一周热榜

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？

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。

寻找一些例子，说明最近的人工智能发展如何实现了一些根本性的创新，而不仅仅是改进了现有的流程。我们现在可以做些什么，是几年前实际上不可能做到的，这要归功于人工智能？