人工智慧正在暗中窺視那些想自殺的人，並悄悄阻止這一切

我們要做自殺干預這個事不是一蹴而就的，

我們只能說這個人現在要自殺

我們推遲他自殺的時間

然後再讓他的境況改變

一點點好起來

心理地圖：人工智慧是怎樣救助自殺者的

本文首發於總第840期《中國新聞周刊》

24歲的羅芙第一次知道網友「走飯」，是在2015年秋天她被確診為抑鬱症後，在知乎上無意中搜到的。她跑到新浪微博查找這個賬戶，看到最近的一條狀態是，「我有抑鬱症，所以就去死一死，沒什麼重要的原因，大家不必在意我的離開。拜拜啦。」發布時間定格在2012年3月18日10點，該賬號主人於當天自殺離世。

當時羅芙並沒在意，直到了解了更多的抑鬱症信息後，「走飯」忽然又跳到她腦海里。她去翻微博，了解「走飯」的故事，欣賞她的有趣，佩服她自殺的勇氣。這裡成了她的「樹洞」，不開心的時候就過來翻評論，然後發現——「原來我不是一個人」。她也開始時常留言，她在留言中的傾訴超出了評論字數的要求，刪刪減減，最後留下的是對生活的厭惡和對死亡的憧憬。甚至她自己的微博也像極了「走飯」的風格，很少轉發，不配圖，每天發些零碎的生活經歷或厭世的痛苦。

2016年春天的某日，羅芙打開微博，突然收到一封來自賬號「心理地圖PsyMap」的私信：「我們在『走飯』的微博中看到了你的評論，你現在還好嗎？情緒狀態怎麼樣？」這條私信建議羅芙與志願者交流或者向當地心理危機干預中心聯繫，同時附上一個問卷調查的鏈接。

羅芙看著這一大段文字很驚訝，也有點小感動，她沒想到還有這樣的團隊在為抑鬱症患者操心。

「走飯」，心靈的樹洞

羅芙收到的這條私信來自中科院行為科學重點實驗室的互聯網心理危機（自殺）監測預警中心，當時，這還是他們關於自殺干預的一個研究課題。團隊所做的事情簡單來講，就是在「走飯」微博幾十萬條評論中用人工智慧的方式檢索出有自殺意念的微博，用「心理地圖PsyMap」的賬戶自動給對方發送私信，精確投放幫助信息。2017年4月，他們為了讓課題組所做的事情更規範化，於是申請成立了互聯網心理危機監測預警中心。

提到人工智慧的應用，你也許會想到AlphaGo、無人駕駛汽車、IBM Watson機器人醫生、人臉識別技術，無疑這些「黑科技」都是給人們提供便捷生活的炫酷工具。你也許想不到，心理學家也在探索利用人工智慧觸及人類的精神世界。中科院行為科學重點實驗室在朱廷劭研究員的領導下，利用人工智慧技術，尋找和發現微博上隱藏的自殺高危網友，然後對他們進行有針對性的干預和救助。

實際上，社會對自殺高危人群從未停止過危機干預和事後干預，比如監測、限制農藥等自殺工具、媒體指南、提高公眾意識等。假如你在百度上搜索「自殺」，還會在首頁頂端看到「這個世界雖然不完美，但我們仍然可以療愈自己」的溫馨提示，並且立即會跳出來各地的24小時免費心理危機諮詢熱線。

但是，在飛速發展、壓力巨大的社會生活中，自殺卻一直是一個難以杜絕的問題。世界衛生組織在2014年出版的《自殺預防——全球要務》中統計，世界上每40秒鐘就有一個人自殺死亡，自殺是全球15~29歲年輕人死亡的第二大原因，中國的自殺人數超過世界總自殺人數的1／5。不時傳來的名人自殺的消息，更是令人唏噓。就在1月25日，年僅35歲的80後創業明星茅侃侃在家中自殺的消息傳來，自殺問題再次引起關注。

人們對自殺有個誤區，以為談論自殺的人不意味著會去自殺，然而，實際上他們可能正在經歷焦慮、抑鬱和絕望，或許覺得沒有其他選擇了，因而通過談論來尋求幫助或支持。朱廷劭團隊所做的事情，就是利用大數據檢測，希望發現任何自殺的苗頭，能把干預的過程前移。

與傳統心理學研究線下尋找案例的方法相比，社交媒體用戶足夠多，龐大的用戶群體在平台上表達自我，用戶數據公開可見、易收集，雖然網路有匿名的特性，但其優勢更大，因而國內外有不少學者利用文本分析法進行用戶心理健康評估。

