研究表明,共情作用与积极引导正是医生帮助患者缓解痛苦、提高术后康复速度以及减少精神类药品用量的重要方法。但道理听起来简单,单凭一句“吃了药就好了”绝对达不到这样的效果。根据最新研究结果,其中的原理其实非常复杂。
积极的信息通常需要重复出现,配合笃定的证据以及极具针对性的表达场景。另外,传达者最好既权威又富有同情心。虽然我们在研究中无法确定积极信息中最有效的组成部分是什么(样本量过小),但通过结果推断,不符合以上几项基本要素的积极信息——包括针对性不强、医生经验不足或者同理心不够——无法产生预期效果。
这些发现,对于从电话预约到“护理机器人”(负责提供医疗保健服务的AI机器人)的数字化辅助咨询方案又有何指导意义?这个问题非常重要,因为目前已经有人建议将护理机器人作为一种经济高效的解决方案,用以满足英国及其他地区不断增长的老年群体照料需求。
COVID-19疫情的肆虐加快了数字化辅助咨询的普及速度,英国卫生大臣Matt Hancock声称,疫情之后越来越多的患者不再愿意进行面对面询诊。虽然目前的在线咨询跟护理机器人还不是一回事,但背后代表的却是相同的全新交互形式。而且二者的出现时间还很短,缺少可资遵循的道德框架。
采用积极信息来帮助患者,带来了技术与道德两个层面的新难题。积极信息中的某些组成部分(「吃了这种药,你很快就会觉得舒服一些」)可以通过手机、视频通话甚至是护理机器人直接传递,但有些患者愿意相信,有些则保持怀疑。对于后者,他们可能需要亲眼看到、至少是通过视频看到自己的主治医师,才愿意相信这样的论断。
研究还表明,这种权威感也与肢体语言紧密相关。护理机器人虽然也能传递出一定的权威感,包括使用复杂的肢体语言表现出一定的说服力与引导性,但仍与人类存在巨大差别。在数字化时代下适应这种权威依赖心理绝非易事。有研究表明,尽管数字化辅助咨询似乎无甚害处,但却与传统诊疗过程截然不同(通常时间较短),而且目前还难以判断其实际效果。
同样地,要为积极信息注入针对性元素,最重要的是掌握其中的一些细微提示,例如望向某个方向、或者做出有所意味的停顿。研究表明,这些对于诊断效果非常重要。但通过电话问诊时,这些线索往往难以捕捉,护理机器人更是无法注意到这么多细节。
这些不仅是技术问题,同时也是道德问题。如果数字化辅助医疗咨询无法有效传递积极信息,进而带来更好的护理效果,则有可能违反帮助患者的这一基本道德要求。当然,如果未来的护理机器人能够以更低廉的成本为更多人服务(毕竟机器人不需要睡觉),也许会抵消一部分负面因素。总而言之,我们需要在道德层面评估这一切,而目前的情况还不适合匆忙推广机器人类护理方案。
对于护理机器人而言,这甚至可能构成决定其是否合法、甚至是否存在的核心问题。如果同理心与关怀感是有效传递积极信息的关键前提,那么我们必须明确护理机器人是否拥有这种能力。虽然机器人可以表现出表面上的关怀感与同理心,但其深层含义仍然非常复杂。同样地,研究人员们还意识到,这些道德问题很可能直接影响到患者的诊疗结果,因此呼吁建立起一套用于规范护理机器人设计方向的框架。
对积极信息的研究表明,新的道德框架必须能够切实证明关于效果、积极(也包括其他类型)交流等复杂性因素理解与处理方式具备合理性。只有进行这样的认真分析,我们才能切实证明数字化辅助医疗咨询/护理机器人确实能够带来等同甚至超越当面诊断的实际效果。
在某些情况下,护理机器人的表现肯定会好于人类医生(病患往往能以更低的心理负担向机器人倾诉秘密)。但无论如何,机器人与人类之间存在着巨大差异;更要命的是,我们目前并不清楚这种差异究竟是什么。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。