最近一篇發表在《PLOS數字健康》（PLOS Digital Health）上的一項同行評審研究表明，OpenAI的GPT-3程序可以高度準確地從自發言語中預測癡呆癥的早期階段。

德雷賽爾大學生物醫學工程,科學與衛生系統學院的教授Hualou Liang博士與其共同作者Felix Agbavor在文中寫到：據我們所知，這是GPT-3首次應用于從語音當中預測癡呆癥。

最常見的癡呆癥類型是阿爾茨海默病，這是一種神經退行性疾病，根據阿爾茨海默病協會的數據，全球估計有4,700萬人受此疾病的困擾，預測到2030年，這個數字全球將增長到7,600萬人。

在阿爾茨海默病的早期階段，一個常見的癥狀是喪失短期記憶，與阿爾茨海默病相關的神經精神癥狀可能包括有：激動、不信任他人、控制不住自己、抑郁、社交退縮、精神病、冷漠和妄想等等，而不同的癥狀會因疾病的階段而有所差異。

隨著時間的推移，患有老年癡呆癥的人其執行功能的能力也會受到損害，影響到注意力、執行功能、決策、解決問題、判斷、多任務處理能力等方面。

到了疾病的后期，老年癡呆癥的患者甚至忘記了如何照顧自己的日常生活，最終只能依賴他人的看護生存下去。而且很遺憾的是，目前老年癡呆癥并沒有可以完全治愈的方法，因此，早期及時發現疾病，這可以給患者提供寶貴的時間來尋求幫助、安排計劃，并盡可能地控制疾病的惡化程度。

據研究人員稱，語言障礙是老年癡呆癥非常明顯的發病特征，因此通過檢查患者的語言系統功能是否完善在臨床上是一種非侵入性的、便宜的、快速的篩查手段，而人工智能的自然語言處理（NLP）已被用于預測老年癡呆癥的早期階段。

研究人員還在文章中提到，這是他們首次發現可以利用OpenAI的GPT-3的自動化語言功能來預測老年癡呆癥，具體而言，就是利用GPT-3模型中所編碼的大量語義知識來生成文本嵌入，也就是從語言轉錄成文本，從而捕捉到輸入的語義含義。

GPT-3是第三代通用預訓練轉化器（GPT）模型，由名為Davinci、Curie、Babbage和Ada的AI深度學習模型組成，能夠理解和生成自然語言。Davinci是理解文本意圖、確定因果關系和為特定受眾進行總結的最佳選擇；Curie的優勢在于語言翻譯，包括分析復雜文本、進行情感分類、總結等任務；Babbage適用于中等復雜的分類任務和搜索分類；Ada則是一個快速模型，適合于識別關鍵詞、更正地址、解析文本和簡單分類的任務。

那么要怎么驗證這個概念呢？德雷克塞爾大學的研究人員使用了一個最先進的、預先訓練好的自動語音識別模型wav2vec 2.0將語音轉換為文本。

研究結果表明，由GPT-3生成的文本嵌入可以僅僅基于語言模型，便可以可靠地從健康對照組中檢測出老年癡呆癥患者，而且還可以推斷患者的認知能力，這說明了，GPT-3是一種很有前途的老年癡呆癥評估方法，并且很有可能提高癡呆癥的早期診斷率。