AI 捕捉最佳问卷时机，卢英泰教授研究团队开发‘토르가즘 토토사이트’平台

汉阳大学卢英泰教授研究团队的‘토르가즘 토토사이트’，入选 2025 三星未来技术培养项目 AI 自动判断问卷发送时点，降低疲劳度、提升数据质量在精神健康·数字治疗剂等多领域具备扩展潜力

2025-12-09 任東賢 translator

卢英泰数据科学专业教授同时担任着产业数据研究中心主任，并兼任韩国能源工科大学能源工学部教授。他以产业与日常生活中产生的海量数据及人工智能技术为基础，开展着能够辅助人类决策、设计更加健康且更加平衡生活的研究。

卢教授的研究大致分为两个领域。一类是像能源相关大数据这样来自机器与设备的“产业数据”，另一类则是源自人类行为和心理的“数字医疗数据”。后者包含了从位置与移动速度等物理信息，到抑郁、焦虑、孤独、自尊等情绪指标。他正基于这些数据开发能够理解并改善人类生活的人工智能技术。

AI 决定问卷时机的智能型 EMA，‘iEMA’

卢教授启动的研究是 토르가즘 토토사이트（intelligent Ecological Momentary Assessment，智能型生态瞬时评估）平台。这是将用于评估情绪状态的问卷EMA（Ecological Momentary Assessment）利用人工智能高度化的技术。

现有的EMA是“何时、问什么”都被固定下来，因此无论用户的实际情境如何，都会在固定时间提出相同的问题。然而，iEMA 则由 AI 自主判断“现在是否是进行问卷最合适的时刻”。

也就是说，iEMA 会分析用户的状态与情境，在“更不疲劳、且更准确的时点”呈现问卷。借此既能减少问卷带给用户的疲劳，也能收集到关于用户状态的高质量数据。

▲ iEMA 利用 AI 在“必须提问的情境，同时人们也最能作答的瞬间”呈现问卷。 ⓒ Getty Images

减少问卷疲劳，提高数据品质

iEMA 核心的两项技术是SOM与SFM。SOM（Significant & Opportune Moment）通过分析用户的行为模式、生理信号、智能手机使用情境等，找出有意义且适合的问卷时机。也就是说由 AI 来判断“为了更准确地把握用户的状态，应该在什么时候弹出问卷才好？”

SFM（Survey Fatigueness Minimization）解决的是问卷频繁出现导致用户疲劳的问题。它通过学习问卷频率与内容重复度，减少不必要的问题，并帮助在长时间内稳定地收集高质量数据。

结合了这两项技术的 토르가즘 토토사이트 不只是一个简单的自动问卷系统，而是一个会对用户状态变化作出反应、并考虑疲劳度的智能型数据收集平台。通过这一方式，即使将问卷次数减少最多达 90%，也能维持数据品质与预测准确度。

此外，토르가즘 토토사이트 采用了主动学习（ALS）与增量学习（ELS）技术。主动学习是一种让 AI 不随机收集数据，而是挑选信息价值高的数据进行学习的方式。当模型进行数据分类时，它被设计为以较难判断的案例为中心进行学习。借此，即使数据量少，也能实现快速而高效的学习。

增量学习则是一种技术，通过高效利用现有学习数据，与新收集的数据相整合不断进行学习。通过这一过程，随着时间推移，各用户的个性化模型会变得越来越精细、越来越准确。

토르가즘 토토사이트，作为辅助人类生活的技术其扩展可能性

卢教授表示：“iEMA是一种超越了调查效率化、能够实时推测并反馈用户状态的 AI 心理测量平台。”

토르가즘 토토사이트能够持续观察个人的心理变化并提供早期警告，并能根据用户的状态提出个性化治疗方案，有望发展为数字治疗药物（DTx）。例如，在检测到压力情境时，建议深呼吸或休息等，以这种形式扩展为在日常中对情绪管理提供实质性帮助的技术。并且，通过与智能手表或可穿戴设备联动，分析实时生物数据，不仅在精神健康方面，也在整个医疗保健领域打开了应用可能性。

▲ 토르가즘 토토사이트 技术能够实时把握个人的状态变化，从而实现个性化治疗和情绪管理。 ⓒ Getty Images

2025年入选“三星未来技术培养事业”，社会价值获认可

卢教授主导的 토르가즘 토토사이트 研究入选了 2025 年三星未来技术培养事业。该项目是三星电子自 2013 年起出资 1兆5千亿韩元运营、韩国最高权威的科学技术研究支持项目，以纯公益目的支持基础及产业研究。该项目每年仅有约 1~2% 的研究团队能被选中，竞争极为激烈，迄今已有约 500 名国内研究者参与。

卢教授表示：“此次入选之所以意义重大，是因为 iEMA 研究被评价为不仅是技术开发，更是融合了 AI 与人类心理·行为理解、创造社会价值的研究。这是一个展示 AI 能够在精神健康与压力管理等社会重要课题中，以理解和帮助人类经验的方向进化的案例。”

关于今后的目标，卢教授表示：“希望将 iEMA 系统发展为能够在日常生活中精密预测压力和情绪状态的个人化 AI 模型。目标是扩展为基于 On-device 的心理·行为数据收集平台，从而为国家层面的精神健康大数据基础设施建设作出贡献。”

AI 通过数据学习世界，
研究者通过数据理解人

卢教授向梦想从事数据·AI 研究的汉阳人留下了最后的建言。

“AI 研究的核心是数据的质量。设计一个好的模型固然重要，但若模型要正确学习，必须有优质数据作为支撑。数据并不是量大就有用，更重要的是‘是否足够准确、是否在语境上具有意义、是否能很好地反映人的真实行为和心理’。

通过 iEMA 研究我最大的领悟也正是这一点。模型的性能取决于‘它经历过多么优质的数据’。因此，研究者不能仅仅停留在收集数据，而必须不断检视数据在说什么、包含什么样的偏差。