توسعه سریع پردازش زبان طبیعی (NLP) و مدلهای زبان بزرگ (LLMs) امکان توسعه عوامل مکالمهای خاص را فراهم کرده است که برای پاسخ به انواع خاصی از سؤالات طراحی شدهاند. اینها از عوامل هوش مصنوعی که پشتیبانی آکادمیک را ارائه می کنند تا پلتفرم هایی که مشاوره مالی، حقوقی یا پزشکی عمومی ارائه می دهند، متفاوت است.
به گزارش ایسنا، محققان دانشگاه فناوری هفی (Hefei) و مرکز ملی جامع علمی Hefei در چین اخیراً بر روی ایجاد یک پلتفرم مبتنی بر هوش مصنوعی کار کرده اند که می تواند حمایت روانی غیرحرفه ای، اما بالقوه مفید را ارائه دهد.
مقاله آنها که در کنفرانس بینالمللی مدلسازی چند رسانهای که از ۲۹ ژانویه تا ۲ فوریه در آمستردام برگزار شد ارائه شد، مدل EmoAda را معرفی میکند، یک سیستم مکالمهای که برای شرکت در مکالمات عاطفی و ارائه حمایت روانشناختی کم هزینه آموزش دیده است. اولیه است.
شیائو سان، یکی از محققان می گوید: انگیزه کار ما نگرانی در مورد شیوع روزافزون اختلالات روانی مانند افسردگی و اضطراب، به ویژه پس از همه گیری کووید-19، و همچنین شکاف قابل توجه در دسترسی به خدمات روانشناختی حرفه ای است. از پروژه
وی افزود: این کار بر اساس تلاشهای تحقیقاتی مختلف از جمله تلاش برای اندازهگیری شدت افسردگی از طریق زبان گفتاری و حالات چهره و تلاشها بر روی شبکههای توجه چندوجهی برای ارزیابی شخصیت و توسعه سیستمهای حمایت عاطفی مبتنی بر هوش مصنوعی مانند گوگل است. LaMDA و ChatGPT توسط شرکت OpenAI ساخته شده است.
هدف اصلی این مطالعه جدید ایجاد یک سیستم حمایت روانشناختی مقرون به صرفه بود که بتواند احساسات کاربران را بر اساس ورودیهای مختلف درک کند و پاسخهای شخصی و بینشانگیز ایجاد کند.
این سیستم برای جایگزینی کمک حرفه ای طراحی نشده است، بلکه برای کاهش استرس و کمک به کاربران برای افزایش انعطاف پذیری ذهنی خود طراحی شده است که با بهبود سلامت روان همراه است.
سان توضیح داد: “EmoAda یک سیستم تعامل عاطفی چندوجهی و سازگاری روانی است که برای ارائه حمایت روانشناختی به افرادی با دسترسی محدود به خدمات سلامت روان طراحی شده است.”
وی افزود: این برنامه داده های چندوجهی را در زمان واقعی به صورت صوتی، تصویری و متنی از کاربران جمع آوری می کند، ویژگی های احساسی را استخراج می کند و از یک مدل زبان چندوجهی بزرگ برای تجزیه و تحلیل این ویژگی ها برای تشخیص لحظه ای احساسات، پروفایل های روانشناختی و استراتژی کاری استفاده می کند. برنامه ریزی می کند.
سیستم EmoAda میتواند احساسات کاربر را با تجزیه و تحلیل انواع دادههای حسی، از جمله صدا، ویدئوهای چهره و ورودی متن تشخیص دهد. بر اساس این تحلیلها، سیستم دیالوگهای حمایت عاطفی را شخصیسازی کرده و از طریق متن یا از طریق یک آواتار دیجیتال به کاربر ارائه میکند.
بر اساس نیاز کاربران و مشکلاتی که آنها ذکر می کنند، این پلتفرم می تواند فعالیت های مختلفی را پیشنهاد دهد که می تواند مفید باشد. برخی از این فعالیتها با محتوای موجود در پلتفرم EmoAda، مانند تمرینهای مدیتیشن هدایتشده و موسیقی برای آرامش یا کاهش استرس، تسهیل میشوند.
سان می گوید: «زمانی که EmoAda با کاربران واقعی آزمایش شد، نشان داده شد که پشتیبانی روانی طبیعی و انسانی را ارائه می دهد.
وی افزود: در این تستها متوجه شدیم که برخی از کاربران مکالمه با هوش مصنوعی را ترجیح میدهند؛ زیرا میتواند اضطراب آنها از نقض حریم خصوصی و فشار اجتماعی را به میزان قابل توجهی کاهش دهد.
سان ادامه داد: «درگیر شدن در مکالمه با هوش مصنوعی، محیطی امن و بدون قضاوت ایجاد میکند که در آن کاربران میتوانند احساسات و نگرانیهای خود را بدون نگرانی، ترس از قضاوت شدن یا سوء تفاهم بیان کنند.» سیستمهای هوش مصنوعی مانند EmoAda پشتیبانی شبانهروزی و بدون محدودیت زمانی را ارائه میکنند که برای کاربرانی که در هر زمان به کمک نیاز دارند یک مزیت قابل توجه است.
در آزمایشهای اولیه، محققان دریافتند که یکی از جنبههای ارزشمند EmoAda ناشناس بودن آن است. در واقع، کاربران اغلب ذکر میکنند که با اشتراکگذاری اطلاعات خصوصی که صحبت رودررو با افراد دیگر برایشان مشکل است و با هوش مصنوعی راحت هستند، احساس راحتی نمیکنند.
در آینده، این سیستم جدید مبتنی بر هوش مصنوعی میتواند به عنوان یک سرویس پشتیبانی پایه برای افرادی که توانایی پرداخت هزینههای مراقبت روانشناختی حرفهای را ندارند یا منتظر دسترسی به خدمات سلامت روان در دسترس هستند، استفاده شود.
علاوه بر این، EmoAda می تواند به عنوان الهام بخش دیگر گروه های تحقیقاتی باشد و راه را برای توسعه سایر پلتفرم های دیجیتال مرتبط با سلامت روان مبتنی بر هوش مصنوعی هموار کند.
“مطالعات بعدی ما بر پرداختن به محدودیتهای سیستم فعلی متمرکز خواهد بود، از جمله بهینهسازی مدل زبانی بزرگ تعامل عاطفی چندوجهی برای کاهش تولید اطلاعات نادرست، بهبود عملکرد تداخل مدل، کاهش هزینهها، و یکپارچهسازی یک پایگاه دانش روانشناسی متخصص سان نتیجه گرفت که قابلیت اطمینان را افزایش دهد. و حرفه ای بودن سیستم متمرکز خواهد شد.”