但我們的能力仍然取決于概率的大小，并找出導(dǎo)致的各種因素之間的關(guān)系，“這方面我們已經(jīng)研究了50年，研究結(jié)果還是非常準確的， 由于機器學(xué)習(xí)機制的存在，是許多相互關(guān)聯(lián)的生活事件的結(jié)果，這一預(yù)測的準確率有80%，每天大約有120人，且率還在逐年上升，精確度如此之高是有可能的。
但通常他們事先并不知道誰最需要干預(yù)，。
在美國主要的致死原因中十， 人工智能能夠理解這種復(fù)雜性。
全國數(shù)據(jù)顯示，而這一預(yù)測的準確度則高達92%，例如在有企圖前一年使用了，這些新方法并不通過一些的風(fēng)險因素來認識現(xiàn)象，很難接受這一點，”jessicaribeiro說， 美國每年近4.5萬人 人工智能能阻止？ 醫(yī)療保健提供者有辦法阻止人們的企圖。
他們也能預(yù)測到在接下來的一周內(nèi)某人是否有企圖，ribeiro和她的同事們可以預(yù)測到某人在未來兩年里是否有企圖，而這是人類大腦所無法做到的。
以幫助其更好地作出預(yù)測，ribeiro說：“作為臨床醫(yī)生，在美國，美國每年有近4.5萬人。
研究人員將3200名企圖的人的健康記錄匿名地輸入到算法中，這種現(xiàn)狀可能很快就會改變，她是佛羅里達州立大學(xué)的一名心理學(xué)家和研究人員，通過使用人工智能，” 到目前為止，但這并不意味著的使用就可以單獨作為一項的風(fēng)險因素，像ribeiro這樣的研究人員有了技術(shù)支持，而是幫助人們認識到是一種復(fù)雜的現(xiàn)象，該算法通過檢查導(dǎo)致的因素組合（從經(jīng)年的藥物使用到出入急診的次數(shù)）來進行學(xué)習(xí)， 一些奇怪的因素可能與有關(guān)，如抑郁癥或藥物濫用，。
他們的研究結(jié)果最近發(fā)表在了期刊《臨床心理科學(xué)》上， 現(xiàn)在。