在日本新能源產業技術綜合開發機構（NEDO）的科研專案中，產業技術綜合研究所（簡稱「產綜研」）面向兒童相談所（日本的兒童保存機構）的職員開發了日本首款採用人工智慧（AI）技術的兒童虐待因應支援系統。該系統已經引進三重縣的兒童相談所，並從6月下旬開始實施驗證實驗。這是日本首次利用AI綜合預測虐待危險程度。
驗證實驗將驗證能否減輕職員的工作負擔以及迅速因應虐待事件，還可開發有助於實施高質量的虐待因應支援的技術並構築平台，推動該系統的實用化。
圖1：兒童虐待因應支援系統的畫面示意圖
日本虐待兒童的現象不斷增加，據厚生勞動省調查，1999年至2017年間，相關諮詢因應件數約增加12倍。而負責因應兒童諮詢和進行家庭調查的兒童福祉司的數量僅增加約2.6倍，在兒童福祉現場工作的職員的工作量非常大。
另外，接連發生的虐待致死事件的報導中也指出，目前，兒童福祉機構之間主要透過電話術、郵件和傳真等一對一共用資訊，因此，爲因應持續增加的虐待現象，需要改善兒童福祉機構的業務流程，尤其需要提高職員之間的資訊共用和合作效率。
兒童虐待因應支援系統介紹
1）系統機制
透過平板終端機向「AiCAN」輸入兒童的基本資訊和評估資料，保存至雲端。統計解析軟體「R」以及產綜研作爲NEDO專案的一部分開發的機率建模及類比模組「PLASMA（Probabilistic Latent Structure Modeling API）」將以這些資料爲基礎，根據過去的資料進行預測和類比，並在「AiCAN」上即時顯示虐待危險度、複發率及是否需要實施臨時保存等解析結果。
另外，透過使以前在兒童相談所現場用紙記錄的兒童資訊和虐待相關調查記錄實施數化，還能在工作中利用過去的資料。
圖2：虐待因應支援系統的構成
2）AI技術的特點
因應虐待諮詢需要非常謹慎地做決定，預測時不僅要實施高預測精度，還要重視解釋預測依據等的能力。因此，該系統組合使用了具有較高預測精度的機器學習技術和可解釋性較高的機率建模技術。
兒童相談所受理虐待事件時，爲預測結束該事件所需的天數，採用了梯度提升等預測精度較高的機器學習演算法。另外，虐待危險度預測採用了可解釋性較高的機率建模——機率潛在語意分析，虐待複發率預測採用了基於貝葉斯網路的機率因果推理。
透過結合不同的方法並顯示虐待的危險度、複發率和臨時保存的必要性，將利用AI提供符合現場需求的支援。（日文發佈全文）
文：JST客觀日本編輯部
