“读心”机器对自杀倾向者伸出援手

　　近来，越来越多的研究者和高科技公司在利用社交媒体挖掘潜在的自杀信号。这是人工智能带来的美好想象：他们相信，通过AI算法，能够找到有自杀倾向的用户，并及时施以援手。

　　还记得几年前因抑郁自杀的微博网友“走饭”吗？她去世前发布的最后一条微博下，迄今已有超过一百万条评论。这里像一个树洞，收容了被抑郁紧咬不放的痛苦和绝望。如果当年就有这样的人工智能技术，“走饭”的悲剧还会发生吗？2014年起，中国科学院心理研究所计算网络心理实验室研究员朱廷劭就注意到了这里，并紧盯至今：寻找和发现隐藏在其中的自杀高危网友，给予主动干预和救助。他们开发了自杀意念识别模型，和抑郁症这条“黑狗”赛跑。

　　为何选择微博

　　“统计上说，自杀是年轻人的首要非正常死亡原因。微博用户和青年自杀人群存在高年龄层重合度，能够即时下载的微博内容也为研究提供了数据支持。”朱廷劭解释。

　　根据移动大数据服务商QuestMobile发布的《2017年中国移动互联网年度报告》，微博月活跃用户达3.81亿，在社交媒体中居于首位。而《2017微博用户发展报告》显示，30岁以下用户占微博整体用户比例超过80%，年轻群体是微博的主要用户。

　　在发表的相关论文中，朱廷劭指出：高自杀风险用户在使用社交媒体时会表现出独特的行为和语言特征，即社会活跃程度低，夜间活跃程度高，自我关注程度高，偏好使用否定、死亡或宗教类词汇，较少使用工作类词汇。

　　根据一系列特殊的微博表达和行为特征，团队建立起基于社交媒体行为和语言特征的自杀风险预测模型。“模型可以有效地识别出具有自杀风险的用户，即可以成功识别80%以上的表达自杀意念的微博。”朱廷劭说。

　　先识别再干预

　　在朱廷劭的团队中，既有人工智能和机器学习方向的研究人员，也有心理学专业人士的参与。

　　据他介绍，研究的具体过程分为机器学习的训练和应用两个阶段。第一阶段是自杀意念的自动识别。基于社会媒体数据，利用 N-Gram、深度学习、自然语言处理等多种方法获得有效特征，训练机器学习模型建立自杀意念的识别模型，通过社交媒体主动出击，确定高危人员。

　　第二阶段对有自杀意念甚至已经出现自杀行为的用户给予及时的救助和关怀，通过及时干预与转介、系统化干预和持续性关怀等方式，实现对高自杀风险用户的有效干预。与此同时，积极地去和线下组织合作，并安排志愿者跟进，提高自杀干预的效率。

　　慎重起见，团队在机器预测的基础上加了一道保险——经过人工确认后，他们才会对可能自杀者发出私信。

　　“目前我们已经给超过两万有自杀意念的用户发送过私信，收到回复的比例超过15%，且绝大部分回复都很正面。”朱廷劭表示。

　　以往的心理危机干预停留在“被动等待”的情况，需要对方主动寻求干预，或是出了问题再干预。“通过网络数据的分析和预测模型，能够把介入时间大大提前。”朱廷劭表示。

　　采访中，朱廷劭坦言“当时没想这么多”，研究本意是把社交媒体的心理特征预测拓展到自杀，却一路做起心理危机干预平台又走到了线下。谈及后续研究，朱廷劭表示“计划扩展网络数据的采集范围，不仅局限于微博。同时集成线下更多的志愿者资源，提高干预的效率”。“我们的目标是充分利用网络数据，结合机器学习技术，实现对网络用户心理危机状态的及时识别，希望把干预尽量前移。”朱廷劭说。