AI 是友非敌?自杀预防技术已成功挽救 25 人生命

简介:

据世界卫生组织统计,每年有80万人死于自杀。 这个数字年年居高不下,但是人工智能和机器学习的不断创新却可以改善这一现状。本文编译自VentureBeat的原标题为AI isn’t just taking jobs, it’s saving lives的文章。

         2017年,AI研究人员再度研发出了一系列能够预防自杀的技术。Facebook,AI Buddy项目,Bark.us以及最近由卡内基梅隆大学和匹兹堡大学共同合作的项目都研发出了能够预防自杀的技术。 尽管在危机时刻AI无法取代人类产生情感共鸣或给予患者支持,但在过去一年中,这些技术创新的确可以检测到患者的自杀倾向,帮助医疗保健机构,患者的朋友和家人防患于未然,避免悲剧发生。

 AI在精神保健方面的应用

上周,卡内基梅隆大学和匹兹堡大学的研究人员在Nature Human Today杂志上发表了一篇论文,介绍他们在人工智能领域的最新创新成果。该团队创建了一个AI,可以识别出有自杀倾向的参与者。

研究人员将34名参与者分成了一个有自杀倾向组中和一个对照组。之后,他们引导每个参与者参加功能性磁共振成像(fMRI)测试。测试中,每个参与者将会看见三张写着十个词的列表。 这些词汇包括“死亡”和“悲伤”等与自杀相关的词,“无忧无虑”和“善良”等拥有积极暗示的词,以及“无聊”和“邪恶”等拥有负面暗示的词。

通过每次测试的脑部扫描,研究人员可以确定参与者在看见与自杀倾向有关的六个词时,五个脑部位置会有反应。结果显示,当出现像“死亡”或“麻烦”这样的词时,有自杀倾向的参与者的大脑活动与对照组的大脑活动明显不同。

研究人员利用大脑的这些位置和单词来训练机器人如何区分有自杀倾向的人。结果几乎准确无误。该机器人能够识别出自杀倾向组中的17名参与者中,有15名参与者有自杀倾向,对照组中的17名中有16名有自杀倾向。研究人员把这个小组分成九个有自杀倾向的参与者和八个没有自杀倾向的参与者,结果机器的准确率更高。当利用以上结果对机器人再次训练后,机器人能够成功识别出17个参与者中,有16个有自杀倾向。

“我们的最新技术是独一无二的,因为它确定了观念转变与自杀意念及相关行为之间的关系。使用机器学习算法来评估与自杀有关的特定概念的神经表征,这打开了通向大脑和思维的窗户,也揭示了有自杀倾向者如何思考与自杀和情感有关的概念。“ Marcel Just说(希伯克大学人文社会科学学院迪特里希大学心理学教授)。

对于心理学专家来说,这项发现是令人兴奋的。因为他们希望能够早点发现高危患者的自杀想法。然而,这项技术必须经过进一步的测试才能应用于标准精神保健中。 匹兹堡大学的首席研究员 David Brent说:“现在,急需更大的样本来检测这项技术。然后就可以利用这项技术来识别有自杀倾向的患者。”

 利用AI预防自杀

今年早些时候,VentureBeat报道了由科技公司研发的几种面向消费者的AI自杀预防技术。今年三月,Facebook的研究人员对第一批技术进行了测试。去年春天,这家社交媒体巨头推出一项功能。Facebook使用模式识别技术来识别和标记有可能包含自杀想法的帖子。今年,Facebook表示,计划将现有针对Facebook帖子的自杀预防工具整合到流媒体直播功能FacebookLive、消息服务Messenger中,人工智能将被用于协助发现有自杀倾向的用户。Facebook更新后的工具将为观看视频直播的用户提供一个选项,允许其直接联系有自杀倾向的用户,并将视频报告给Facebook。Facebook还将向举报用户提供专业帮助,包括联系好友和拨打热线电话。

