壓力大嗎？AI能測出大學生目前的壓力程度

進入網絡時代後的快節奏生活帶來科技加速進步，而技術等比級數式發展又帶來快節奏的生活。當下，在城市生活的年輕人包括學生，都面臨快速的生活和學習節奏，同時也有各類壓力。據外媒報導，美國麻薩諸塞大學計算器科學學院近日發表的研究論文指出，可透過 AI 預測壓力程度。「隨着可穿戴裝置日益普及，透過 Fitbit、Apple Watch 及其餘智能可穿戴裝置引入功能強大的傳感器，收集生理、行爲數據已讓人逐漸接受，這使研究人員能利用從這些裝置收集生理數據，預測配戴者的精神狀態，例如情緒、壓力。」研究人員在《深度多任務網絡的個性化學生壓力預測》一文指出。

自 2000 年以來，已有研究人員透過心率、皮質醇、皮膚導電率等人類生理參數檢測與研究，檢測人類受到的壓力；Mikelsons, G、Smith, M 等人在 2018 年發表的論文《利用智能手機數據進行心理狀態預測的深度學習模式：挑戰與機遇》提出，透過 StudentLife（一款 App）採集的數據，基於位置特徵和神經網絡方法，創建了基於位置的 MultiLayer 感知模型（MLP 模型），用以預測中學生的壓力程度。《深度多任務網絡的個性化學生壓力預測》提出跨我的活動 LSTM 多任務自動編碼器網絡模型（CALMNet），將數據視爲時間序列，並能辨識學生數據包含的時間模式，透過這些不一樣等級的信息和個性化數據，預測學生的壓力程度。據論文做者表示，CALMNet 模型相對以前的 MLP 模型有 45.6% 的精準度提高。論文提出的模型數據是在達特茅斯學院收集 48 名學生連續 10 周的 StudentLife 數據，包括睡眠情況、活動狀況、飲食狀況等基本生活及生理數據。天天透過 StudentLife 應用程序收集數據，並透過對數據的統計分析 1~5 級的壓力生態瞬間評估（EMA）。

此次 CALMNet 模型相對以前壓力檢測模型有改進，研究人員推測這是將數據視爲時間序列的直接結果。「CALMNet 模型融合精細時態信息和高級協變量的能力，能爲每位學生提供個性化模式又不會過分擬合的架構，有助於提升模型性能。」據瞭解，目前智能可穿戴裝置主要分爲運動、健康兩大應用，目前的智慧手環、智能手錶仍沒有像行動網絡時代的智能手機人人必備，不管功能性、可玩性、使用者黏着性，都沒有很好的表現。儘管如此，不得不提的是，智能可穿戴裝置的出貨量仍是穩定增加，且至關可觀。據 IDC 調研數據顯示，2018 整年可穿戴裝置出貨量爲 1.722 億臺，同期相比增加 27.5%。包括蘋果、小米、華爲、Fitbit、三星可穿戴裝置單季銷量都超過百萬，爲裝置廠商、研究人員帶來更多用戶與裝置的互動數據及裝置監測數據，這些數據將進一步爲可穿戴裝置功能提高、新功能出現帶來可能。

據瞭解，目前透過大數據、AI 模型已可測量用戶心理、血壓、睡眠狀況，這些功能也已應用到如智能手環、智能手錶等可穿戴裝置。隨着可穿戴裝置愈來愈普及，愈來愈多真實用戶數據聚集到裝置商、研發人員手中，將有愈來愈多使用者生命體徵、健康情況將透過傳感器實時收集，透過 AI 模型實時分析並顯示，這會使可穿戴裝置的功能愈來愈強大，有望成爲功能、應用場景有別於智能手機的下一代行動裝置。