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
|
12天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
57 3
|
22天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
128 59
|
3天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用####
本文探讨了人工智能(AI)技术在医疗领域的创新应用及其带来的革命性变化。通过分析AI在疾病诊断、个性化治疗、药物研发和患者管理等方面的具体案例,展示了AI如何提升医疗服务的效率和准确性。此外,文章还讨论了AI技术面临的挑战与伦理问题,并展望了未来的发展趋势。 ####
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在医疗领域的应用与前景####
本文探讨了人工智能(AI)在医疗领域的多方面应用,包括疾病诊断、个性化治疗、患者管理以及药物研发等。通过对现有技术的梳理和未来趋势的展望,旨在揭示AI如何推动医疗行业的变革,并提升医疗服务的质量和效率。 ####
27 5
|
11天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
76 11
|
16天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
73 4
|
16天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
20天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
18天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
下一篇
无影云桌面