Individualized Machine Learning–Grounded Large Language Models for Within-Person Simulation of Physical Activity Psychological Mechanisms and Behavior in Adults with Prehypertension: A Methodological Evaluation
这项方法论评估表明，将基于个体化机器学习衍生的行为规则嵌入到大语言模型提示词中，能够增强对高血压前期成年人个体内部心理与身体活动模式的模拟，尽管这种混合方法在预测结构化运动结果方面并未超越专门的参与者特定机器学习模型。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
保持心脏健康往往取决于一个简单的日常选择：活动身体。对于血压已经开始上升但尚未跨入全面高血压门槛的成年人来说，规律运动是阻止病情恶化的最有力工具之一。然而，运动的决定很少是一个固定的习惯。它是一个人在情绪、精力、天气以及繁忙日程压力之间进行的流动的、每日的博弈。某一天，一个人可能感到充满动力而去跑步；而到了第二天，同一个人可能会感到疲惫而放弃。理解这些日常的变化对于想要帮助人们保持活跃状态的医生和研究人员来说至关重要，但要捕捉到单个个体生活的独特节奏却是极其困难的。
为了解决这个问题，科学家们正在探索一种新型的数字助手。想象一个能够学习一个人生活的特定模式，并能像一面镜子一样，模拟那个人在任何给定日期的思考和行动方式的计算机程序。这就是一项涉及前期高血压成年人的近期研究的目标。研究人员希望测试他们是否能教会一个大语言模型——一种以理解和生成人类语言能力著称的各类人工智能——来预测每日的运动行为。其巧妙之处在于，他们并不希望人工智能基于通用知识进行猜测。相反，他们希望通过一种结合了传统机器学习的模式发现能力与现代人工智能的对话灵活性的混合方法，将人工智能植根于该特定个体的过往硬性数据之中。
这项研究始于居住在北京的四十六名成年人。在十二周的时间里，这些参与者详细记录了他们的日常生活。他们追踪了自己的心理状态（如动力、自信心和社交支持感）以及实际的运动习惯和外部因素（如天气或是否为工作日或周末）。这创造了一个关于每个人的内心世界如何影响其物理行为的丰富、逐日的记录。随后，研究人员将这些数据分为两部分。首先，他们使用标准的机器学习工具来分析每个人的历史记录，并提取出特定的、个性化的规则。例如，该工具可能会学到，对于某一个特定的人来说，在下雨的周二信心下降几乎总是会导致跳过锻炼；而对于另一个人，强烈的社交支持感则会抵消坏心情的影响。
这些个性化规则随后被输入到一个大语言模型中。研究人员设计了一个测试，要求人工智能扮演一个模拟器的角色。在给定一个人前一天的快照和当天的背景信息后，人工智能被要求预测两件事：这个人的心理状态会如何变化，以及他们是否会进行运动。团队测试了向人工智能提供指令的不同方式。他们尝试只给它原始数据，尝试给出数据加上个性化规则，并尝试在要求它执行任务之前展示一些如何进行预测的示例。他们还测试了不同版本的AI，以观察哪一个最擅长完成这项任务。
结果清晰地展示了在这个新领域中什么有效，什么无效。研究发现，当人工智能被赋予一个人的完整生活背景，并且在被要求执行任务前先展示预测示例时，其表现最为出色。至关重要的是，当研究人员加入关于该个体的、由数据衍生的特定规则时，人工智能的预测变得更加准确和一致。当人工智能被告知：“这是这个特定的人通常如何应对压力时，”它比仅依靠通用知识时更能准确猜中其下一步行动。研究人员还发现，用平实的自然语言来描述这些规则，效果比使用复杂的数学公式更好。当规则以叙事形式而非代码形式呈现时，人工智能能更好地理解一个人习惯背后的故事。
然而，这项研究也为这项技术目前所能实现的能力划定了一道明确的界限。虽然人工智能在植根于个人数据时有了显著提升，但在处理预测某人是否会运动这种简单的、结构化任务时，它仍然无法超越传统的机器学习模型。专门用于此类数据计算的模型仍然是最准确的预测工具。这表明，大语言模型并不是医生用来计算风险的专业工具的替代品。相反，它的价值在于：它可以将个人数据中发现的复杂、隐藏的模式，转化为可读的、类人的模拟过程。
研究人员总结道，这种混合方法是创建“数字孪生”——即用于测试不同健康策略而不产生现实世界伤害的虚拟版本的人——的一个充满前景的步骤。通过将传统数据分析的精确性与语言模型的灵活叙事能力相结合，科学家们最终可能能够构建出能够帮助个人理解自身行为的系统。这些系统有一天可能会提供个性化的建议，听起来不再像是通用的医疗指令，而更像是与一位真正了解你日常挣扎与成就的伙伴进行对话。目前，这项工作仍处于方法论评估阶段，是一个概念验证，展示了如何让人工智能更细致地倾听单个人类生命的独特故事。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。