AIツールはソーシャルネットワークを活用して薬物乱用に取り組みます

薬物乱用との闘いに関しては、あなたが守っている会社が回復と再発の違いを生むことができることが研究により示唆されています。

グループ介入プログラムは薬物乱用の防止に重要な役割を果たす可能性がありますが、不注意に参加者を否定的な行動にさらす可能性もあります。

社会の人工知能のための南カリフォルニア大学（USC）センターの人工知能の研究者は、自発的に回復に取り組んでいる介入プログラムの参加者を小さなグループに分類するアルゴリズムを作成しました。回復に有害です。

「私たちは薬物乱用が社会的影響、つまりあなたが友達であることに大きく影響されることを知っています」とUSCコンピュータサイエンスの大学院生で研究の筆頭著者であるAida Rahmattalabiは述べました。 「介入の効果を高めるためには、人々がグループ内で互いにどのように影響するかを知る必要があります。」

RahmattalabiとUSC Viterbi School of Engineering、USC Suzanne Dworak-Peck School of Social Work、およびデンバー大学の研究者は、ホームレスの若者にサービスを提供するデンバーを拠点とする非営利団体であるUrban Peakと協力して、アルゴリズムを開発しました。薬物乱用防止に役立ちます。

研究者らによると、結果は、グループを形成するための制御戦略よりもアルゴリズムが大幅に優れていることを示した。

毎年、米国で最大200万人の子供がホームレスを経験し、推定では、ホームレスの青少年虐待薬物またはアルコールの39〜70％を示唆しています。

グループセラピーなどの薬物乱用の取り組みは、ホームレスの若者に経験を共有し、積極的な対処戦略を学び、健全なソーシャルネットワークを構築するよう促すことでサポートを提供できます。

しかし、これらのグループが適切に構成されていない場合、反社会的行動に基づく友情の形成を奨励することにより、彼らが治療しようとしている問題を悪化させる可能性があると研究者たちは述べています。これはソーシャルワークで「逸脱トレーニング」として知られているプロセスであり、仲間が逸脱した行動のためにお互いを強化するとき、研究者は説明します。

チームは、人工知能の観点からこの問題に取り組み、サブグループ内の個人がどのように接続されているか（社会的つながり）、薬物乱用の以前の履歴を考慮したアルゴリズムを作成しました。

ロサンゼルスのホームレスの若者から自発的に収集された調査データ、行動理論、以前の介入の観察結果を使用して、介入の計算モデルを構築しました。

「これに基づいて、グループへの参加に基づいて、個人が否定的な行動を採用したり、否定的な行動を変更したりする可能性を説明する影響モデルがあります」とRahmattalabiは述べました。 「これは、人々をより小さなグループにグループ化するときに何が起こるかを予測するのに役立ちます。」

おそらく最も驚くべき発見は、一般的な直観に反して、サブグループ全体に通常の薬物使用者を均等に分配することは、介入を成功させるための最適な方法ではないことだと彼女は述べた。

「既存の関係を無視してユーザーを均一に分布させると、これらの介入の成功率が大幅に低下する可能性があります」と彼女は述べた。

さらに、分析は、介入を実施することが実際にグループに有害​​な影響を与える可能性があることを示唆しています。

「場合によっては、介入を実施することは実際には悪い考えであることがわかりました。たとえば、グループ内に危険度の高い人がたくさんいる場合は、危険度の低い人とそれらを結び付けない方が良いでしょう」と彼女は言った。

アルゴリズムに新しいデータが追加されると、研究者たちはそれが変化する状況に適応することを望み、介入プログラムの過程でソーシャルネットワークがどのように進化するかを明らかにします。これにより、介入主義者は介入が参加者の結果をどのように形成するかを決定できるようになると研究者らは述べた。

研究者たちはアーバンピークとの協力を続けており、2018年秋にデンバーでホームレスの若者のための介入グループ戦略を最適化するツールを展開する予定です。

研究、ソーシャルネットワークベースの薬物乱用防止のための影響の最大化は、人工知能学生の抽象セクションに関するAAAI会議で公開されました。

出典：南カリフォルニア大学