最新

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，而不仅仅是改善了现有的流程。我们现在可以做些什么，是几年前实际上不可能做到的，这得益于人工智能？

大家好， 我想征求大家对一个“自学习”人工智能工具在心理健康领域应用的看法。 面部表情与抑郁症相关。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、眼动、音频和运动学，也与抑郁症相关。目前有几家公司销售使用这些平台的人工智能工具，但我不知道有任何大规模的多模态模型。 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) 推出一个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) 定期要求用户填写PHQ8（8题抑郁调查问卷），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稳健的模型。 (d) 扩展到其他数据模式，并考虑年龄、性别、种族、文化等因素。 (e) 从一个主动应用（“1分钟内获取您的评分”）演变为一个被动应用（“在用户同意下保持运行，以便随时间跟踪心理健康”）。 (f) 实现盈利： a. 保护用户数据，保持应用对数据捐赠者免费。 b. 将算法授权给医疗专业人士。 c. 在初始慈善启动期后，将收益再投资于资金维护和开发。 面部表情模型的概念验证在学术界已有，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数据规模变化，(b) 纵向系统的性能（随时间跟踪视频片段），(c) 可靠监测所需的最低视频时长，(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（而自我评估被用作训练的真实依据），系统也可能被伪造。然而，客观的纵向数据可能对个人有益，足够的数据可能使伪造检测成为可能。高使用率也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。

您是如何对您的提示进行分类、维护和版本管理的？您是否主要依赖于一个工具链，该工具链在界面中默认组织这些提示（但将其锁定在工具链中）？还是您使用其他机制？您是否使用能够与团队成员、同事或朋友共享和授权的机制？<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，我们一直在为某个功能使用RAG代理，但其背后的YC创始人现在正在转向另一个创业项目。<p>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：<p><pre><code> - 充当OpenAI风格的代理，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LLM，并返回结果，以便我们可以在应用中使用。 </code></pre> 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RAG管道。大家都在使用什么呢？