最新

大家好， 我想征求大家对一个“自我学习”人工智能工具在心理健康领域应用的看法。 面部表情与抑郁症有相关性。基于小型数据集（来自少量参与者的4分钟面部视频）的机器学习模型在预测患者抑郁评分方面的表现优于医生的评分。其他与智能手机兼容的生物标志物，如瞳孔测量、眼球扫视、音频和运动学，也与抑郁症相关。虽然有几家公司出售使用这些平台的人工智能工具，但我并不知道有任何大规模多模态模型。 精神病学对主观数据的依赖削弱了其可靠性和信任度。尽管人工智能评分是基于主观数据训练的，但它们是客观的，能够解决这一问题。 如果一个非营利组织： (a) 推出一款免费的智能手机应用程序，实时生成基于面部表情的抑郁评分。 (b) 定期要求用户完成PHQ-8（8个问题的抑郁调查），例如每第四次使用时，并存储PHQ和视频数据。 (c) 利用这些数据扩展模型训练数据库；后续使用应能找到更强大的模型。 (d) 扩展到包括其他数据模式，并考虑年龄、性别、种族、文化等因素。 (e) 从一个主动应用程序（“1分钟内获取您的评分”）发展为一个被动应用程序（“在用户同意下持续运行，以便随时间跟踪心理健康”）。 (f) 实现盈利： a. 保护用户数据，确保数据捐赠者可以免费使用应用程序。 b. 将算法授权给医疗专业人员。 c. 在初始慈善启动期后，将收益再投资于基金维护和开发。 面部表情模型的概念验证在学术界已经存在，但需要为智能手机重新开发。编码、建模和心理健康系统设计仍然面临挑战。非营利结构可能对鼓励数据捐赠至关重要。 未解的问题包括：（a）模型的保真度如何随着数据的增加而变化，（b）纵向系统的性能（随时间跟踪视频片段），（c）可靠监测所需的最小视频时长，（d）环境对视频捕捉的影响（例如，是否需要情感刺激的提示等）。 批评者可能会称这是一种噱头，因为用户已经在自我评估抑郁症（自我评估被用作训练的真实依据），而且系统可能会被欺骗。然而，客观的纵向数据可能会使个体受益，足够的数据也可能实现欺骗检测。高使用率还可能通过提供客观数据来重新定义病症和评估治疗，从而改变心理健康研究。 虽然存在监管方面的担忧（例如，避免“诊断，确保知情同意”），但似乎对于早期版本的管理是可行的。 期待听到大家的想法。

您是如何对提示进行分类、维护和版本管理的？您主要依赖于一个工具链，该工具链在界面中默认进行组织（但被锁定在该工具链中）吗？还是您使用其他机制？您是否使用某种机制来与团队成员、同事或朋友共享和授权这些提示？<p>提出这个问题的目的是为了改善我自己的工作流程，并可能帮助其他对这个话题感兴趣的人。谢谢！

在过去的几年里，我们一直在使用一个RAG代理来支持我们的某个功能，但其背后的YC创始人现在正在转向另一个创业项目。 他们的API提供的功能相当基础，所以我相信其他平台也提供类似的服务： - 充当一个类似OpenAI的代理，接收基于回合的对话历史和新的用户提示 - 在系统消息的上下文中，使用来自向量数据库的相关内容进行增强 - 使用我们的API密钥查询大型语言模型（LLM），并返回结果，以便我们在应用中使用 如果我可以直接重定向到另一个端点，我宁愿不花太多时间去搭建一个RAG管道。大家都在使用什么呢？

