อ่านใจคน: Machine Learning vs. Psychologist

อ่านใจคน: แมวกำลังศึกษาการใช้ SEO อยู่ค่ะ ใช่ค่ะ เป็นแมวก็ต้องเรียนรู้อะไรแบบนี้เหมือนกัน (ขำ) แล้วก็ไปเจอว่า คำที่ชาวอินเตอร์เน็ทชอบค้นหาแบบเทรนด์ไม่มีตกเลย คือคำว่า “จิตวิทยาการอ่านใจคน”

ทีแรกแมวก็สงสัยนะ แต่ก็เข้าใจว่ามนุษย์มีแนวโน้มที่จะมองว่าศาสตร์จิตวิทยาคือการอ่านใจคน เพราะเป็นส่วนหนึ่งในการเข้าใจมนุษย์

แมวมีมุมมองที่แตกต่างออกไปค่ะ บทความนี้ก็เลยจะขอนำเสนอ การอ่านใจคนโดยการใช้ Machine Learning เปรียบเทียบกับ การเป็นนักจิตวิทยา พร้อมแล้วก็…

การใช้ machine learning ในการอ่านใจมนุษย์ vs นักจิตวิทยาอ่านใจมนุษย์

ในยุคที่เทคโนโลยีก้าวไกล machine learning ถูกนำมาใช้ในหลากหลายด้าน รวมถึงการพยายามอ่านใจมนุษย์ ซึ่งเป็นสิ่งที่นักจิตวิทยาทำมาช้านาน ทั้ง machine learning และนักจิตวิทยาต่างมีจุดแข็งและข้อจำกัดในการอ่านใจมนุษย์ที่แตกต่างกันค่ะ

Machine Learning

Machine learning อาศัยข้อมูลจำนวนมหาศาล ทั้งข้อมูลที่เป็นตัวเลข ตัวอักษร รูปภาพ วิดีโอ และอื่นๆ มาฝึกโมเดลให้สามารถคาดเดาพฤติกรรม ความคิด และอารมณ์ของมนุษย์ได้ (Mehta et al., 2019) ตัวอย่างเช่น โมเดล machine learning สามารถทำนายบุคลิกภาพได้จากโพสต์บนโซเชียลมีเดีย (Farnadi et al., 2016) หรือระบุได้ว่าบุคคลกำลังโกหก โดยการวิเคราะห์น้ำเสียงและภาษากาย (Krishnamurthy et al., 2018)

Psychologist

ในขณะที่นักจิตวิทยาอาศัยความรู้และประสบการณ์จากการศึกษากลุ่มคนจำนวนจำกัด แต่เป็นการศึกษาอย่างลึกซึ้ง เช่น การสังเกต การสัมภาษณ์ การทดสอบด้วยแบบวัดต่างๆ รวมทั้งอาศัยปฏิสัมพันธ์กับผู้คนโดยตรง จึงทำให้เข้าใจลักษณะทางจิตใจ พฤติกรรม และอารมณ์ของบุคคลได้อย่างละเอียดลึกซึ้ง นักจิตวิทยายังสามารถสื่อสารโต้ตอบกับบุคคลและปรับวิธีการให้เหมาะกับแต่ละคน ในขณะที่ machine learning ทำได้อย่างจำกัด

การพิจารณา Candidate ในการสมัครงาน

ในกรณีศึกษาแรก เมื่อต้องการคัดเลือกผู้สมัครงานที่เหมาะสม machine learning จะพิจารณาจากประวัติการทำงาน การศึกษา และคะแนนการทดสอบต่างๆ เพื่อทำนายผลการปฏิบัติงานในอนาคต (Mehta et al., 2019)

ในขณะที่นักจิตวิทยาจะประเมินบุคลิกภาพ แรงจูงใจ ทักษะทางอารมณ์และสังคม รวมถึงพิจารณาความเข้ากันได้กับวัฒนธรรมและค่านิยมขององค์กร ซึ่งอาจให้ผลการประเมินที่แตกต่างจาก machine learning และคำนึงถึงปัจจัยที่หลากหลายกว่า

การระบุโรคซึมเศร้า

ในกรณีที่สองคือ การระบุโรคซึมเศร้า นักจิตวิทยาจะซักถามอาการ ประเมินความคิด พฤติกรรม ตลอดจนปัจจัยทางชีวภาพ จิตใจ และสังคม เพื่อวินิจฉัยตามเกณฑ์ที่กำหนด

ส่วน machine learning จะใช้ข้อมูลจากโซเชียลมีเดีย เช่น การโพสต์ข้อความ การใช้อีโมจิ กิจกรรมออนไลน์ มาวิเคราะห์ความผิดปกติทางอารมณ์ และสามารถบ่งชี้ความเสี่ยงซึมเศร้าได้ล่วงหน้า (De Choudhury et al., 2014) อย่างไรก็ตาม machine learning อาจมองข้ามอาการบางอย่างที่ไม่สามารถสังเกตได้จากพฤติกรรมออนไลน์

