今日要闻
麻省理工学院的研究人员最近开发出一种神经网络,能够以相对较高的准确度对个人患有认知功能障碍的可能性做出预测。因此在一定程度上,我们可以将其理解为一种抑郁症检测器。
当然,这种说法并不准确,我们将稍后详加探讨。
由麻省理工研究员Tuka Alhanai、Mohammad Ghassemi以及James Glass组成的研究团队在Interspeech 2018大会上展示其工作成果。
根据相关论文,他们开发出一种无情境方法,可借此确保机器对人类的文本或音频表达内容进行分析,从而检测出该人的抑郁度评分。其中最为关键的,当然在于这套人工智能方案的“无情境”因素。
一般来讲,治疗师需要利用经过验证的问题与直接观察相结合,共同诊断对方的抑郁症等精神健康状况。而根据麻省理工学院团队的说法,他们的人工智能能够在无需条件性问题或者直接观察的前提下,实现类似的效果。换言之,其不需要情景信息,而只需要数据资料。
下面来看该团队所发布论文中的部分内容:
麻省理工学院研究人员详细介绍一种神经网络模型,该模型能够通过访谈方式对原始文本及音频数据进行解析,从而发现可能预示抑郁症疾病的表达模式。在给定新主题的情况下,其能够准确预测相关个体是否存在压抑情绪,且不需要任何其它相关问题及答案信息。
那么,这到底属于检测还是预测?
虽然看似无关紧要,但检测与预测实际上属于完全不同的两回事。预测个体是否存在抑郁倾向的算法仅仅代表一种标记数据,将被提交给治疗师进行进一步审查。但对抑郁症的检测,则要求其给出的确定性结果确实与目标个体的精神状态相符。
当然,研究人员们也意识到了这一点。论文第一作者Tuka Alhanai表示,“这不是在对抑郁症进行检测,而是根据言语中的常见信号对个体的认知障碍问题做出一定程度的评估。”
幸好,看起来他们很明确地强调这是一种预测,而非检测。但也正是这种微小的区别,使得这项工作在本质上具有可怕的影响。
为了测试这套人工智能方案,研究人员们进行了一项实验,由人为控制的虚拟代理对142名受试者提出一系列问题,从而进行抑郁症筛查。人工智能并没有事先了解问题内容,而受访者亦可自由以任何形式做出回答。问题的形式并非单项选择,人工智能需要从语言线索当中辨别抑郁症。
在这项研究中,参与者的回答将以文本及音频形式进行记录。在文本版本中,人工智能能够在大约7个问答序列之后预测抑郁症。但有趣的是,在音频版本当中,人工智能需要大约30个序列才能做出决定。据研究人员称,其平均准确率达到惊人的77%。
问题在哪?很明显,相信任何能够直接接受医师诊疗的病患,都不会选择这种预测方式。
在办公室中观察病人的治疗师们显然认为自己拥有远超算法的诊断能力。而且这类人工智能方案与利用图像识别/检测癌症不同。人类医师可以通过医学影像发现并清除癌症(在大多数情况下),但却无法利用同样的方式验证人工智能做出的抑郁症诊断。
从理论角度讲,当计算机与人类聆听同一段对话并最终做出截然相反的抑郁症诊断结论时,我们该如何判断真伪?或者,如果大家愿意,那么在计算机发现对方存在潜在抑郁症迹象时,我们是否也应进行相同的检查以确保医生做出的非抑郁症判断准确无误?在这样的情况下,自动化机制存在的意义是什么?
更重要的是,当医疗专业人员以外的人士使用这种“抑郁症检测器”时,又会引发怎样的后果?论文中的某些表达似乎证明,这些算法确实是为了在高枕而麻省理工学院实验环境之外的实际应用而开发:
患有抑郁症的病患将长年累月受到消极与悲伤情绪的困扰。要治疗抑郁症患者,必须首先对其做出诊断。而为了获取诊断结果,受试个体必须主动与心理健康专业人士进行接触。实际上,由于移动性、成本与动机等因素的限制,抑郁症患者可能无法得到应有的专业关注。在这种情况下,人工智能方案提供的人类交流内容自动监测能力将解决这些限制,并提供更好的抑郁症筛查服务。
对人类通信进行自动监控似乎代表着梦魇般的反乌托邦未来。我们可以想像,人们将在不知情的前提下面对一系列问答序列,并由机器对其心理健康情况做出评估。相信大多数人都会意识到,在未经同意的情况下利用神经网络这类黑匣子进行心理健康评估绝不是什么好主意。
想像一下,如果企业利用“抑郁症检测器”这类人工智能方案在面试过程中对您进行心理状况检测,或者律师通过算法解释您在子女监护权案件中的表述,会引发怎样可怕的后果乃至影响。
更糟糕的是,我们甚至能够想到警察局利用人工智能黑匣子对嫌疑人在审讯过程中的精神状态进行监测。毕竟世界各地的执法单位需要投入大量资金与宝贵时间对嫌疑人进行心理学侧写,而人工智能据称能够更好地“检测”对方的情绪状态。
可以想像,如果全面推出,这类解决方案最终一定会出现在审讯室、就业面试以及其它难以预知的场景当中。我们绝不应被人工智能的判断所左右:机器绝对无法检测到我们是否身为同性恋、有罪或者沮丧,它们只是在做出猜测。而身为人类,我们理应非常谨慎地对这种猜测结果加以运用。
您可能敢兴趣
声明: 凡注明为其他媒体来源的信息,均为转载自其他媒体,转载并不代表本网赞同其观点,也不代表本网对其真实性负责。如系原创文章,转载请注明出处; 您若对该稿件内容有任何疑问或质疑,请即联系,本网将迅速给您回应并做处理。邮箱:mail@laishu.com
为您推荐
校园贷再曝乱象这到底是什么情况,了解最新消息?
