濫用藥物是一個緊迫的問題，它會影響到個人生活的多個方面。
　　南卡羅來納大學、馬希多大學、比茨•皮拉尼、亞利桑那州和俄亥俄州立大學的研究人員進行的這項研究分析了Twitter和Reddit等社交媒體網站上的帖子，這些帖子與濫用藥物有關，同時通過加密市場上市跟蹤阿片的銷售情況。他們從黑暗網絡和加密市場收集了各種阿片類物質的數據，并用情緒分析將其與社交媒體的帖子進行了比較。評估社交媒體數據，了解標簽和帖子，了解他們表達的感受，并將其與藥物使用數據關聯起來。這不是一個有趣的標準嗎？
　　根據研究，他們使用了命名實體識別（NER），一個先前經過訓練的深度學習系統，從加密市場收集數據，包括名稱、產品重量和其他規范。此數據用于根據現有數據庫自動對它們進行分類。他們發現他們利用了深度學習算法伯特、LTSM和CNN為每個SubReddit帖子分配情感標簽。結果顯示，有很多帖子提到了高戊酮，一種通常用于治療慢性疲勞的精神活性藥物，還有另一種藥物叫甲喹酮，一種鎮靜和催眠藥。他們還發現了各種俚語，用于常用的藥物。
　　2018年發表的一項早期研究利用了大眾社交媒體Instagram的數據，構建了機器學習算法，并利用深度學習識別物質使用風險。利用深度學習文本和圖像分析對深部神經網絡提取的數據進行分類，然后用機器學習模型將其標記為高風險或低風險類別。
　　這些不是在這方面進行的唯一研究。還有一些類似《科學日報》中提到的，它討論了賓夕法尼亞州信息科學與技術學院的研究人員開發的人工智能算法。他們所建立的模型可以預測美國年輕無家可歸者對物質使用障礙的易感性，甚至建議一個個性化的康復計劃。
　　深度學習由于其具有較高的準確率和對機器智能發展的貢獻，因而越來越受到人們的歡迎。深度學習圖像分類能力以及聚類和識別能力使該技術能夠很好地支持使用任何視覺手段的研究。利用人工神經網絡和深入學習來發現藥物濫用風險將有助于各國更好地了解這一問題，并采取必要的行動。值得稱贊的數據挖掘質量、高精度、速度提高、增強人類行為、分析情感的能力和自動化使機器學習和深度學習成為處理藥物濫用問題的最佳選擇。人工智能等技術的支持不僅限于識別風險，而且還建議治療方法，在治療期間協助個人，并跟蹤治療過程。人工智能的未來是光明的，新的途徑將揭示更精確和智能的模式來打擊和理解藥物濫用的可能性。 

來源：賢集網