分享至
用AI拯救有自杀倾向的人
原文地址：http://news.sciencenet.cn/htmlnews/2023/2/494667.shtm
“找个地方跳河自杀你信不”这是一位14岁的初二女生在离家后发给母亲的微信聊天内容，字里行间透露出的情绪令人心惊……
2月2日，胡鑫宇事件调查情况发布会消息称，胡鑫宇系自缢死亡; 2月9日，四川警方通报失联高中生曹某英的尸体在沱江中被发现……
近年来，自杀被认为是当前全球重大公共卫生问题之一。世界卫生组织（WHO）发布的全球预防自杀报告显示，全球每年有80多万人死于自杀，约每40秒钟死去一人，自杀是15~29岁人群的第二大死亡原因。
“虽然一些自杀行为发生得非常突然，但在自杀前其实有很多信号是可以捕捉到的。”中国科学院心理研究所研究员朱廷劭带领团队早在2013年就开始做自杀相关研究，他们通过人工智能和大数据技术，在微博上主动寻找有自杀倾向的人，向他们传递支持与帮助。
面临心理危机的人，需要别人的援助。受访者供图
自杀行为有迹可循
“我有抑郁症，所以就去死一死，没有什么重要原因，大家不必在意我的离开。”
2012年3月18号，有一位叫“走饭”的用户发出最后一条微博消息后选择了自杀。朱廷劭团队早期的研究正始于对“走饭”微博内容文本分析，并搭建线上实验平台，通过抓取微博用户发布的信息，分析他们的心理特征和心理变化，包括潜在的自杀行为和自杀原因。
为此，朱廷劭团队随机向约2万名微博用户发送了邀请私信，将愿意参加实验的微博用户纳入线上实验平台，在用户同意的情况下填写心理问卷，并提供自己的微博账号。
朱廷劭告诉《中国科学报》：“我们对用户的微博文本内容进行下载，但对用户的真实姓名等信息均不涉及，只是记录问卷开始填写与最终提交时间。此过程中，我们共收集了2428名用户的信息。”
为了保证问卷的准确，朱廷劭团队又对2428名用户做了进一步筛选，比如设有测谎题，将测谎不通过的用户进行过滤，最终共保留了1427名用户的信息作为实验被试。
“自杀信号的发出并不全是为了博取别人的关注。”朱廷劭通过研究发现，“在网络上发出自杀信号的人，大多真的有自杀倾向或者会实施自杀行为，应该予以关注和重视。”
最开始，朱廷劭团队尝试过人工抓取和标注来收集自杀相关信息，此举不仅工作量大，两三千条数据人工标注大约需要一周甚至两周时间，而且一些负面情绪的信息对工作人员的影响也较大。
于是，朱廷劭决定引入人工智能技术，对自杀倾向做出识别。
“我们根据一个人的行为表现，可以对其某些个性特点做出自动判断，在人工智能里边的方法就是机器学习（Machine Learning）。” 朱廷劭介绍，“不同于以前的自杀识别基本上是基于篇幅比较长的遗书和遗言，我们根据不同紧急程度做了一些标注，分为有意念、有计划、有实施三类，通过对这些短文本的分析，了解用户有没有自杀的意念。”
“不愿意跟人讲话，而愿意跟机器交流”
打算自杀的人希望看到什么样的信息？什么样的方式可以帮助到他们？
时间来到了2016年3月，朱廷劭团队在前期研究积累的基础上，开展了一个更大规模的实验，他们向4222名微博用户发送私信。“这4222名用户是我们在半年期间，用人工筛选方法，确认发表过有自杀倾向的微博用户。”
其中有一位用户的回复来自亲人，因为该用户已经自杀死亡了。
“半年内该用户有过自杀倾向的表达，没想到最后真的选择了自杀。”收到消息的朱廷劭非常震惊，也开始思考：“虽然我们发送了私信，但并没有起到预期的效果，如何才能给有自杀倾向人给予及时和直接干预呢？”
在实验中，朱廷劭增设了在线的心理测量和自助干预项目。“心理测量是通过专业手段让用户了解自己当前的情况如何，自助干预是因为我们发现很多人不愿意跟人讲话，而愿意跟机器交流。”
用计算机抓取数据如何保证准确性呢？在收到的回信中，有用户称自己并没有发布过有自杀倾向的文字，为什么会收到这样的私信呢？对此，朱廷劭团队找到了用户在其他地方发表的文字，向用户做了解释。
“计算机还是有可能出现误差，而任何误差都会打破我们和实验用户建立的互信。”朱廷劭说，“实验中我们要确保每一条私信都发送给了有自杀倾向的人。”
“私信发出后，我们内心很忐忑，一方面担心会遭到网络键盘侠的指责，一方面又担心因涉及隐私比较敏感。”朱廷劭回忆道，“当时我们最担心的是会被推上热搜，引发舆论，最后实验不了了之。”
值得庆幸的是，朱廷劭团队收到了一些回复，很多是用户发来的感谢，特别负面的回复并不多。
朱廷劭说：“虽然有人从未回复过我们发出的私信，也没有跟志愿者交流过，但我们会向每个用户发送5次私信，让其能够感受到网络的另一端有人在关注自己，感受到来自社会的支持，从而让自己走出困境。”
不能简单说“救助成功率”
自杀是一个沉重的话题，自杀研究与其他研究也不一样。朱廷劭在采访中多次指出，不能简单用“救助成功率”这样的说法。
“有过一次自杀行为的人，下一次实施自杀的可能行也会高于其他人。”朱廷劭略有遗憾地告诉《中国科学报》，“我们能做的是长期追踪他们，或者对他们在干预前后的认知状态做一个比较，而不是去夸大技术干预的效果。”
尽管朱廷劭研发的机器学习系统对于自杀表达语言的分析准确率已经达到了85%，但自杀表达反映出的问题远比预想的要复杂。“对自杀的干预，我们从技术到人工都非常小心，因为稍有不慎就可能对轻生者造成二次伤害。”
“有自杀倾向的人在社交网络上的表达是清晰的，选择自杀也不完全是‘一时冲动’。”朱廷劭说，“给他们讲大道理，不仅听不进去，甚至会产生适得其反的效果。”
那么有自杀倾向的人会寻求帮助吗？朱廷劭团队的研究发现，有一半的人从未寻求过帮助，在另一半人的求助人群中，家人不仅不是第一位，甚至低于陌生网友。
“我们的青少年需要有更好的家庭教育，包括生死教育。”朱廷劭认为，青少年的自杀行可能并不代表其真的就想自杀，有可能是通过这种行为去表达对家人的不满。
“我们采取人工智能技术介入研究也是为了保护用户的隐私，让其感受到被尊重。但技术的介入只能提高自杀干预的时效性，并不能从根本上解决自杀问题。”朱廷劭坦言，“我们救不了所有具有自杀倾向的人，但只要有人觉得我们的干预是有帮助的就可以了。”
-
焦点事件
-
焦点事件
-
焦点事件
-
焦点事件
-
焦点事件
