزش داده شده بود تا معنای کلمات را به روشی مشابه انسان نشان دهد.
آنها آزمایش کردند که آیا کلماتی که مردم به طور خود به خود به یاد می آورند می توانند با مدل هوش مصنوعی پیش بینی شوند یا خیر و اینکه آیا این قابلیت پیش بینی در بیماران مبتلا به اسکیزوفرنی کاهش می یابد یا خیر.
آنها دریافتند که پاسخ های داده شده توسط شرکت کنندگان کنترل در واقع توسط مدل هوش مصنوعی قابل پیش بینی تر از پاسخ هایی است که توسط افراد مبتلا به اسکیزوفرنی ایجاد می شود و این تفاوت در بیماران با علائم شدیدتر بیشتر بود.
محققان فکر می کنند که این تفاوت ممکن است به نحوه یادگیری روابط بین خاطرات و ایده ها توسط مغز و ذخیره این اطلاعات در به اصطلاح “نقشه های شناختی” مربوط باشد. آنها در بخش دوم همان مطالعه که در آن نویسندگان از اسکن مغزی برای اندازه‌گیری فعالیت مغز در بخش‌هایی  که در یادگیری و ذخیره این «نقشه‌های شناختی» نقش دارند، پشتیبانی می‌کنند.
این کار پتانسیل استفاده از مدل‌های زبان هوش مصنوعی را در روان‌پزشکی نشان می‌دهد ،یک رشته پزشکی که ارتباط نزدیکی با زبان و معنا دارد.