不只测心率 通过AI可以测大学生压力水平_CALMNet

雷锋网讯息，近日，美国马萨诸塞大学电脑科学学院在Arxiv.org上发表论文，提出进一步得到优化的CALMNet模型，该模型可以用于预测大学生压力水平。

进入互联网时代后的快节奏生活带来了科技的加速进步，而技术的指数式发展带来了快节奏的生活。当下，在国内一二线城市生活的年轻人，包括学生，都面临着高频的生活节奏和学习节奏，随之而来的同时也有各种压力。据外媒报道，美国马萨诸塞大学电脑科学学院在近日发表的一篇研究论文指出，其可以通过AI对压力水平进行预测。

“随着可穿戴装置的日益普及，通过在Fitbit、Apple Watch，以及其他智慧可穿戴装置中引入功能强大的感测器收集生理、行为资料已经变得可以承受，这使得研究人员能够利用从这些装置收集到的生理资料来预测佩戴者的精神状态，例如情绪、压力。”研究人员在《深度多工网络的个性化学生压力预测》一文中指出。

自2000年以来，已有研究人员通过心率、皮质醇水平、面板导电率等人类生理引数的检测与研究，检测人类受到的压力；Mikelsons, G、Smith, M等人在其2018年发表的论文《利用智能手机资料进行心理状态预测的深度学习模式：挑战与机遇》中提出，通过StudentLife（一款APP）采集的资料集，基于位置特征和神经网络方法，建立基于位置的MultiLayer感知模型（MLP模型），用以预测中学生的压力水平。

《深度多工网络的个性化学生压力预测》一文中提出跨个人活动LSTM多工自动编码器网络模型（CALMNet），它将资料视为时间序列，并能够识别学生资料中包含的时间模式，通过包含这些不同级别的资讯和个性化资料对学生的压力水平进行预测。据论文作者表示，CALMNet模型相对于此前的MLP模型有45.6％的精准度提升。

该论文中提出的模型的数据库是在达特茅斯学院对48名学生连续10周通过StudentLife进行资料收集，收集资料主要包括睡眠状况、活动情况、饮食情况等基本生活及生理资料。每天通过StudentLife应用程序收集资料，并通过对资料的统计分析进行1-5级的压力的生态瞬时评估（EMA）。

在测试中，CALMNet模型相对此前压力检测模型有所改进，研究人员推测这是其将资料视为时间序列的直接结果。“CALMNet模型融合精细时态资讯和高阶协变数的能力，能够为每位学生提供个性化模式而又不会过度拟合的架构，有助于提高其模型的效能。”

据雷锋网了解，目前智慧可穿戴装置主要分为运动、健康两大应用场景定位，而目前的智慧手环、智慧手表仍没有像移动互联网时代的智能手机一场成为人手必备，无论是在功能性、可玩性、使用者粘性上，并没有很好的表现。

尽管如此，不得不提的是，智慧可穿戴装置的出货量还是稳步增长，而且相当可观的。据IDC调研资料显示，2018年全年可穿戴装置出货量为1.722亿台，同比增长27.5%。包括苹果、小米、华为、Fitbit、三星的可穿戴装置单季度销量都已超百万。这将为装置厂商、研究人员带来更多使用者与装置的互动资料及装置监测到的资料，这些资料将进一步为可穿戴装置的功能提升、新功能出现带来可能。

雷锋网了解到，目前通过大资料、通过AI模型已经可以测量使用者心理、血压、睡眠情况，而这些功能也已经应用到诸如智慧手环、智慧手表等可穿戴装置中。随着可穿戴装置越来越普及，越来越多的真实使用者资料汇集到装置商、研发人员手中，将会有越来越多的使用者生命体征、健康状况将会通过感测器实时收集，通过AI模型实时分析并显示，这将会使可穿戴装置的功能越来越强大，有望成为在功能、应用场景上有别于智能手机的下一代移动终端。

《深度多工网络的个性化学生压力预测》论文地址：https://arxiv.org/pdf/1906.11356.pdf。