人工智能能否挽救生命？预防自杀

2017年3月，Facebook首当其冲，开始尝试在美国使用人工智能和模式识别等技术，通过扫描分析用户发表的有自杀倾向的帖子或评论，帮助识别可能有潜在自杀倾向的用户。一旦检测到潜在的自杀倾向，该模式识别软件将发送通知给Facebook专门处理此类事件的员工。该软件会立即给发帖的用户或其朋友发送一些有用信息。Facebook还与美国自杀求助热线、美国饮食紊乱协会、危机热线等一些组织合作，当用户的帖子被标记出来，而且他们选择愿意与其他人对话时，可以直接通过Messenger应用与专业人士联系。有时，Facebook员工还会通知当地政府来干预此类事件。去年11月，Facebook称已经成功将模式识别软件用于监测其美国用户的自杀倾向，并将把这个监测软件推广到其他国家。

继Facebook之后，美国范德比大学医学中心资料科学家Colin Walsh和团队于去年4月发表论文表示：他们建立了一种机器学习算法，可以预测病人尝试自杀的可能性。他们使用超过5000名有自残或自杀倾向病人的住院数据对机器学习模型进行训练，用以区分有自杀倾向和有自残行为但无自杀想法的两类人；同时还开发了一个算法，用以预测其自杀倾向。试验表明，机器学习算法在这两个任务上的表现都比医生的预测还要精准。

去年10月，美国卡内基梅隆大学的Marcel Just、David Brent和同事选取了17名有自杀倾向的人和17名正常人分别作为实验组和对照组，并向他们展示了自杀、积极和消极3大类共计30个单词，在此过程中对他们进行功能性磁共振成像扫描。

结果发现，对其中六个单词（死亡、残忍、麻烦、无忧无虑、良好和赞美）的神经活动应答以及五个脑区的神经活动最能区分想自杀的病人和对照组个体。

左图为有自杀念头的人和健康人激活的脑区，白圈所示为有区分性的脑区；右图为对潜在自杀者和正常人有区分性的脑区，分别是左上额内侧额叶、内侧额叶/前扣带、右中间颞叶区、左顶叶区和左额区。来源：果壳科学人

之后，研究团队使用高斯朴素贝叶斯分类器(GNB)在上述五个脑区的数据上训练算法区分这两类人群。算法准确鉴定出17位自杀组病人中的15位，以及17位对照组健康个体中的16位，正确率达到了85%。

团队又将另外21个有自杀倾向的人的数据与17个正常人的数据混合，来测试算法性能。结果表明，该算法在此数据集上可达到87%的精度。

中国的研究人员也在试图通过使用人工智能技术来防止国内的自杀事件。这些研究人员创建了一个AI系统，可以在流行的微博网站微博上识别出表达自杀想法的人。

‍