การทำความเข้าใจพฤติกรรมของผู้บริโภค

ในกรณีที่สาม การทำความเข้าใจพฤติกรรมของผู้บริโภค machine learning จะวิเคราะห์รูปแบบการซื้อสินค้า กิจกรรมออนไลน์ ข้อมูลทางประชากรศาสตร์ ความสนใจ และอื่นๆ เพื่อระบุความต้องการและพฤติกรรมการตัดสินใจซื้อ โดยอาจให้ผลที่ถูกต้องในระดับหนึ่ง (Ding & Pan, 2016) แต่นักจิตวิทยาจะพิจารณาปัจจัยด้านจิตวิทยา เช่น การรับรู้ ทัศนคติ การจูงใจ บุคลิกภาพ ตลอดจนบริบททางสังคมและวัฒนธรรมที่มีอิทธิพลต่อพฤติกรรมของผู้บริโภค

เหตุผลที่ควรนำ Machine Learning มา support การทำงานของนักจิตวิทยา

เหตุผลที่ควรนำ Machine Learning มาช่วยสนับสนุนการทำงานของนักจิตวิทยา

ในยุคที่เทคโนโลยีก้าวหน้าอย่างรวดเร็ว Machine Learning (ML) ได้เข้ามามีบทบาทในหลากหลายสาขาอาชีพ รวมถึงด้านจิตวิทยา การนำ ML มาประยุกต์ใช้ร่วมกับความรู้และประสบการณ์ของนักจิตวิทยา จะช่วยเพิ่มประสิทธิภาพและคุณภาพในการให้บริการทางจิตวิทยาได้อย่างมาก ดังนี้

ช่วยวิเคราะห์ข้อมูลจำนวนมหาศาล
นักจิตวิทยามักทำงานกับข้อมูลจำนวนมาก ทั้งจากการสังเกต สัมภาษณ์ และการทดสอบทางจิตวิทยา การนำข้อมูลเหล่านี้มาวิเคราะห์ด้วยมือต้องใช้เวลานานและอาจเกิดความผิดพลาดได้ง่าย ML สามารถช่วยวิเคราะห์ข้อมูลจำนวนมหาศาลได้อย่างรวดเร็ว แม่นยำ และเป็นระบบ โดยใช้อัลกอริทึมต่างๆ เช่น การจัดกลุ่ม การถดถอย โครงข่ายประสาทเทียม เป็นต้น (Dwyer et al., 2018) ช่วยให้นักจิตวิทยามีเวลามากขึ้นในการแปลผลและนำข้อมูลไปใช้ประโยชน์
ช่วยคัดกรองและวินิจฉัยโรคทางจิตเวช
ML มีศักยภาพในการช่วยคัดกรองและช่วยวินิจฉัยโรคทางจิตเวช โดยอาศัยข้อมูลจากการสังเกตอาการ พฤติกรรม คำพูด การแสดงออกทางสีหน้า รวมถึงข้อมูลทางชีวภาพต่างๆ ประกอบการวิเคราะห์ด้วยอัลกอริทึมที่หลากหลาย ML สามารถให้ผลการประเมินเบื้องต้นที่รวดเร็วและมีความน่าเชื่อถือสูง ช่วยให้นักจิตวิทยาวินิจฉัยแยกโรคได้แม่นยำยิ่งขึ้น (Shatte et al., 2019) อย่างไรก็ตาม ML ไม่สามารถทดแทนนักจิตวิทยาได้ทั้งหมด แต่เป็นเครื่องมือช่วยสนับสนุนการตัดสินใจ และต้องอาศัยความเชี่ยวชาญของนักจิตวิทยาในการแปลผลร่วมด้วย
ช่วยทำนายและป้องกันปัญหาสุขภาพจิต
ML สามารถใช้ทำนายแนวโน้มหรือความเสี่ยงของการเกิดปัญหาสุขภาพจิตได้ล่วงหน้า จากการวิเคราะห์ข้อมูลต่างๆ เช่น ข้อมูลทางคลินิก ข้อมูลการรักษา ปัจจัยพันธุกรรม ตลอดจนข้อมูลพฤติกรรมจากโซเชียลมีเดีย เป็นต้น ทำให้สามารถคาดการณ์ความเสี่ยงของการเกิดโรคซึมเศร้า โรควิตกกังวล ไบโพลาร์ หรือความเสี่ยงฆ่าตัวตายได้ (Shatte et al., 2019) ซึ่งจะช่วยให้นักจิตวิทยาสามารถให้การป้องกันและแก้ไขได้ตั้งแต่เนิ่นๆ เพื่อไม่ให้ปัญหาลุกลามและรุนแรงขึ้นในอนาคต
ช่วยในการบำบัดทางจิตวิทยา
ML ถูกนำมาใช้เพื่อพัฒนาแอปพลิเคชันช่วยในการบำบัดทางจิตวิทยารูปแบบต่างๆ เช่น แชทบอทอัตโนมัติที่คอยให้คำปรึกษาเบื้องต้น บทเรียนการฝึกทางพฤติกรรมบำบัด เกมจิตบำบัด ตลอดจนระบบติดตามอาการและความก้าวหน้าในการบำบัด (Luxton, 2014) สิ่งเหล่านี้ช่วยให้ผู้ป่วยสามารถเข้าถึงบริการได้ง่ายขึ้น ได้รับความช่วยเหลือที่ทันท่วงที โดยไม่ต้องเดินทางไปพบนักจิตวิทยา รวมทั้งช่วยแบ่งเบาภาระของนักจิตวิทยาในการติดตามดูแลคนไข้จำนวนมาก
ช่วยเพิ่มความเท่าเทียมในการเข้าถึงบริการ
ความก้าวหน้าของ ML ช่วยให้เกิดเทคโนโลยีในการวินิจฉัยและการบำบัดท่างจิตวิทยาแบบอัตโนมัติ ให้คำปรึกษาเบื้องต้นผ่านแชทบอท แอปพลิเคชัน และช่องทางออนไลน์ต่างๆ ทำให้ผู้ที่อยู่ห่างไกลหรือมีข้อจำกัดไม่สามารถพบนักจิตวิทยาตัวต่อตัวได้ สามารถเข้าถึงบริการด้านสุขภาพจิตได้ง่ายขึ้น ช่วยลดความเหลื่อมล้ำและเพิ่มความเท่าเทียมด้านบริการสุขภาพจิตได้มากขึ้น (Firth et al., 2017)

