چینی ها سیستم هوش مصنوعی جدیدی را توسعه داده اند که پشتیبانی عاطفی را فراهم می کند.
توسعه سریع پردازش زبان طبیعی (NLP) و مدل‌های زبان بزرگ (LLM) امکان توسعه عوامل مکالمه ویژه برنامه‌ای 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 توصیه های مالی، حقوقی یا پزشکی عمومی ارائه می دهند را شامل می شود.
به گزارش ایسنا، محققان دانشگاه فناوری هفی (Hefei) و مرکز ملی علمی جامع Hefei در چین اخیراً بر روی ایجاد یک پلتفرم مبتنی بر هوش مصنوعی کار کردند که می تواند پشتیبانی روانشناختی غیرحرفه ای اما بالقوه مفید را ارائه دهد.
مقاله آنها که در کنفرانس بین‌المللی مدل‌سازی چند رسانه‌ای از 29 ژانویه تا 2 فوریه در آمستردام ارائه شد، مدل EmoAda را معرفی می‌کند، یک سیستم مکالمه آموزش دیده برای مکالمات عاطفی و ارائه حمایت روانشناختی کم‌هزینه. اولیه است.
شیائو سان یکی یکی از محققان این پروژه 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. .
وی افزود: این کار بر اساس تلاش‌های تحقیقاتی مختلف از جمله تلاش‌هایی برای اندازه‌گیری شدت افسردگی با استفاده از زبان گفتاری و حالات چهره و همچنین تلاش‌هایی بر روی شبکه‌های توجه چندوجهی برای ارزیابی شخصیت و توسعه سیستم‌های حمایت هیجانی مبتنی بر هوش مصنوعی انجام شده است. مانند گوگل. LaMDA و ChatGPT توسط شرکت OpenAI تولید می شوند.
هدف اصلی این مطالعه جدید ایجاد یک سیستم حمایت روانشناختی کم‌هزینه بود که بتواند احساسات کاربران را بر اساس ورودی‌های مختلف درک کند و پاسخ‌های شخصی و بینش‌انگیز ایجاد کند.
این سیستم جایگزین کمک حرفه ای نیست، بلکه برای کاهش استرس و کمک به کاربران برای افزایش انعطاف پذیری ذهنی خود که با بهبود سلامت روان همراه است، طراحی شده است.
سان توضیح داد: “EmoAda یک سیستم تعامل عاطفی چندوجهی و سازگاری روانی است که برای ارائه حمایت روانشناختی به افرادی که دسترسی محدودی به خدمات سلامت روان دارند، طراحی شده است.”
وی افزود: این برنامه داده‌های چندوجهی بلادرنگ را در قالب صوتی، تصویری و متنی از کاربران جمع‌آوری می‌کند، ویژگی‌های احساسی را استخراج می‌کند و از یک مدل زبان چندوجهی بزرگ برای تجزیه و تحلیل این ویژگی‌ها برای تشخیص لحظه‌ای احساسات، پروفایل‌های روانشناختی و کار استفاده می‌کند. استراتژی ها.» برنامه ریزی. او این کار را می کند.”
سیستم EmoAda می تواند احساسات کاربر را با تجزیه و تحلیل انواع داده های حسی از جمله صدا، فیلم های چهره و ورودی متن تشخیص دهد. بر اساس این تحلیل‌ها، سیستم دیالوگ‌های حمایت عاطفی را شخصی‌سازی کرده و از طریق متن یا آواتار دیجیتال به کاربر ارائه می‌کند.
بر اساس نیازهای کاربران و مشکلاتی که آنها مطرح می کنند، پلتفرم می تواند فعالیت های مختلفی را پیشنهاد دهد که ممکن است 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 می‌گوید: «زمانی که EmoAda با کاربران واقعی آزمایش شد، نشان داده شد که پشتیبانی روانشناختی طبیعی و انسانی را ارائه می‌کند.
وی افزود: در این آزمایش‌ها متوجه شدیم که برخی از کاربران مکالمات هوش مصنوعی را ترجیح می‌دهند. زیرا می تواند ترس آنها از نقض داده ها و فشار اجتماعی را به میزان قابل توجهی کاهش دهد.
سان ادامه داد: شرکت در مکالمات با هوش مصنوعی یک محیط امن و بدون قضاوت ایجاد می کند که در آن کاربران می توانند احساسات و نگرانی های خود را بدون نگرانی یا ترس از قضاوت یا سوء تفاهم بیان کنند. سیستم‌های هوش مصنوعی مانند EmoAda پشتیبانی 24 ساعته و بدون محدودیت زمانی را ارائه می‌کنند که برای کاربرانی که در هر زمان به کمک نیاز دارند یک مزیت قابل توجه است.
محققان در آزمایشات اولیه به این موضوع پی بردند یکی یکی از جنبه های ارزشمند EmoAda ناشناس بودن آن است. در واقع، کاربران اغلب به این موضوع اشاره می‌کنند که با اشتراک‌گذاری اطلاعات خصوصی احساس راحتی نمی‌کنند، صحبت کردن با افراد دیگر برایشان دشوار است و با هوش مصنوعی راحت هستند.
در آینده، این سیستم جدید مبتنی بر هوش مصنوعی می‌تواند به‌عنوان یک سرویس پشتیبانی اساسی برای افرادی که توانایی پرداخت هزینه مراقبت‌های بهداشت روان 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 مبتنی بر هوش مصنوعی در زمینه سلامت روان هموار کند.
«مطالعات بعدی ما بر پرداختن به محدودیت‌های سیستم فعلی متمرکز خواهد بود، از جمله بهینه‌سازی مدل زبانی در مقیاس بزرگ تعامل عاطفی چندوجهی برای کاهش تولید اطلاعات نادرست، بهبود عملکرد تداخل مدل، کاهش هزینه‌ها و ادغام دانش روانشناختی متخصص. سان نتیجه گرفت: «قابلیت اطمینان را افزایش دهید. و حرفه ای بودن سیستم در خط مقدم خواهد بود.»