死神来了!斯坦福的AI算法可以精准预测病人死亡时间,还能……

全球技术地图

创新丨前沿丨科普丨资讯

给你一个机会,你是否想知道自己什么时候死亡呢?斯坦福大学的研究人员开发出了一种利用AI预测病患死亡时间的算法,提供给病人一个更加准确的临终期预测。斯坦福对于这类人工智能的运用还有曾经的AI面部性取向识别技术,人类对AI算法运用的讨论还在持续进行中。

AI预测死亡时间 准确率高达90%

据英国《每日邮报》1月18日报道,斯坦福大学的研究人员开发出了一种人工智能算法,能预测病患的死亡时间,准确率高达90%。

利用人工智能技术来预测病人什么时候会去世, 这听起来就像是反乌托邦科幻剧《黑镜》里才有的情节。但斯坦福大学的研究人员认为,如果AI能做到这点反倒是一个很好的机会,因为它可以帮助医生与病人更早地进行必要的临终对话。

研究表明,由于治疗惯性,很多医生在预测病人的临终期时倾向于给出比较乐观的估计,从而推迟了医生与病人之间关于临终选择的艰难对话。

医生过高估计的倾向也是人之常情。不过有些时候,这种做法也会导致病人在临终期到医院接受不必要的、费用高昂的、带有侵入性的治疗, 而不是在相对舒适的环境中走完生命旅程。

一个数据是,如果可能的话,大约有80% 的美国人更愿意在家中度过自己最后的日子。斯坦福大学之前也在 arXiv上发表了一篇题为"改善临终关怀与深度学习"的论文。结果显示,现实生活中有多达60% 的美国人最终是在急性护理医院接受治疗的过程中结束了自己的生命

有鉴于病人的意愿与临终时的护理不匹配,斯坦福大学的研究人员便开始测试一种替代疗法,即让人工智能帮助医生完成对新入院病人的筛查。如果一些病人已经到了需要临终关怀服务的阶段,医生可以比较早地做出判断,及时向临终治疗专家提出临终关怀请求。

"我们希望确保病人在最后进入重症监护室之前有机会告诉他们的家人他们希望如何离开。"斯坦福大学的科学研究员Kenneth Jung说。

所以"预测死亡"的AI算法可能听起来有些残酷,但在研究人员的眼中,它可以让人们在面对死亡的时候不那么狼狈。

与此同时,通过AI来进行判断预测也打破了传统的临终关怀服务程序。通常情况下,临终治疗专家需要等待主治医生向他们提出请求,现在的话他们能够准确识别并有了主动接触需要这项服务的病人的机会。

据IEEE Spectrum介绍,斯坦福团队的人工智能算法基于深度学习技术和医疗大数据。前者作为一种流行的机器学习技术,利用神经网络进行数据的过滤以及学习;后者则包括了斯坦福医院或 Lucile Packard儿童医院接收的大约200万名成人和儿童患者的电子健康档案数据。

斯坦福人工智能实验室从事计算机科学研究的阿南德•阿瓦提(Anand Avati)表示,"与精心设计的实验研究相比,我们可以使用常规收集的数据建立一个全因死亡率的预测模型。现有数据的规模也能允许我们这样做。"

经过训练后,该算法能提前3-12个月来预测患者生命结束的时间。如果按照传统的方法,医生会在三个月内进行预测,那样的话留给临终关怀服务的时间会很紧张。

据研究团队称,算法得到了一家机构审查委员会的批准,结果证明这项技术并没有人们想象的那么可怕。深度学习模型在帮助医生筛选病人并找出他们接受临终关怀治疗的最佳时机方面能够起到很大的作用。

研究小组还强调,试点实验的早期阶段表明,对于医生来说, 与重病患者进行临终讨论往往是有益的,即便他们不太可能在预测的时间内死亡。

此外研究人员也想通过实验了解临终关怀治疗团队和在一线护理病人的医生团队有什么不同的表现,以及AI算法预测是否能够提高病人得到临终关怀治疗的比率。

小编写到这里不免感叹,“走的安然”想必咱大多数人的临终期望吧......技术可能许多时候都显得有点儿冰冷,但若它根本的取向是如此的关怀人类,那便具有了“温度”!

斯坦福的AI看脸即知性取向

关于AI的“花样玩法”,小编又想起前不久斯坦福的AI看脸即知性取向。据说能识别你是不是直男,敢试试吗?

