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
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
83 10
|
10天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
2天前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
|
7天前
|
人工智能 自然语言处理 并行计算
ASAL:Sakana AI 联合 OpenAI 推出自动探索人工生命的系统,通过计算机模拟生命进化的过程
ASAL 是由 Sakana AI 联合 OpenAI 等机构推出的自动化搜索人工生命系统,基于基础模型实现多种搜索机制,扩展了人工生命研究的边界。
55 1
ASAL:Sakana AI 联合 OpenAI 推出自动探索人工生命的系统,通过计算机模拟生命进化的过程
|
14天前
|
人工智能 安全 算法
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
2024年12月11日,由中国计算机学会计算机视觉专委会主办的“打造大模型时代的可信AI”论坛在上海举行。论坛汇聚了来自多家知名学术机构和企业的顶尖专家,围绕AI的技术风险与治理挑战,探讨如何在大模型时代确保AI的安全性和可信度,推动技术创新与安全治理并行。论坛重点关注计算机视觉领域的最新进展,提出了多项技术手段和治理框架,为AI的健康发展提供了有力支持。
58 8
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
|
14天前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
109 2
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
22天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
25天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
44 5
【AI系统】离线图优化技术
|
13天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
82 14
|
6天前
|
人工智能 分布式计算 供应链
高效提取图片信息:AI技术赋能企业数字化转型
本文介绍了如何通过AI技术高效提取图片中的结构化信息,提升企业运营效率。具体应用场景包括票据与合同管理、电商商品信息管理、保险理赔和物流单据处理等。AI技术能将传统人工录入流程缩短至秒级,准确率高达99%,减少人为错误,提升客户满意度。方案优势在于易于扩展、灵活高性价比的调用模式及便捷安全的云产品接入。文中还详细描述了部署应用、访问示例应用及使用官方示例进行信息提取的操作步骤,并提供了参考链接和源码下载途径。