研究：AI仅凭声音即可估算年龄和生物衰老速度

都柏林圣三一学院的一项实验显示，机器学习系统可仅凭声音估算一个人的实际年龄，甚至判断其身体是否比正常速度衰老得更快。这项发表在《科学进展》上的研究提出了一种“语音时钟”模型，通过分析日常说话中提取的数百项声学和语言参数，推断说话者的真实年龄。研究涉及2928名西班牙语参与者，来自阿根廷、智利、哥伦比亚、墨西哥和秘鲁，包括健康人以及轻度认知障碍、阿尔茨海默病或额颞叶痴呆患者。研究核心是“语音年龄差”，即一个人实际年龄与算法估算年龄之间的差距。研究发现，这一差距与多种生物衰老指标、大脑健康、认知表现、环境逆境以及痴呆症的存在相关。为分析这一差距，研究人员充分利用机器学习技术，不仅分析单一声音特征，还使用了数百个因素，包括语速和停顿、语调、情感负荷、词汇量、语义准确性、总词数以及话语结构。综合这些要素后，系统能够确定语音年龄并计算其与实际年龄的偏差。结果令人鼓舞：被AI认为声音“更老”的人，在器官和临床层面表现出实际的早衰迹象。该语音时钟模型还能区分健康人与神经退行性疾病患者——健康人实际年龄与语音年龄差距很小，而被诊断患有阿尔茨海默病或额颞叶痴呆的患者差距则扩大。对诊断和患者的潜在支持通过声音估算年龄或识别认知疾病的进展，在现代诊断手段面前似乎只是次要细节。但实际上，正因当前医生和神经科医生可用的工具，这一发现具有创新性。目前评估生物衰老需要核磁共振、血液检测、分子分析或复杂的专科检查，即使在公共卫生系统中也耗费大量时间和金钱。借助人工智能，未来可能仅通过声音就获得相同的诊断结果，远程、可重复、非侵入且成本低廉。这对无法获得先进诊断设备地区的人群尤其有利。但需说明，这只是一项研究的结果，因此语音时钟目前还不能被视为可直接用于痴呆诊断的检测。不过，如果在更大样本和不同语言上进一步验证能确认相同证据，它将成为监测人口老龄化最易获取和扩展的工具之一。