2018-04-15 21:34
8月分手魔咒:不平衡的爱情注定走不远
2018-08-21 11:37
饮食提醒切记红薯的“死对头”
2018-02-21 03:39
红唇族加烟酒 罹癌增123倍 医师告诉你危害不只这些...
2019-11-06 17:37
秋葵,生菜
2020-01-27 07:42:15
滑坡毁百年铁轨 怎么回事
2019-02-02 05:46
解读改善你的饮食的3款创新菜肴
2018-02-25 03:39
李湘为女儿庆生 一家人真是太有爱了
2019-01-25 19:26
生完二胎后首露脸!福原爱瘦14公斤身材纤细
2019-07-27 12:32
2018CBME孕婴童展益生碱奏响全球备孕最强音
2018-08-01 13:46
月经不调饮食来调
2018-04-01 10:37
粗盐热敷4个部位治好4大顽疾可惜很少有人会用
2019-03-05 22:46
讨厌金牛座的人 是因为不懂金牛座 他们其实和你想像中的不同
2019-07-02 16:13
他才出生四天,四肢黑到要截肢、一碰就可能死亡!这一切只因爸妈一个无知的决定…
2018-02-17 12:45
石家庄现天价板面 为何如此天价 哪些人来吃
2019-02-02 04:47
统一西武双狮联名活动 日职传奇球星东尾修开球
2019-07-15 21:31
街头最红三大台式水果茶!!斗分量斗特色斗选择
2018-05-13 22:37
9个月婴儿如何进行认知能力训练
2018-02-15 01:00
最会伤人、伤人至深的十二星座排行榜 人必有一死 死于天蝎或死于水瓶
2018-05-03 06:34
对现任够深情 对前任够狠心的星座 第一名:金牛座
2019-07-08 16:18
滴滴顺风车回归 具体何时能归 消费者:等你回归
2019-04-15 20:39
从“出汗多”看体质?谨记养生方法,值得收藏!-今日头条(www.toutiao.com)
2018-01-11 23:45
备孕 你知道备什么吗?
2018-09-05 09:51
宝宝颅内出血、脑死亡竟是因为掉床 孩子坠床后万不可做错这3件事…
2018-10-16 12:57
日职/令和的怪物石垣岛初上陆 专属商品卖翻天
2020-09-17 12:51:25
新光三越彩虹市集改装结集60家餐厅品牌这5家人气超旺
2018-05-11 12:39
蝉联七年癌症死因第一名!预防大肠癌吃两物:越浓稠越抗癌,日本人爱吃、不想得癌更要吃|每日健康 Health
2019-03-21 21:53
每日排尿1500CC. 与尿路结石说再见
2019-10-25 18:35
原来这个八卦卦序的原理是这样的 其背后隐藏高深的宇宙奥秘
2018-05-10 04:36
只不过用硬币刮“这里”,不到3天!!五脏六腑的毒素竟然全排光了!便秘没了、气色也好了!效果太惊人。。。
2018-01-27 16:45
今日要闻
Dr. Martens联名X-GIRL释出霸气厚底系列!音乐人、潮流人都该来一双
真的来了!GD亲晒PEACEMINUSONE x Nike AF 1,白色“Para-Noise 2.0”超欠买!
adidas推出城市Online Run!王阳明、雷理莎脚踩Supernova、Boston 9限定鞋畅跑信义区
德国鞋履品牌Trippen秋冬新入荷!经典&创新任你选!
阿部千登势再推神作!sacai x Nike Vaporwaffle联名释出,四款新色攻陷你的荷包!
还有机会入手!Off-White x Air Jordan 5“色违”版本联名鞋即将开卖
Joel Embiid首代签名篮球鞋“UA Embiid One”台湾正式发售
Dr. Martens经典再进化!Heritage Distortion系列“双黄线”震撼登陆