Esto es sobre Facebook, peno sin videos virales. Sucede que Facebook puede ayudar a identificar adicciones, al menos eso es lo que dice la Ciencia. Investigadores estadounidenses han creado un sistema de inteligencia artificial que determina, a partir de lo que publicamos en Facebook, si se sufre de adicción al tabaco, alcohol o las drogas. La precisión máxima del programa alcanza el 86%, según el trabajo de los científicos publicado en ArXiv.org.
Según estadísticas de la Organización Mundial de la Salud, el consumo excesivo de alcohol produce 3,3 millones de muertes cada año y en promedio cada persona en el mundo de 15 años de edad o más bebe 6,2 litros de alcohol puro por año. No obstante, menos de la mitad de la población mundial (38,3%) en realidad bebe alcohol, lo que significa que los que beben consumen en promedio 17 litros de alcohol puro al año. Por otro lado, al menos 15,3 millones de personas tienen trastornos relacionados con el uso de drogas.
Los científicos han encontrado recientemente la relación entre rasgos de personalidad y una tendencia a utilizar diferentes sustancias. Por lo tanto, la gente regularmente fumando tabaco es mucho más abierta a la experiencia, pero menos concienzuda que los no fumadores (aquí significa la integridad de la autodisciplina, el desempeño del deber y el compromiso con la meta). El consumo de alcohol, a su vez, se correlaciona positivamente con lo social y extrovertido.
“Dado que el consumo de sustancias es difícil de ser registrado fielmente a gran escala, para maximizar el rendimiento del sistema, exploramos diferentes métodos de aprendizaje para aprovechar una gran cantidad de datos de redes sociales sin supervisión”, señala el documento.
También se demostró la ventaja de utilizar el aprendizaje de funciones no supervisadas de varias vistas para combinar información de usuario heterogénea, como "Likes" en Facebook y "actualizaciones de estado", para mejorar el rendimiento del sistema. “En base a nuestra evaluación, nuestros mejores modelos alcanzaron el 86% de precisión para predecir el consumo de tabaco, el 81% para el consumo de alcohol y el 84% para el consumo de drogas, todos los cuales superaron significativamente los métodos existentes”.
Los investigadores utilizaron un algoritmo de aprendizaje automático, entrenado utilizando tres bases de datos que fueron recolectadas en el período de 2007 a 2012 para la aplicación de pruebas psicológicas myPersonality. La primera contiene 21 millones de registros 100.000 usuarios de Facebook; la segunda, 5 millones de registros de 250.000 usuarios; y la tercera incluyó información sobre la disponibilidad de sustancias para 13.500 usuarios.
Las palabras y temas relacionados a los tipos de adicción según la investigación.
Al mismo tiempo, los científicos encontraron una correlación entre el contenido de las actualizaciones, los intereses de los usuarios y varios tipos de adicciones. Por ejemplo, el algoritmo calcula que los fans de alcohol y cigarrillos tienen más probabilidades de usar una serie de palabras asociadas y postear contenidos relacionados a una serie de bandas de rock.
Sin embargo, vale la pena señalar que la correlación positiva en este caso no indica una relación causal. Además, el conjunto de datos crossover era mucho menor que el de cada una de las tres bases de datos individualmente - contiene toda la información sobre los 3508 usuarios. Para mejorar la exactitud de los resultados, aún se necesita mucha más información.
Fuente: Nmas1
Contenido GEC