จะเห็นว่า Machine Learning มีศักยภาพสูงในการนำมาประยุกต์ใช้กับงานจิตวิทยาคลินิก เพื่อวิเคราะห์ข้อมูล วินิจฉัยโรค คัดกรอง ทำนายแนวโน้ม และช่วยในการบำบัดทางจิตวิทยา ซึ่งจะเป็นประโยชน์ต่อทั้งนักจิตวิทยาและผู้ใช้บริการ อย่างไรก็ดี การนำ ML มาใช้งานจริงยังคงต้องอาศัยความรู้ความเชี่ยวชาญของนักจิตวิทยาในการสร้างโมเดล ควบคุมกระบวนการ และใช้วิจารณญาณในการแปลผลร่วมด้วยเสมอ รวมถึงต้องคำนึงถึงประเด็นจริยธรรม ความเป็นส่วนตัว และความปลอดภัยของข้อมูลด้วย เพื่อให้การนำ ML มาใช้ในงานจิตวิทยาเป็นไปอย่างเหมาะสมและเกิดประโยชน์สูงสุด

เกร็ดความรู้: ทำไมมนุษย์ถึงชอบที่จะอ่านใจคนอื่นได้

มนุษย์เป็นสัตว์สังคมที่มีวิวัฒนาการมาให้อ่านใจและคาดเดาความคิดของผู้อื่นได้ การอ่านใจทำให้เข้าใจความต้องการ อารมณ์ ความเชื่อ และเจตนาของคนรอบข้าง ช่วยให้ปรับตัวเข้ากับสังคมและมีปฏิสัมพันธ์กับผู้คนรอบข้างได้อย่างราบรื่น (Heyes, 2018) การเข้าใจผู้อื่นยังมีประโยชน์ในการสื่อสาร โน้มน้าว ร่วมมือ แก้ปัญหาข้อขัดแย้ง และสร้างความสัมพันธ์ที่ดี นอกจากนี้ การรู้ความคิดของผู้อื่นยังทำให้รู้สึกมั่นใจ มั่นคง และควบคุมสถานการณ์ได้มากขึ้น (Dodell-Feder, 2022)

อย่างไรก็ตาม บางครั้งการคาดเดาความคิดของผู้อื่นก็อาจผิดพลาดและทำให้เกิดความเข้าใจผิดได้ เนื่องจากความคิดและความรู้สึกภายในเป็นสิ่งที่ซับซ้อน ไม่สามารถสังเกตเห็นได้โดยตรง อีกทั้งบางคนก็ปิดบังความคิดและแสดงออกในสิ่งที่ไม่ตรงกับความรู้สึกจริง การอ่านใจผู้อื่นจึงต้องอาศัยทักษะ ความเข้าใจในธรรมชาติมนุษย์ การมีข้อมูลที่เพียงพอ และที่สำคัญคือต้องตระหนักถึงข้อจำกัดของตนเองในการอ่านใจผู้อื่นด้วย