事情开始于一项斯坦福大学的新研究。

研究人员Yilun Wang与Michal Kosinski用监督学习算法创造出一种新模型,可以直接从面相判断一个人的性取向,研究论文也即将发表在美国心理学学术月刊《Journal of Personality and Social Psychology》上。

什么?还能根据面相判断性取向?确定我是在看科学期刊而不是误入路边看面相算命的小摊摊?

带着众多问号,我们翻看了实验研究。

面相识“同”?

研究人员首先从交友网站的公开信息中收集了14776人的35326张照片,想在照片中提取面部特征。从脸型、嘴型、鼻型、眉形到面部的毛发,这些特征全部被提取并量化。

研究人员先标记面部特征,同时用倾斜度、转动和偏转角度等参数定位人脸

之后,研究人员用深度神经网络(DNN)从中提取与性取向有关的特征。在此,他们引入VGG-Face DNN模型,想通过面部表情、背景、光线、图像属性(亮度或对比度等)等因素来表示图像中的人脸。

系统识别的可以预测性取向的面部特征

随后,研究人员用预测模型、逻辑回归等奇异值分解(SVD)等方法将图像分类,判断哪些图像中的人为同性恋。

(这是由数千张图片组成的合成脸,展示了系统观察到的面部特征细微差别。右图中的绿色/红色线条分别代表男女异性恋者/同性恋者面部器官的位置形状)

最后,研究人员随意挑选图像,让电脑猜测受试者的性取向,结果证明AI系统的表现明显优于人类:在没有穿搭风格、人物动作等因素影响的情况下,就单一面部信息而言,分类器识别男女性取向的准确率分别达到了81%和71%。

研究人员还设计对照组让人类判断照片中人的性取向。实验证明,人类对男女性取向识别准确率分别为61%和54%。对比看来,算法的准确率明显优于人类的直觉判断。

如果通过5张以上照片让系统识别人类性取向,则男女性取向准确率分别提高到91%和83%。

研究人员意外地发现,性取向与面部特征存在些许关联,一般情况下,男同有“女性化”特征,女同有“男性化”特征。比如,男同的下颚、鼻子和前额比直男大,与异性恋女性相比,女同的下颚更大,额头更小。

业界看法

全世界都为AI算法疯狂打call?我们来看看业界大佬们怎么看:

深度学习教父却说它不行!

1986年,Geoffrey Hinton与David E.Rumelhart 和Ronald J. Wlilliams合著了一篇论文,首次将反向传播算法引入多层神经网络训练。如今,这篇论文已经成为推动人工智能爆炸式发展的核心。

然而在一场多伦多 AI 会议上,Hinton 接受采访时透露:他现在对反向传播算法“深感怀疑”。

他认为反向传播算法并不是大脑工作的方式。想让神经网络能够自己变得智能,即所谓的“无监督学习”,可能意味着需要放弃反向传播。”

Hinton 所提到的反向传播算法在当今的人工智能领域扮演着重要的角色,它是训练神经网络的经典算法。在输入数据固定的情况下、反向传播算法利用神经网络的输出敏感度来快速计算出神经网络中的各种超参数。

它广泛运用于当下的深度学习领域,包括对图片进行分类的能力、与语音助手对话的能力等等。

不少媒体也有反对声音

部分美国媒体“表示强烈谴责和极大的愤慨”,比如TechCrunch。

TechCrunch在一篇文章的标题上指责这项研究“显示了数据时代的黑暗面”,还说这项研究将已经很脆弱的同性恋群体更加暴露于舆论漩涡中,“这也直接打击了我们一直希望建立的平等观念:不能以貌取人,也不能通过一两张照片这么简单的东西,来判断性取向之类的个人隐私。”

英国卫报倒是没有那么担忧。这家媒体脑补了一些基于这种算法的AI应用场景,比如有人怀疑自己是否形婚了,可以用这个AI算法来测一测自己的另一半,或者青少年也可以用它来测自己、测同学……

卫报还因为这个AI算法跑去采访了多伦多大学心理学副教授Nick Rule,这位学者曾经研究过gaydar背后的科学。但对于斯坦福大学的这项研究,Nick Rule却泼了英国卫报一盆冷水,他认为这个AI算法非常“令人不安”,担心可能有人出于恶意“根据人们的外表来分析他们、识别他们”。

关于这个AI算法,你怎么看?

转自丨中国科技网

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180124A0MXG800?refer=cp_1026

同媒体快讯

相关快讯

扫码关注云+社区