大數據文摘作品
編譯:姜範波 , Aileen
自從離開百度之後,吳恩達一直在積極尋找新的機會和挑戰,在很多採訪中均透露其對AI教育和在醫療領域應用的興趣。果然,在創立Deeplearning.ai開發網絡課程推動AI教育行業之後,吳恩達今天重磅宣布他在醫療領域的新動向:加入精神健康AI公司Woebot董事會,致力開發醫療聊天機器人,希望幫助抑鬱的人走出困境。
woebot正在從事非常有意義的工作,登錄網站https://woebot.io/ 即可隨時通過與這個擅長認知行為治療(CBT)的機器人聊天。他會時不時的從Facebook Messenger中像朋友一樣和你聊天,詢問你的心理狀況並幫助你打開心扉。
Woebot機器人可以跟蹤你的情緒,找到規律,指導你一些心理治療的方法,根據和你聊天慢慢了解你,幫助你感覺更開心。
Woebot會先介紹自己是斯坦福研究員創造的機器人,並不能替代真正的人類心理諮詢師。但是實驗結果顯示,人們和他聊天2個星期後就會顯著感覺開心多了。
目前你需要通過機器人提供的選項來完成對話,大多數時候只有一個反應選項。如以下的例子中,你必須回答"wow"才可以繼續。
回答完wow後,機器人貌似很接地氣的問"but guess what?「。 很傻的是你也必須回答"What?"去附和,否則機器人就不懂你在說什麼了。
比如,小編不耐煩的回答"I don't want to guess" ,機器人的回覆就莫名其妙了。
小編連續表述自己感覺很壓抑,機器人仍然在自說自話。
Woebot的初衷非常棒,小編通過測評也覺得很有意思。但和他的第一次聊天體驗看來,小編覺得這個聊天機器人還不夠智能,更像在強行灌雞湯。不過這個機器人更重要的功能是通過長期和你交流從而了解你,發現人類無法發現的潛在趨勢。希望吳恩達加入後,woebot能越做越好,幫助更多的人。
以下是吳恩達在自己博客上發表的公開信:
親愛的朋友們,
我很高興地宣布加入Woebot的董事會並擔任董事會主席。我將協助執行長艾莉森·達西(Alison Darcy)。該公司的使命是打造一位聊天機器人,幫助數百萬精神健康有問題的人。
與Woebot團隊在位於舊金山的辦公室裡
精神衛生保健危機迫在眉睫
抑鬱症是全球致殘的首要原因。你可能有朋友身患抑鬱,卻不願意談及。因為羞恥感,與朋友談論只會加深他們的痛苦。在美國大學校園,約有50%的學生因為焦慮或抑鬱症而不能維持他們的日常生活能力。
除了人力成本外,心理健康問題也帶來巨大的經濟負擔。心臟病每年花費美國醫療保健系統$1470億美元; 而心理問題成本更高:超過2000億美元。
最後,精神衛生專業人員全球短缺。 即使尋求幫助,也許需要等待幾個星期之久。
Woebot:心理健康教練,聊天機器人
雖然聊天機器人將永遠不會替代人類治療師,但Woebot可以為數百萬人提供廉價的諮詢服務。 Woebot提供基於認知行為治療(CBT)的情緒管理程序。史丹福大學隨機對照試驗顯示,Woebot可以在2周內減輕抑鬱和焦慮症狀。
近年對聊天機器人的炒作之餘,少見它有真正的突破。但我認為這個心理健康領域的聊天機器人可能真的是一個殺手級的應用程式。
如果你在凌晨2點感到沮喪,你可能不想吵醒你的心理治療師。但是24小時在線的聊天機器人就在你身邊。當你需要有人傾聽時,它很高興與你交談。
Woebot只是一個軟體。你可以在最糟糕的時候去見它 ——它永遠不會評判你。
Woebot與用戶進行的交談量已經超過了一個普通的治療師在整個職業生涯中所能完成的。雖然對話更偏基礎,通過從這些交流中不斷學習,它只會變得更好。
人工智慧和自然語言處理面臨的挑戰
聊天機器人代表了人工智慧(AI)和自然語言處理(NLP)的巨大挑戰。當用戶感嘆,「我在人群中,但更加寂寞」,Woebot應該怎麼回應? 如果一個用戶說「我試圖不去用(藥物)」,Woebot可以認出這是什麼意思嗎? 如果用戶說發一個難過的哭臉,又該怎麼辦?
與Alison Darcy(左)和Pamela Fox一起工作(右)。
AI就好像新的電能:即使目前仍有很大的局限性,它已經在轉變多個行業。在精神衛生保健領域,它將有助於數百萬人擺脫精神疾病,有時甚至影響生死之念。
Woebot已經擁有夢幻般的工程和臨床團隊。 我很高興與他們合作,繼續打造其NLP團隊和AI能力。正如MOOC使高質量的教育全球可及,Woebot將使高質量的心理健康教練服務在全球可及。
原文地址:https://medium.com/@andrewng/woebot-ai-for-mental-health-d0e8632b82ba
精品課程推薦
大數據文摘x稀牛學院
人工智慧的數學基礎
·
金牌數學講師
直播互動學習
助教全程輔導
1門課程,帶你掃平所有學習障礙,快速進階!
超值早鳥優惠,限時搶購中~
回復「志願者」加入我們
點擊圖片閱讀
製藥商的銀河漫遊指南:如何用機器學習幫化學家搜索更好的藥物