首页
资讯
海淘动态
- 全部
- 达人晒单
- 购物知识
- 海淘推荐
- 特色品牌
- 海淘动态
- 海淘人物
- 海淘攻略
- 海淘指南
智能手机真能读懂你的心，让你心理健康吗？

智能手机真能读懂你的心，让你心理健康吗？

作者：admin 发表时间：2020-12-18 浏览：19 海淘动态

据美国知名网络杂志Slate报道，你的智能手机真的能够根据各种日常生活数据读懂你的心吗?各式新应用号称能够诊断心理健康问题，但我们有理由对这种诊断方式保持谨慎。在麻省理工学院的某个地方，电脑屏幕出现闪烁，Eliza在线上。作为信奉罗杰斯疗法的心理治疗师，她总是能够做好倾听咨客的准备，也能够快速回应咨客提出的问题。她从来都不怎么谈论自己，相反都是鼓励咨客尽可能地多告诉她一些。但Eliza从来都无法了解到更多的东西，从来都无法知道咨客生活中正在发生的事情，也从来都无法语境化他们在会见时间以外的问题。这不是她的错。那是1964年，她是一个受当时的笨拙机器所限的计算机程序。如今，半个世纪过后，Eliza的概念已经变成了各式各样的应用。它们能够仔细地监控你的智能手机跟踪你的生活，甚至根据短信中的措词选择、语速、语言使用习惯等线索来预测你的心理健康程度。目前，数家初创公司和研究机构称，他们能够利用智能手机语音数据来诊断创伤后压力心理障碍症，鉴别可能会出现精神病的患者，识别躁郁症患者躁狂发作的早期病症。甚至有人在Facebook平台上通过聊天机器人来提供心理治疗。这些项目的共同主题是，智能手机感测将会替代传统的多给她透露情况治疗方式的需要，因为Eliza式应用和人工智能程序甚至可能会比你自己早觉察到你的情绪状态。针对心理健康的智能手机感测有多个名号其中包括数字感测、被动式数据监控、数字表型等等但基本概念很简单。在日常生活中使用智能手机的时候，你会自动生成一系列你的活动和行为方面的数据，这些数据都可记录。如果沿着街道走到本地的商店，你的手机内的GPS传感器可能会知道你走了多远，你本周多常出门，你去过的地方数量，甚至知道你是否在遵循你的日常习惯。当你发送短信或者接电话的时候，手机的数据记录会知道你今天有没有更多地与别人联系，又或者过去一周给某个特定的人打电话的次数是否明显增多。短信方面呢?在觉得疲惫不堪或者没精打采的时候，你是否出现更多的打字错误，或者短信编写速度是否变慢?这些与出行、社交甚至认知状态相关的数据很容易就能获得，它们带来了通过我们去了哪里、跟谁交往和我们如何思考方面的线索来语境化我们的日常生活。但遵循这种线索能提升心理健康吗?如果你问的是企业家，那答案无疑是肯定的。像抑郁症这样的心理疾病是以种种不符常规的症状来定义，比如情绪、睡眠、活力、社交活动和思维方面的变化这些变化如今都能够通过我们的智能手机实时检测出来。但这种进取的愿景忽视了数个不争的事实。数字感测还不是预测人类行为的方法，还无法就我们的心理状态给出有洞察力的观察。相反，这种新工具在带来潜在的好处的同时也带来风险，在带来机遇的同时也带来挑战。得益于智能手机、可穿戴设备和其它内置传感器的技术的快速普及，获取大量的数字数据并非难事。但大量的数据不一定就能够转化为高治疗价值，尤其是对于心理健康。这种问题不只局限于针对心理疾病诊断或者监测的应用。例如，想想脑电图，该技术被用于直接测量实时的脑电活动。虽然记录心理疾病患者的脑电波是可行的，但这些数据在普通医疗中的临床实用性仍然非常有限。尽管脑电图描记器(EEG)已经有数十年的研究历史，但现在的精神病医生不大可能会订购一台来帮助作出诊断，选择合适的疗法，或者监控康复情况。那是因为将原始数据变成有用信息极其困难。人工智能真有那么厉害？对于心理健康方面的数字数据的大数据挑战，常常被引述的一种解决方案是，利用像深度学习这样的人工智能技术来帮助理解原始数据。深度学习可谓打造巨大的计算机模型(神经网络)的艺术和科学，它们能够被用来预测、归类、编辑、描述和创作视频、图像和文本。例如，应用能够按照话题整理你的照片，即便你从未给它们贴上标签。但比起帮助机器区分自拍照和风景照片，分析和帮助人类要困难得多。人工智能程序仍然难以进行癌症诊断，即便有完整的医疗记录，即便癌症的医疗知识在基因层面都得到了很好的描述。给心理疾病进行实质性的分类可以说错综复杂，因此难以创建或者训练诊断算法。简单来说，精神疾病的诊断十分复杂，即便它是由训练有素的专业人员来完成。表面上的新心理疾病，实际上可能是身体上的疾病，比如造成性格和行为变化的脑肿瘤。如果某人在用智能手机输入文字的时候突然间错误变多，那这意味着他出现精神分裂症的早期病症吗?又或者他只是忙中出错或者分心了?此外，目前很多的智能手机和人工智能研究都涉及网络调查，研究者通常利用亚马逊众包平台Amazon Mechanical Turk来让受调查者讲述其心理健康症状，但从来都没有验证他们所说的症状。验证症状对于确保我们研究正确的病症和针对实际疾病训练算法非常重要。例如，近期关于戒烟的一项研究发现，40%以上自称戒烟一周的人没有通过针对他们的吸烟状况的生物化学验证。机器学习完全依赖于它的训练数据。虽然数字心理健康及其新数据最终将会改变我们诊断、监控和治疗心理疾病的方式，但目前来说我们还处在这种变革的初级阶段。最终，如果业界开发出合适的工具和分析方法，那么数字化技术必将强化我们对心理健康的理解和管理。这需要应用已知的精神病学和数字化技术知识，来开发准确、便宜可靠且可广泛普及的测量工具。完成这一切不算复杂的事，但那也不意味着它很简单。大数据和深度学习将会扮演重要角色，但它们并非捷径，跟任何的新医疗创新一样，也将需要我们进行仔细的研究和试验。在那之前，Eliza还将需要请咨客多告诉我一些。