AI Buddy项目是去年春天推出的另一项自杀预防技术。现役军人的子女(自杀几率较高)可以通过该技术在他们最喜欢的数字平台上和虚拟伙伴进行交流。虚拟伙伴能够监视孩子的一举一动,并根据他们对话中使用的词汇向监护人发送进度报告。经过训练,这台机器经可以识别蕴含自杀倾向和想法的语言。这样看护人员能够更有效地监督现役军人子女的心理健康状况。

科技公司Bark.us通过机器学习分析用户的电子邮件,短信内容及社交媒体平台上的信息。该系统可以识别出表明用户正在考虑自杀的语言,如果感到问题严重,该系统会向用户的监护人发送警报。该公司在2015年成立,其产品和技术已经造福了很多消费者。 7月,该公司宣布,在分析了5亿多青少年发布的信息之后,该系统已经挽救了25人的生命。尽管这项技术不算创新,但该系统挽救的生命数量标志着自杀预防技术的重大进展。

对未来充满希望

基于AI的自杀预防技术是潜力无穷的。随着技术的进步,我们需要铭记精神健康专家和护理人员永远都是必不可缺的。 事实上,情绪管理系统和心理学家只会变得更加重要。 随着人工智能技术能够更早地发现自杀倾向,患者的朋友,家人及医生必须按照系统发出的警告,早早采取行动。

目录
相关文章
|
5天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,触手可及的健康
本文探讨了人工智能(AI)在医疗领域的应用及其潜力。从诊断辅助、个性化治疗到药物研发,AI正在改变我们理解健康和疾病的方式。同时,本文也讨论了AI面临的伦理挑战和数据隐私问题,呼吁建立相应的法律法规来保障患者权益。最后,本文对AI在未来医疗中的角色进行了展望,认为AI将继续推动医疗领域的创新和发展。
26 8
|
5天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,重塑健康格局
本文探讨了人工智能(AI)在医疗领域的应用及其对未来健康的深远影响。通过分析AI在疾病诊断、治疗和预防方面的具体案例,揭示了这一技术如何提升医疗服务的效率和准确性,并展望了AI在未来医疗中的潜力。
23 1
|
11天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在现代医疗领域的革命性应用
随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将从AI技术在医疗诊断、治疗和健康管理等方面的应用入手,探讨其如何改变传统医疗模式,提高医疗服务质量和效率。同时,我们也将关注AI技术在医疗领域面临的挑战和未来发展趋势。
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
【9月更文挑战第4天】赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
|
9天前
|
机器学习/深度学习 人工智能 编解码
深入探索AI文生语音技术的奥秘:从文本输入到逼真语音输出的全链条语音合成过程解析
【9月更文挑战第2天】深入探索AI文生语音技术的奥秘:从文本输入到逼真语音输出的全链条语音合成过程解析
 深入探索AI文生语音技术的奥秘:从文本输入到逼真语音输出的全链条语音合成过程解析
|
11天前
|
机器学习/深度学习 存储 人工智能
AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出
【9月更文挑战第1天】AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出
AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出
|
2天前
|
人工智能 云栖大会
AI Infra的前沿技术与应用实践 | 2024云栖大会预告
AI Infra的前沿技术与应用实践 | 2024云栖大会
|
2天前
|
人工智能 云栖大会
AI Infra 核心技术专题 | 2024 云栖大会预热
AI Infra 核心技术专题 | 2024 云栖大会
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
【9月更文挑战第17天】本文主要介绍了AI技术在自然语言处理(NLP)领域的应用,包括文本分类、情感分析、机器翻译和语音识别等方面。通过实例展示了AI技术如何帮助解决NLP中的挑战性问题,并讨论了未来发展趋势。
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
AI与未来医疗:技术的革新与挑战
随着科技的不断进步,人工智能(AI)在医疗领域的应用逐渐深入。本文探讨了AI在未来医疗中的潜力、面临的挑战以及其可能带来的伦理和社会影响。通过分析当前AI技术在医疗中的具体应用,如诊断、治疗和患者管理等方面,揭示其如何提高医疗服务的效率和准确性。同时,讨论了数据隐私、算法透明度等关键问题,强调了制定合理政策和规范的重要性。最后,提出了未来研究的方向和建议,以期为AI与医疗行业的深度融合提供参考。
15 1