这里是亚历克斯和泰迪。我们正在推出 Magic Patterns（<a href="https://www.magicpatterns.com">https://www.magicpatterns.com</a>），这是一款 AI 原型工具，旨在帮助产品经理和设计师创建功能性、互动性强的设计和网站。您可以在 <a href="https://www.youtube.com/watch?v=SK8C_tQBwIU" rel="nofollow">https://www.youtube.com/watch?v=SK8C_tQBwIU</a> 查看演示视频，同时在 <a href="https://www.magicpatterns.com/docs/documentation/tutorials/video-tutorials">https://www.magicpatterns.com/docs/documentation/tutorials/video-tutorials</a> 中找到具体示例的视频演示。 虽然其他工具主要帮助“AI 辅助编码”，但我们一直专注于“AI 辅助设计”。使用 Magic Patterns，您可以直观地传达您的想法，获得客户的实时反馈，并测试新功能。 泰迪和我是一对好朋友，曾是前端工程师，现在是创始人。我们在经历了几次转型后，最终来到了 Magic Patterns——始终专注于设计工具领域，但之前的不同产品都未能获得用户使用。我们是在一次内部黑客马拉松后开始着手开发 Magic Patterns 的。泰迪创建了一个 UI 库目录，而我则在尝试使用 GPT 3.5。我们觉得将这两者结合起来会很有趣：一个 AI 组件生成器。您只需描述您想要的内容，就能得到一个 React 组件！ 这个想法开始获得关注，我们也吸引了用户，但使用这个工具的并不是开发者，而是产品经理、设计师和领导者，他们终于能够有效地沟通自己的想法。他们用它快速测试新想法，获取客户反馈，并改善与内部团队的沟通。此外，业余爱好者（以及不具备设计能力的程序员）也使用我们的工具来创建他们本来无法设计的界面和 UI。 我们使用 Sonnet 3.5 和 3.7，并利用经过微调的模型快速应用编辑。最具挑战性的部分是确定最相关的上下文以提供给大型语言模型（LLM）。我们尝试通过“点击更新”功能以及让用户定义品牌预设或默认提示来解决这个问题。 与该领域的其他工具不同，我们专注于（1）产品团队——我们是实时和协作的；（2）仅限前端——我们不启动数据库或后端，因为我们并不是在解决“从想法到全栈应用”的问题。 一个常见的工作流程是产品经理构建一个互动原型，然后将其交给设计师进行进一步润色，或者直接交给工程师。许多团队甚至现在完全跳过 Figma，告诉我们这感觉像是一个不必要的中介。团队们现在生成可点击的原型，直接与利益相关者协作，并将其作为模型。 使用 Magic Patterns，您可以：- 在我们的无限画布上与团队协作；- 通过直接创建可重用组件来匹配现有设计；- 头脑风暴功能和流程。（后者是我们内部使用的目的。） 我们最初是为了构建小型自定义组件，但现在人们可以一次性构建整个网站并与我们一起托管，或者构建他们在内部或客户演示中共享的仪表板。有人通过 Magic Patterns 的设计成功签下了每月 1 万美元的合同！ 小企业主——从渔民到驾驶教练再到酒店经理——都在使用我们的工具来构建他们的网站，并与我们一起托管。通过 Magic Patterns 构建的示例网站包括 <a href="https://getdealflow.ai/" rel="nofollow">https://getdealflow.ai/</a> 和 <a href="https://joinringo.com/" rel="nofollow">https://joinringo.com/</a>。令人惊讶的是，以前无法做到这些的人现在能够做到，这让我们感到非常欣慰，因为我们以这种方式赋能了人们。 您可以在这里开始使用我们的文档：<a href="https://www.magicpatterns.com/docs/documentation/get-started/introduction">https://www.magicpatterns.com/docs/documentation/get-started/introduction</a>，并可以尝试实际产品。只需访问 <a href="https://www.magicpatterns.com">https://www.magicpatterns.com</a>，并提示您想要的任何 UI。 今天无需登录，只需点击“来自 Hackernews？”您将获得 5 条免费消息进行尝试。一旦达到限制，系统将提示您登录。计划从每月 19 美元起，您将获得额外的每月 100 条消息（<a href="https://www.magicpatterns.com/pricing">https://www.magicpatterns.com/pricing</a>）。 我们很高兴今天能与 HN 分享，并欢迎所有反馈！