Как применяется искусственный интеллект в диагностике психологических свойств личности?
В рамках Недели нейротехнологий и когнитивных наук, которая проводится в Московском государственном психолого-педагогическом университете (МГППУ), заведующая лабораторией технологий искусственного интеллекта в психологических исследованиях Института психологии РАН и выпускница факультета информационных технологий МГППУ Анастасия Панфилова рассказала о применении искусственного интеллекта в диагностике психологических свойств личности:
"Одним из проектов, является диагностика креативности по тесту Урбана. В рамках данного теста респонденту предлагается завершить незаконченный рисунок в свободной форме. На бланке теста изображено шесть объектов – точка, полукруг, волнистая линия, прямой угол, заключенные в большую рамку, и незавершенный квадрат, находящийся за пределами рамки. Оценка рисунка происходит по 14 критериям, включая использование всех элементов, завершенность, новые элементы, соединения и другие. Результаты теста оцениваются в диапазоне от 0 до 60 баллов. Для автоматизации этого процесса были разработаны модели на основе нейронных сетей с известной архитектурой, например, AlexNet, ResNet, ViT и др. Модель принимает на вход изображение и выдает балл по оценке креативности.
Для использования модели для нашей задачи, мы заменяем ряд слоев модели на более подходящую последовательность слоев и на выходе и просим модель предсказывать баллы по тесту. Во время обучения мы подаем модели изображения, по которым предсказывается балл, а оценка расхождения предсказанного балла и экспертного позволяет модели корректировать свои веса.
Существует множество подобных архитектур, которые могут быть обучены на больших наборах данных. Один из самых известных наборов данных - ImageNet, который содержит более 14 млн изображений, размеченных по классам. Мы использовали модели, которые предварительно были обучены на этом наборе данных. Применение методов объяснимого искусственного интеллекта к созданным нами моделям позволило выделить определенные фрагменты рисунка, которые влияют на прогнозируемый балл и связать их с экспертными оценками. То есть мы можем сказать, что в процессе обучения модель неявным образом усвоила критерии экспертной оценки.
В другом проекте была разработана система, которая позволяет пользователю получить оценку своих психологических свойств на основе анализа его профиля в социальной сети "ВКонтакте". Эта система также предоставляет пользователю диаграмму, которая показывает, какие конкретные характеристики его профиля повлияли на прогноз модели.
В результате анализа работы обученных моделей с использованием методов объяснимого искусственного интеллекта стало возможным проанализировать особенности влияния характеристик профиля пользователя на прогноз модели. Например, было обнаружено, что уровень открытости опыту снижается с увеличением доли репостов с эмоцией страха.
Было обнаружено, что для оценки свойств экстраверсии и доброжелательности модель опирается в большей степени на эмоциональную окраску текста. Пользователи с высоким уровнем нейротизма склонны к написанию постов на провокативную тематику, сопровождая это яркими эмоциональным комментариями, что не характерно для людей с высоким уровнем сознательности. Анализ лингвистических признаков текстов постов показал, например, что интроверты часто используют местоимения первого лица и сложные синтаксические структуры. Люди с низким уровнем доброжелательности используют глаголы повелительного наклонения. Люди с высоким уровнем открытости опыту склонны использовать причастные обороты и писать длинные тексты. Люди с высоким уровнем сознательности структурируют свои сообщения и используют хэштеги и ссылки.
Кроме того, была разработана технология психологической диагностики по видео-интервью. Для пользователя моделировалась ситуация трудоустройства, в которой ему необходимо ответить на 12 вопросов о своем образовании, опыте работы, успехах и неудачах. Обученная модель использует данные акустических свойств голоса (как человек говорит), текст интервью (что говорит) и динамику эмоциональных экспрессий лица.
Можно отметить, что применение методов объяснимого искусственного интеллекта в различных областях диагностики психологических свойств позволяет понять, на что ориентируется модель при прогнозировании. Это позволяет более глубоко анализировать взаимосвязи между активностью пользователей в социальной сети, особенностями их речи и их психологическими свойствами.
Также в планах разработка модели, которая может диагностировать интенции терапевта и клиента в процессе психотерапевтических сессий. Эта модель может помочь в развитии методов автоматизированного интент-анализа устной речи человека, прогнозировать следующие интенции участников сессии на основе предыдущих интенций, помочь в подготовке будущих психотерапевтов.
Еще одно из направлений работы - повышение доверия к технологиям на базе искусственного интеллекта. Изучаются подходы, которые могут повысить доверие людей к этим технологиям, а также особенности взаимодействия людей с чат-ботами и другими технологиями."
