Kan kunstig intelligens revitalisere forskning?

KAN DIGITALE VERKTØY med kunstig intelligens (KI) «under panseret» revitalisere våre forskningsmetoder? Kan KI og ChatGPT’s fungere som en intellektuell protese der hvor det blotte øye ikke strekker til i helsevesenet? Og hvorfor står kunstig intelligens, sosiale mediebruk, skjermtid og psykisk (u)helse i en stadig mer sammenvevd og dialektisk relasjon?

Slike spørsmål blir løftet frem i en omfattende gjennomgang av kunnskapsgrunnlaget om kunstig intelligens (KI) i min nye bok som tar «pulsen» på hvordan vi lever livene våre mens KI styrer og steller tilsynelatende ubemerket i bakgrunnen. Den ser nærmere på hvorfor mye av den ekspansive skjermtiden vår er algoritmegenerert og hvorfor mye av vår digitale livsstil går «under radaren» for vår bevissthet og preger oss på et subliminalt nivå. Dette kan medføre at vi går rundt lykkelig uvitende om at vi over tid blir mer preget enn vi tror og at vi gradvis tilegner oss digitale uvaner, digital avhengighet og en gryende psykisk uhelse som følge av vår stadig mer ekspansive digitale livsstil. Dette gjelder selvsagt ikke alle av oss, men man ser at spesielt unge jenter og kvinnelige studenter ser ut til å være spesielt sårbare grupper.

Gjennom å rette et fokus mot hvorfor det er slik, belyse det eksisterende kunnskapsgrunnlaget, foreta reanalyser av store studier, foreta utprøvinger/testing av språkmodellen GPT-4, samt ved å foreta mer oppdaterte kunnskapsoppsummeringer, blir det avdekket flere interessante funn rundt hvorfor jenter rammes hardere enn guttene, samt hva KI kan bidra med på denne fronten.

For det viser seg at språkmodellenes evne til semantisk analyse kan styrke det rent forskningsmetodiske innenfor dette feltet. Dette er spesielt viktig fordi kunnskapsgrunnlaget er noe delt i synet på om sosiale medier og skjermtid er en av årsakene til  økningen i psykisk (u)helse blant unge og unge voksne det siste tiåret her til lands. Det er blant annet basert på at sosiale mediers generasjons- og nettverkseffekter slår såpass kraftig inn at det er vanskelig å ta høyde for dette med konvensjonelle forskningsdesign. Her ser man at KI’s evne til semantisk analyse kan være et kjærkomment bidrag rent forskningsmetodisk, og som blir adressert i de tentative kunnskapsoppsummeringene i boken. 

Eichstaedt et al.’s (2018) studie undersøkte mulige nye screeningmetoder for depresjon ved hjelp av maskinlæringsalgoritmer og en prediktiv modell. De fant interessante resultat når språkprediktorer for depresjon ble anvendt til å analysere språkegenskaper på facebookinnlegg fra 683 informanter, og disse overgikk andre analyseområder. Lamichhane (2023) fant også at språkmodellen ChatGPT har et potensial til å utføre klassifiseringer av psykisk uhelse ut fra postinger på sosiale medier. 

Kunstig intelligens: Kvinnenes nye trumfkort i kampen mot brystkreft

Bucur (2023) anvendte to modeller for å identifisere depresjonssymptomer ut fra sosiale medier, og fant at den ChatGPT-baserte fungerte best i denne studien. I sin analyse av innlegg på sosiale medier og identifisering av selvmordsrisiko fant Ghanadian et al. (2023) at ChatGPT har en betydelig presisjon angående dette, men at transformatorbaserte modeller som var basert på finjusterte menneskelige datasett oppnådde enda bedre ytelse. Studien viser hvordan en justering av ChatGPTs hyperparametere kan forbedre dens evne til å være en «sparringspartner» for psykisk helsepersonell i slike arbeidsoppgaver. Liyanage et al. (2023) utførte en semantisk analyse av innlegg på sosiale medier ved bruk av ChatGPT i lys av velværedimensjoner, og fant at ChatGPT-modellen overgikk de andre metodene til dette formålet. Li et al. (2023) anvendte ChatGPT til å identifisere hatefulle, diskriminerende og trakasserende kommentarer på sosiale medier, og fant at bruk av ChatGPT for å oppdage HOT (hateful, offensive, and toxic) på sosiale medier fungerte godt. Studien viser også potensialet i å bruke generative KI-modeller for å moderere store mengder brukergenerert innhold på sosiale medier.

Disse studiene er viktige for å øke kunnskapsgrunnlaget omkring sosiale mediers og psykisk uhelse, samt at de rent forskningsmetodisk er innovative ved å bruke ChatGPT til denne type forskningsformål. Selv om det må bemerkes at kunnskapsgrunnlaget foreløpig er skrint og at man også finner studier som ikke viser like lovende resultat som de overnevnte, er det likevel liten tvil om at bokens gjennomgang av KI’s potensiale kan beskrives som et teknologisk paradigmeskifte med høy relevans for helsesektoren (som også er belyst her).

Kunstig intelligens i norske pasientjournaler –når maskinene hallusinerer

Studiene reiser også spørsmål om konvensjonelle forskningsdesign og teorier er i stand til å fange opp disse nye strømningene, som dels er basert på at stadig flere lever store deler av sine liv på sosiale medier, de deler sine innerste følelser, de deler dette i stort monn over mange år, algoritmer understøtter dette og KI er i stand til å dybdeanalysere språket på helt nye måter som kan ha helsemessig relevans. Her må man nok erkjenne at KI overgår menneskelig kapasitet og derfor kan KI bli en nyttig «sparringspartner» og en «som ser deg over skulderen» for både helseforskeren og helsearbeidere i årene som kommer.

Rune Johan Krumsvik har nylig gitt ut bok om kunstig intelligens. Utover dette er det ikke oppgitt noen interessekonflikter.