人工智能“自辩”研究新发现：智能手表监测到抑郁症关键预警信号

对于 9,279 名佩戴健身追踪器的用户而言，抑郁症最明显的生理迹象并非睡眠时长，而是他们何时入睡表现出的那种纯粹且混乱的随机性。

一个名为 CoDaS 的人工智能系统从海量且杂乱的智能手表传感器日志中挖掘出了这一模式。但这项发现的意义不仅在于 AI 发现了什么，更在于它得出结论的方式。该软件并非仅仅向人类科学家抛出算法猜想，而是通过不断地进行“自我博弈”，直到能够证明其结论的可靠性。

内置的怀疑论者

大多数机器学习工具都过于“急于求成”，为了给出结果，往往会在本不存在的地方强行寻找模式。CoDaS 的运作方式则截然不同，它采用了开发者所称的“对抗智能体”（Adversarial Agent）。你可以将其视为困在服务器中的数字化同行评审小组。

当主系统发现生理特征与疾病之间存在潜在联系时，对抗智能体就会介入，扮演“魔鬼代言人”的角色。它模拟人类评审专家无情的怀疑态度，故意通过强迫系统在完全独立的人群中验证同一发现来尝试推翻该假设。如果这一模式无法在新的数据中成立，它就会被抛弃。

在最近针对 9,000 多名参与者的观察中，这种内部摩擦识别出了 41 个心理健康状况的候选标记和 25 个代谢性疾病的候选标记。每一个存活下来的数据点都必须有现有的医学文献作为支撑。

生物钟的危险信号

在这一算法“战火试炼”中存活下来的最显著信号是“昼夜节律不稳定性”。虽然消费者健康应用痴迷于让用户保证充足的八小时睡眠，但该 AI 指出，极度不规律的作息时间是抑郁症的一个主要标志。

该系统并非仅仅将其视为一次性的异常现象。通过强制其对抗协议核对计算结果，CoDaS 在两个完全独立的研究群体中证实了不规律作息与高抑郁评分之间存在强相关性。

筛选噪音

尽管成功地将消费级腕戴设备变成了临时的医学实验室，但 CoDaS 开发团队仍将该软件视为一种筛查层，而非机器人医生。它的设计初衷是从数以百万计的数据点中进行梳理，并为人类研究人员提供一份高概率的疾病数字化特征清单。

这种“人在回路”（human-in-the-loop）的方法意味着 AI 的逻辑必须保持可追溯。在任何算法洞察被用于患者实际治疗方案之前，人类必须先对其中的逻辑进行验证。

我们没有能力手动审核现代可穿戴设备产生的大量生理数据。但让一个自动化的、具备怀疑精神的系统来承担繁重的工作，可能会让智能手表从昂贵的计步器悄然升级为真正的医疗基础设施。