抑鬱症對於數百萬人來說是一個巨大的問題，而且往往伴隨著精神健康支援和負面情感的加劇。 早期診斷可能有所幫助，但很多精神障礙很難被發現。 機器學習演算法可讓智慧手機識別面部或響應我們的聲音，這有助於提供一種通用且低成本的方法來發現早期跡象並在需要的地方獲得治療。

在斯坦福大學的一個研究小組進行的一項研究中，科學家們發現，面部和語音軟體能夠以合理的準確度識別抑鬱症的訊號。

研究人員將抑鬱症和非抑鬱症患者的視訊鏡頭投入到機器學習模型中，該模型經過訓練，可以從訊號的組合中學習：面部表情，語調和口語。 資料來自訪談調查，其中患者與醫生的交談。

在測試中，它能夠檢測出是否有人在超過80％的時間內感到抑鬱。 這項研究由著名人工智慧專家李飛飛領導，她最近從谷歌回到了斯坦福。

雖然新工作還處於早期階段，但研究人員表示，有朝一日它可以為人們提供一種更容易被診斷和幫助的方法。

“與身體疾病相比，精神障礙更難以發現，”研究人員在本週在蒙特利爾舉行的NeurIPS AI會議上發表的一篇論文中寫道。 “精神健康的負擔因醫療障礙而加劇，例如社會恥辱，經濟成本和缺乏可及的治療方案[......]這項技術可以部署到全球手機上，並促進低成本普遍獲得心理服務衛生保健。”

研究人員告誡說，這項技術不會取代臨床醫生。他們補充說，所使用的資料不包括任何受保護的健康資訊，例如姓名，日期或地點。他們還指出，需要進一步開展工作，以確保該技術不會偏向某一特定種族或性別。

馬薩諸塞州劍橋市麥克萊恩醫院的臨床精神病學家賈斯汀貝克研究使用技術治療精神疾病，他對系統分析患者的面部，語音和語言的方式印象深刻。 “這非常酷，因為這是人類做得非常好，”他說。貝克說人工智慧和智慧手機如果仔細使用會產生很大的影響：“這既令人興奮，也需要與臨床專家進行大量合作才能做得很好。”

但麻省理工學院助理教授David Sontag專注於機器學習和醫療保健，他對這項工作的重要性持謹慎態度。 他說，其中一個問題是，培訓資料是在與真正的臨床醫生面談時收集的，雖然是一個化身後面的人，因此不清楚診斷是否可以完全自動化。 “這項工作很有意思，”他說，“但我還不清楚它是如何在臨床上使用的。”

然而，檢測和治療精神健康狀況的新方法有望使治療更容易獲得，也許更有效。 斯坦福大學的另一個研究小組開發了一個聊天機器人，以提供簡單的認知行為療法。 研究人員表示，這種方法已被證明是有效的，許多患者說他們實際上更喜歡和機器說話。 這一點得到了學術研究的支援。

說到面部識別，谷歌曾經在2017年釋出了一款AI硬體紙盒套件，也是旗下AI開源專案(AIY Projects)的作品。Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，並顯示出情緒，比如微笑、皺眉、憤怒、開心等等。

皺眉時按鈕會變藍色，微笑則變黃色。若人臉的表情很誇張，裝置會發出聲音。假如相機看到多張人臉，它將評估每張人臉並計算每張人臉的喜悅分值。

機器學習正在進步，我們似乎正在不斷接近我們心中的人工智慧目標。語音識別、影象檢測、機器翻譯、風格遷移等技術已經在我們的實際生活中開始得到了。