但微博有一個局限，其用戶8成以上都是30歲以下的青年群體。朱廷劭認為，各個年齡段的人群都有自殺者，但是更方便處理的是微博用戶。他們沒辦法救助所有自殺者，但是這些在微博上有表達的年輕群體，是最能夠得到幫助的人群。

為什麼選中「走飯」呢？106萬，這個數字或許能說明問題，這是現在「走飯」最後一條微博下的評論數，半年前，這個數字是70萬。迄今，每隔幾分鐘都會有新的留言，還有人習慣性地每天到這裡「打卡簽到」，有人慕名找到這裡傾訴痛苦。研究發現，在「走飯」微博下留言的用戶平均年齡為21歲，教育程度主要集中在高中、大專和大學。

「走飯」，這個永遠「停擺」的微博下，彙集了眾多患抑鬱症或者失意的人。正如網友劉婭在接受《中國新聞周刊》採訪時提到的，「無論白天我怎麼裝開朗、裝逗逼，一個人的時候總會胡思亂想。『走飯』微博是我的樹洞，無論說多少矯情的話都不會有人嘲笑我。」

朱廷劭團隊志願者劉明明介紹說，和其他微博不同，「走飯」微博的評論不僅圍繞博主，大部分網友也在講個人的故事。這意味著有足夠多合適的文本。

在研究初期，該團隊曾嘗試使用全微博檢索，但效果並不好，而在「走飯」的微博評論中找到有自殺意念者的成功率更高。2017年7月以來，該團隊已經累計向14435位有自殺意念的用戶推送了心理危機干預資源，準確率高達92.2％。

微博賬號心理地圖psymap

機器學習，尋找自殺者

為了讓私信送達數萬個用戶，研究人員也下了一番功夫。首先得在數十、上百萬條留言中找到這些有自殺意念的人。

2014年，朱廷劭團隊對比新浪微博用戶中自殺死亡和無自殺意念者特徵差異時發現，自殺死亡用戶的微博互動更少、更加關注自我、更頻繁地使用表達排除意義的詞語、從情感層面上有更多負面表達、使用更多與死亡和宗教相關而更少與工作相關的表達。

這項研究後來為該團隊做自殺識別和干預提供了理論支持。此後，朱廷劭團隊也在思考，該結果能否與網路數據的即時性結合起來，找出潛在的有自殺風險的個體，對其進行心理危機干預。他們曾嘗試人工篩選判斷，但是工作量太大，於是想到利用時下火熱的人工智慧機器學習，建預測模型。

這個方式和AlphaGo學習圍棋的技術相似，前期他們人工選出上千條有自殺意念的微博，同時利用整理出的和自殺相關的詞典，一起輸入計算機里訓練建模。從人工檢驗結果看，使用計算機訓練建模的效果更好，識別有自殺意念者的擊中率為0.58，而用關鍵詞篩選的擊中率為0.47。隨著模型的優化，2016年下半年這個模型擊中率超過0.8，於是，研究團隊開始正式將其投入使用。

在中科院心理研究所一間普通的辦公室里，電腦上顯示著自殺識別的模型，它每隔24小時會自動抓取一次「走飯」微博下的所有評論。輸出的界面看上去簡潔樸素，像一個文本文件，分為4列，羅列用戶名稱代碼、時間代碼和具體的評論，最前面一列是數字0和1。據劉明明介紹，這是模型識別後的結果，0是無自殺意念，1是有自殺意念。一旦數字是1，模型就會自動向該用戶發送事先編好的私信。

為設計私信內容，朱廷劭團隊聯合香港大學香港賽馬會防止自殺研究中心、北京回龍觀醫院北京心理危機研究與干預中心人員組織訪談、設計問卷，了解有自殺意念的人希望看到什麼內容。

他們曾向4222名有過自殺意念表述的群體發送參與調查邀請，最終有725名回復了，其中78％的人表示不反對收到私信，並且希望面對心理危機時能夠獲得心理測試結果反饋以及專業的措施；發信人越可靠，他們越會點開私信中的鏈接；還有一半以上的人希望在私信中看到具體應對心理危機的措施。

因此，在私信中他們選擇先介紹背景，再推送問卷，並提供他們可以選擇的干預方式，包括與他們的志願者交流，或者撥打當地心理危機干預中心熱線。

據朱廷劭介紹，他們發出去的私信中，正面回復的比例佔20％左右，雖然不高，但也超出了他們的預期。而在微博這一端每天18點到22點都有志願者值班在線，他們都是國家二級或者三級心理諮詢師。