References

Dwyer, D. B., Falkai, P., & Koutsouleris, N. (2018). Machine learning approaches for clinical psychology and psychiatry. Annual Review of Clinical Psychology, 14, 91-118. https://doi.org/10.1146/annurev-clinpsy-032816-045037

Firth, J., Torous, J., Nicholas, J., Carney, R., Pratap, A., Rosenbaum, S., & Sarris, J. (2017). The efficacy of smartphone‐based mental health interventions for depressive symptoms: a meta‐analysis of randomized controlled trials. World Psychiatry, 16(3), 287-298. https://doi.org/10.1002/wps.20472

Luxton, D. D. (2014). Artificial intelligence in psychological practice: Current and future applications and implications. Professional Psychology: Research and Practice, 45(5), 332–339. https://doi.org/10.1037/a0034559

Shatte, A. B., Hutchinson, D. M., & Teague, S. J. (2019). Machine learning in mental health: a scoping review of methods and applications. Psychological Medicine, 49(9), 1426-1448. https://doi.org/10.1017/S0033291719000151

De Choudhury, M., Gamon, M., Counts, S., & Horvitz, E. (2014). Predicting depression via social media. In Proceedings of the International AAAI Conference on Web and Social Media (Vol. 8, No. 1, pp. 128-138). https://ojs.aaai.org/index.php/ICWSM/article/view/14432

Ding, I. K., & Pan, P. J. D. (2016). Forecasting market intelligence from social media: A predictive model of fashion consumer purchase intention using machine learning – neural network and sentiment analysis. In 2016 International Conference on Computational Intelligence and Applications (ICCIA) (pp. 67-70). IEEE. https://doi.org/10.1109/ICCIA.2016.12

Dodell-Feder, D. (2022). The science of theory of mind: A review of conceptual and methodological diversity in a flourishing multidisciplinary field. PsyArXiv. https://doi.org/10.31234/osf.io/rxsbz

Farnadi, G., Sitaraman, G., Sushmita, S., Celli, F., Kosinski, M., Stillwell, D., … & De Cock, M. (2016). Computational personality recognition in social media. User Modeling and User-Adapted Interaction, 26(2), 109-142. https://doi.org/10.1007/s11257-016-9171-0

Heyes, C. (2018). Cognitive gadgets: The cultural evolution of thinking. Harvard University Press.

Krishnamurthy, G., Majumder, N., Poria, S., & Cambria, E. (2018). A deep learning approach for multimodal deception detection. arXiv preprint arXiv:1803.00344. https://doi.org/10.48550/arXiv.1803.00344

Mehta, Y., Majumder, N., Gelbukh, A., & Cambria, E. (2019). Recent trends in deep learning based personality detection. Artificial Intelligence Review, 53(4), 2313-2339. https://doi.org/10.1007/s10462-019-09770-z

แมวสรุป

Machine learning และนักจิตวิทยามีวิธีการอ่านใจมนุษย์ที่แตกต่างกัน โดย ML ใช้ข้อมูลจำนวนมากในการคาดเดาความคิด ส่วนนักจิตวิทยาใช้ข้อมูลเชิงลึกและมีปฏิสัมพันธ์กับผู้คนโดยตรง
ML สามารถทำนายบุคลิกภาพ ความซื่อสัตย์ ตลอดจนความผิดปกติทางอารมณ์จากข้อมูลโซเชียลมีเดีย ส่วนนักจิตวิทยาใช้เครื่องมือ เช่น การสัมภาษณ์ การทดสอบ และใช้องค์ความรู้ในการวินิจฉัย
ML มักมองข้อมูลที่วัดได้ชัดเจน เช่น คะแนนการทดสอบ พฤติกรรมออนไลน์ ส่วนนักจิตวิทยาพิจารณาปัจจัยทางจิตใจ อารมณ์ สังคม และบริบทแวดล้อมที่มีผลต่อความคิดและพฤติกรรม
การอ่านใจช่วยให้มนุษย์เข้าใจผู้อื่น ปรับตัวเข้ากับสังคม มีปฏิสัมพันธ์ที่ดี แก้ปัญหา และรู้สึกมั่นคง แต่บางครั้งอาจเข้าใจผิดได้จากการคาดเดาที่ผิดพลาด
การอ่านใจผู้อื่นต้องอาศัยทักษะ ความรู้เกี่ยวกับธรรมชาติมนุษย์ ข้อมูลที่เพียงพอ รวมทั้งตระหนักถึงข้อจำกัดของตนเองด้วย

Data Psychologist