Znanstvenici su upotrijebili strojno učenje kako bi napravili prsten raspoloženja za internet i to nam je pokazalo koliko je svijet bio tužan na početku pandemije.
Raspoloženje je jedinstven način na koji istraživači pokušavaju izmjeriti utjecaj prirodnih ili neprirodnih katastrofa na ljude. Međutim, jednostavno je nepraktično pitati svaku pojedinu osobu na svijetu kako se osjeća nakon razornog događaja.
Ali znanstvenici s Massachusetts Institute of Technology, Kineske akademije znanosti i Max Planck Instituta za ljudski razvoj pronašli su zaobilazno rješenje. Koristili su se tehnikama strojnog učenja za skeniranje društvenih medija u potrazi za promjenama raspoloženja nakon prvog vala COVID-19 u 100 različitim zemljama i u stvarnom vremenu saznajte koliko su ljudi diljem zemlje bili sretni ili tužni zbog događaja povezanih s pandemijom svijet. Zamislite proces kao prsten raspoloženja koji pokreće umjetna inteligencija, ali za milijune ljudi. Njihova otkrića objavljena su prošli tjedan u časopisu Priroda Ljudsko ponašanje.
Nije iznenađujuće, istraživači su otkrili da je početak pandemije ubrzao dramatičan pad sreće. Da bismo to poniranje stavili u perspektivu, uzmite u obzir da se tijekom normalnog tjedna ljudi obično osjećaju najsretnijima vikendom, a najmanje sretnima ponedjeljkom. Pad sreće na početku pandemije oko ožujka 2020. bio je četiri do pet puta veći od prosječnog pada sreće od običnog vikenda do ponedjeljka. Sveukupna promjena raspoloženja zbog pandemije veća je od promjene raspoloženja koja je prethodno opažena kao odgovor na prirodnu katastrofu poput uragana ili naglog porasta temperatura. Zemlje koje su zabilježile najveći pad raspoloženja bile su Australija, Španjolska, Ujedinjeno Kraljevstvo i Kolumbija, dok su Bahrein, Bocvana, Čini se da su Grčka, Oman i Tunis najmanje pogođeni pandemijom, prema zapažanjima istraživača na društvenim mrežama.
[Povezano: Mogu li vam ponuditi lijep meme u ova teška vremena?]
Kako su strojevi naučili ocjenjivati objave prema raspoloženju?
Za ovu studiju tim je koristio podatke društvenih medija s Twittera i Weiba koje je prikupio Geotweet arhiva Harvardskog centra za geografsku analizu i Laboratorij za održivu urbanizaciju MIT-a. Ukupno je njihov skup podataka sadržavao 654 milijuna geotagiranih objava od 10,56 milijuna pojedinaca tijekom prvih pet mjeseci 2020. godine.
Podučavati a stroj za mjerenje raspoloženja, istraživači su započeli stvaranjem indeksa osjećaja, sličnog ljestvici boli na licu u liječničkoj ordinaciji. Ovaj indeks raspoloženja kreće se od 0 (vrlo nesretan) do 100 (vrlo sretan). Svaki pojedini post koji je tim prikupio s Twittera i Weiba ocjenjivan je na ovom indeksu. Zatim, istraživači mogu agregirati post-specifične emocije u profil osjećaja za pojedinca, susjedstvo, grad ili zemlju.
Za razliku od ljestvice boli na licu, pojedinci ne ocjenjuju vlastite objave niti odgovaraju na ankete o tome koliko se osjećaju sretno. Umjesto toga, istraživači su koristili metodu strojnog učenja kako bi svakoj objavi dodijelili temu i ocjenu raspoloženja.
Metoda strojnog učenja o kojoj je riječ je tehnika obrade prirodnog jezika nazvana BERT, odn Bidirectional Encoder Representations from Transformers, koji klasificira postove po temama i sentiment. (BERT je razvio inženjeri u Googleu.)
[Povezano: Umjetna inteligencija je sada posvuda. Ovo izvješće pokazuje kako smo došli ovdje.]
“Željeli smo napraviti ovu globalnu studiju kako bismo usporedili različite zemlje jer ih je pandemija pogodila u različitim vremenima, i imaju različite kulture, različite političke sustave i različite zdravstvene sustave,” kaže Siqi Zheng, profesor na MIT. Svi ovi čimbenici mogli bi utjecati na to kako je pandemija utjecala na raspoloženje ljudi.
Budući da su željeli napraviti višejezičnu analizu, nisu mogli koristiti svoju prethodnu na temelju rječnika pristup, koji su koristili u a Studija iz 2019 kvantificirati emocionalni danak onečišćenja zraka u Kini. Rječnički pristup pretpostavlja da riječi imaju konotacije povezane s određenom emocijom. Crpi se iz alata poput LIWC (softver Linguistic Inquiry i Word Count) i rječnike emotikona. Loša strana ovog pristupa je da istraživači moraju sastaviti opsežne popise riječi i moraju napraviti drugačiji popis za svaki jezik koji žele promatrati.
Prednost korištenja strojnog učenja je u tome što nije specifičan za jezik. Prije nego što su ovu tehniku primijenili na cijeli uzorak, istraživači su je uvježbali na malom uzorku postova i uz pomoć ljudi istraživači provjeravaju njegov rad tako što predviđaju osjećaje na nasumičnim objavama i uspoređuju njegove stope točnosti s model rječnika.
Ovaj dokument o reakcijama društvenih medija povezanih s COVID-19 samo je jedan od rezultata dugoročnog projekta na kojem Zhengov laboratorij radi pod nazivom "Globalni sentiment”, čiji je cilj korištenje tehnika obrade prirodnog jezika za izvlačenje informacija o subjektivnom blagostanju iz objava na društvenim mrežama. Njezin laboratorij koristi ovu analizu raspoloženja na društvenim mrežama kako bi ispitao reakcije na razne događaje uključujući šumske požare, opasnosti za okoliš, prirodne katastrofe i nove politike.
"To je način da se pruži jedinstveni kut, drugačija dimenzija za kvantificiranje utjecaja šokova", kaže ona. Zheng i njezini kolege stavili su više detaljni opisi kodova i metoda korištenih u svojim studijama o globalnom sentimentu web stranica.