不同於線下的心理疏導使用的認知行為療法，線上的自殺干預一般使用問題解決療法。簡言之，線上自殺干預時間更緊迫，對方很可能馬上就要實施自殺，所以志願者沒有時間聽完對方講述某個情景再改變他們的認知，而是需要及時解決問題，讓對方暫緩自殺行為，或者接受別人的幫助，儘快做出改變。

去年9月的一天，「心理地圖PsyMap」志願者收到一位網友的回復，跟對方進行溝通時，無意中發現她發微博說會在當晚0點服用安眠藥自殺。此時距離0點只剩幾個小時，志願者立即跟對方確認，並詢問她的具體位置。確認信息之後，一邊溝通說服，一邊報警，最終救下了這位姑娘。這從側面說明，在微博上宣布要自殺的人，實際上可能是在尋求幫助或支持。

「我們要做自殺干預這個事，不是一蹴而就的。不是說一個人今天正在自殺，我們干預了，他以後就不自殺了，這不可能。我們只能說，這個人現在要自殺，我們推遲他自殺的時間，然後再讓他的境況改變，一點點好起來。我們做得很有限，主要是動員對方身邊的積極關係。」劉明明向《中國新聞周刊》介紹。這聽起來有些無奈，但是他們更主要的是起到橋樑作用。

朱廷劭團隊向處於心理危機的微博用戶主動發送救助信息。圖/受訪者提供

未來的路

利用人工智慧在社交媒體上抓取有自殺意念者的，不僅僅是朱廷劭團隊。2017年3月起，美國臉書（Facebook）也宣布開始利用人工智慧對美國用戶在該網站上的自殺帖子進行快速檢測測試。2017年11月，該公司已經可以通過計算機篩選帖子或視頻，標記出一個人可能會在什麼時候自殺。

2014年，法國蒙彼利埃大學計算機技術領域學者阿瑪亞斯·阿伯特（Amayas Abboute）等人發表論文《挖掘推特，防止自殺》，介紹他們提出的自動語言處理和學習方法，自動獲取社交平台推特（Twitter）上有自殺風險的帖子，他們的研究也得到精神科醫生的初步肯定。

使用人工智慧追蹤有自殺意念的語言不是一個新策略。2013年，塗爾干項目的研究人員通過與當地退伍軍人事務部門合作開展了一個項目，跟蹤美國退伍軍人的臉書、領英（LinkedIn）和推特的帖子，試圖預測哪些語言最有可能反應用戶的自殺意念。

除了各類研究，這類技術也被用於商業。例如，國外網站Bark為父母提供保護子女安全上網的服務，該網站利用人工智慧技術監測，以文本或者郵件的方式向父母發出警告，告知他們的孩子在社交媒體的帖子可能有潛在的心理健康問題。

但無論國內還是國外，在網上進行自殺預防還有很長的路要走。臉書除了利用人工智慧識別，還在動員了用戶的社交關係，如果發現你的好友有自殺傾向，那麼你有手動標記出對方可能有自殺風險的選項。

但是在互聯網上如何以不侵犯用戶隱私的方式進行干預，這個問題在國外也引發了討論。美國康奈爾自殺行為研究計劃主任賈尼斯·惠特洛克提到，臉書和其他網站的機器學習系統可能會讓一些用戶受到驚嚇，並阻止他們在未來尋求幫助。

儘管出於好意，朱廷劭團隊在推送私信時也難免被對方誤會。劉婭在第一次收到私信時，以為對方是個騙子。直到她接收了3條私信，才慢慢放心一些。

雖然劉明明這些志願者救助了那個要自殺的姑娘，但在之後的聊天中，對方也透露出擔憂和恐懼，認為自己的一言一行被監控了。志願者們跟她做了個約定：除非萬不得已，他們不會報警，如果她要自殺，請告訴「心理地圖」的志願者。

目前，國內除了朱廷劭團隊外，還沒有其他機構關注到社交媒體中的自殺主動干預，而中科院心理研究所互聯網心理危機監測預警中心的自殺干預範圍還局限在「走飯」的微博評論里，項目正式上線不到一年。在未來，他們也在考慮將這種人工智慧救治覆蓋到更多的微博，甚至論壇和貼吧。這背後不僅需要技術的提升，也需要招募更多的志願者，以及更規範化的指導和救助培訓。

（為保護受訪者隱私，文中羅芙、劉婭為化名）

中國新聞周刊記者/楊智傑

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！