最近，麻省理工学院的研究工作人员开发出一种神经网络AI神器，它能够以比较高的相对准确度对个人是否患有认知功能障碍做出可能性预测。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。然而，这种说法并不是很准，我们将稍后详加探讨。
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。该团队由研究员Tuka Alhanai、Mohammad Ghassemi以及James Glass组成。
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。
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。
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。”
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。
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。
可塑性让我们的大脑得以进化。“在学习过程中，认知的提高推动了大脑的发展，而大脑的进化，又进一步产出了新的知识。在发展人工智能的过程中，我们不仅要了解人脑，从而进行模拟，使人工智能成为类脑智能，还应该了解人脑的进化过程。”
但是，人工智能在某种程度上，确实模拟了大脑的皮质或者皮层的某一个功能，但模拟却仅局限于大脑的输入和输出功能，还无法涉及反馈机制。这导致人工智能只能被动接受信息，而毫无进步。他在研究过程中也发现，大脑神经元可分为长时程的可塑性和短时程的可塑性，这对于强化学习非常有用。“如果人工智能也拥有同样的可塑性，是否有一天，他们也能自己进化。”
人类进化与摩托车
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。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，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。 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%。
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。
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），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，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。
周到的动机的科学家看 3d 原型
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？
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？理论上，人与当计算机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？
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。可以想象，如果全面推出的话，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。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。
想象一下，如果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，如果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，或者企业利用“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，而人工智能据称能够更好地“检测”对方的情绪状态。
总之，人工智能是研究使计算机来模拟人的某些思维过程和智能行为的学科，一直以来，计算机最难学会的就是“顿悟”。正因为如此，这也成为了智能化研究者梦寐以求的东西。
閱讀更多 擺技 的文章
