AI-технологии NoBet
Наша платформа использует 4 независимых AI-модуля для комплексного анализа поведения, предсказания рисков и персонализированной поддержки людей с игровой зависимостью. 3 из 4 модулей работают полностью локально, без внешних API-вызовов.
* Для ML модели, NLP и детектора аномалий — 0 внешних API-вызовов
Исследования эффективности AI при зависимостях
Применение AI в лечении зависимостей опирается на растущую доказательную базу
Predictive analytics и relapse prediction
Исследования показывают, что машинное обучение позволяет прогнозировать риск рецидива на основе поведенческих паттернов с точностью выше случайной (e.g. Grüsser et al., 2004; Xuan & Li, 2002).
Источник →Chatbots и цифровые вмешательства
Систематические обзоры (Bhattacharjee & Acharya, 2020; Torous et al., 2020) свидетельствуют о потенциале chatbot-вмешательств для поддержки при зависимостях, особенно в сочетании с человеческой помощью.
Источник →Personalized interventions
JITAI (Just-In-Time Adaptive Interventions) и персонализированные рекомендации на основе данных показывают улучшение вовлечённости и исходов (Nahum-Shani et al., 2018).
Источник →Границы AI и роль специалистов
NoBet AI — инструмент поддержки, а не замена профессиональной помощи
Что может AI
- • Отслеживание паттернов и раннее предупреждение
- • Эмоциональная поддержка и валидация
- • Рекомендации по самопомощи и техникам
- • Напоминание обратиться к специалисту
- • 24/7 доступность для базовой поддержки
Чего AI не заменяет
- • Диагностика и постановка диагноза
- • Психотерапия и лечение
- • Назначение медикаментов
- • Кризисная интервенция (при суициде — звонок 8-800-2000-122)
- • Юридическая или финансовая консультация
При высоком уровне риска система рекомендует обратиться к психологу, аддиктологу или на горячую линию. AI дополняет, а не подменяет человеческую заботу.
Архитектура AI
Четыре специализированных модуля работают совместно, обеспечивая многоуровневый анализ и поддержку пользователя
Локальная ML модель
NoBet GBM Relapse PredictorGradient Boosted Trees (120+100 деревьев) для предсказания дней до срыва на основе поведенческих паттернов. MAE=3.17 дн., R²=0.865
NLP-анализ настроения
sentiment (AFINN-165)Анализ эмоционального состояния через текст дневника
Детектор аномалий
Z-score алгоритмВыявление необычных паттернов в расходах и частоте игры
AI-чат поддержка
OpenAI GPT-4oЭмпатичная психологическая поддержка в реальном времени
Поток данных
Независимая AI-модель
ML модель (Gradient Boosted Trees), обученная на поведенческих признаках — работает полностью на сервере, без каких-либо внешних API-вызовов
Архитектура ML модели
Входные признаки (Features)
Gradient Boosted Trees · scikit-learn · Инференс на сервере
Почему это важно
- Полная независимость — ML модель работает в Node.js на сервере
- Нулевые внешние API-вызовы для предсказания рисков
- Обучение на поведенческих данных конкретного пользователя
- Быстрый инференс — результат за миллисекунды
- Данные никогда не покидают сервер
Технические детали
NLP-анализ текста
Локальный анализ эмоционального состояния пользователя через текст дневника
Лексикон AFINN-165
Используем словарь AFINN-165 с оценками тональности слов от -5 до +5. Каждое слово в дневнике анализируется и получает эмоциональный вес. Работает полностью локально — без API.
Тренды настроения
Система отслеживает динамику эмоционального состояния со временем. Строится график тональности записей, позволяющий увидеть паттерны ухудшения настроения до рецидива.
Раннее предупреждение
При обнаружении устойчивого снижения тональности записей система генерирует раннее предупреждение. Это позволяет выявить эмоциональное ухудшение ещё до того, как оно перерастёт в рецидив.
Пример анализа
Запись в дневнике:
Результат NLP-анализа:
Детектор аномалий
Статистический метод Z-score для обнаружения необычных паттернов поведения
Как работает Z-score
Z = (X - μ) / σ
где X — текущее значение, μ — среднее, σ — стандартное отклонение
Алгоритм вычисляет, насколько текущее поведение отклоняется от нормальных паттернов пользователя. Значение |Z| > 2 считается аномальным и вызывает автоматический алерт.
Визуализация обнаружения
Пример: расходы за неделю
Автоматическая реакция: при обнаружении аномалии система отправляет уведомление пользователю и доверенному лицу, а также повышает уровень риска.
AI-чат поддержка
Эмпатичный AI-ассистент на базе GPT-4o для психологической поддержки 24/7
Возможности чата
- 1Мотивационное интервьюирование
Системный промпт настроен на техники MI для мягкой поддержки
- 2Контекстуальная беседа
Сохраняется история чата для понимания ситуации пользователя
- 3Кризисное реагирование
Распознаёт сигналы кризиса и предлагает немедленную помощь
- 4Персонализация
Учитывает прогресс и историю пользователя для релевантных советов
Безопасность данных
Перед отправкой в OpenAI все персональные данные удаляются. Имена, email и другие идентификаторы не передаются во внешние сервисы.
В GPT-4o передаётся только текст беседы — без аналитических данных, финансовой информации или других чувствительных метрик.
Специализированный системный промпт обучает модель действовать как сертифицированный консультант по зависимостям, используя методы мотивационного интервьюирования.
Этика AI
Ответственный подход к использованию AI в чувствительной области здравоохранения
Минимизация данных
Собираем только те данные, которые необходимы для работы AI. Никаких избыточных метрик.
Данные не продаются
Данные пользователей никогда не продаются третьим лицам. Это фундаментальный принцип.
Человек в контуре
Доверенное лицо подключается как дополнительный уровень поддержки. AI не заменяет человека.
Прозрачность
Эта страница — доказательство нашей прозрачности. Мы открыто объясняем все AI-технологии.
Технический стек
Полный обзор AI-технологий, используемых в NoBet AI
| Технология | Назначение | Независимая? |
|---|---|---|
| NoBet GBM Relapse Predictor | ML модель для предсказания дней до срыва (GBM 120+100 деревьев) | Да |
| sentiment (AFINN-165) | NLP-анализ текста дневника | Да |
| Z-score алгоритм | Детектор аномалий | Да |
| OpenAI GPT-4o | AI-чат поддержка | Внешний API |
Итого
NoBet AI использует 3 полностью независимых AI-модуля (ML модель, sentiment, Z-score), работающих локально без внешних API, и 1 внешний модуль (GPT-4o) для чат-поддержки с полной анонимизацией данных. Это обеспечивает баланс между мощностью AI и конфиденциальностью пользователей.