پیشرفت سریع مدل‌های پردازش زبان طبیعی (NLP) و مدل‌های زبان بزرگ (LLMs) امکان توسعه عوامل مکالمه‌ای خاص برای استفاده را فراهم کرده است که برای پاسخ به انواع خاصی از پرسش‌ها طراحی شده‌اند. این‌ها از عوامل هوش مصنوعی که پشتیبانی آکادمیک را ارائه می‌کنند تا پلتفرم‌هایی که توصیه‌های مالی، حقوقی یا پزشکی عمومی ارائه می‌دهند، شامل می‌شوند.
به گزارش ایسنا، پژوهشگران دانشگاه فناوری هیفی (Hefei) و مرکز ملی علمی جامع هیفی در چین به‌تازگی روی ایجاد یک پلتفرم مبتنی بر هوش مصنوعی کار کرده‌اند که می‌تواند پشتیبانی روانشناختی غیرحرفه‌ای، اما بالقوه مفید را ارائه دهد.
مقاله آن‌ها که در کنفرانس بین‌المللی مدلسازی چند رسانه‌ای که از ۲۹ ژانویه تا دوم فوریه در آمستردام برگزار شد ارائه شد، این مدل موسوم به اموآدا (EmoAda) را معرفی می‌کند که یک سیستم گفتگوگر آموزش‌دیده برای مشارکت در مکالمات عاطفی و ارائه حمایت روانشناختی کم‌هزینه و اولیه است.
شیائو سان یکی از پژوهشگران این پروژه می‌گوید: «کار ما ناشی از نگرانی در مورد شیوع فزاینده اختلالات روانی مانند افسردگی و اضطراب، به ویژه پس از همه‌گیری کووید ـ ۱۹ و همچنین شکاف قابل توجه در دسترسی به خدمات روانشناسی حرفه‌ای است.»
وی افزود: «این کار بر اساس تلاش‌های تحقیقاتی مختلف مانند تلاش‌ها 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 LaMDA متعلق به گوگل و ChatGPT ساخته شرکت OpenAI 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 ارائه دهنده بینش تولید کند.
این سیستم برای جایگزینی کمک حرفه‌ای طراحی نشده است، بلکه برای کاهش استرس و کمک به کاربران در افزایش انعطاف‌پذیری ذهنی خود طراحی شده است که با بهبود سلامت روان همراه است.
سان توضیح داد: «EmoAda یک سیستم تعامل هیجانی 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 با جمع‌آوری داده‌های چندوجهی در لحظه به صورت صوتی، ویدیویی و متنی از کاربران، استخراج ویژگی‌های احساسی و استفاده از یک مدل زبان بزرگ چندوجهی برای تجزیه و تحلیل این ویژگی‌ها برای تشخیص لحظه‌ای احساسات، نمایه‌های روانشناختی و برنامه‌ریزی استراتژی کار می‌کند.»
سیستم EmoAda می‌تواند احساسات کاربر را با تجزیه و تحلیل انواع داده‌های حسی، از جمله صدا، فیلم‌های چهره و ورودی‌های متنی تشخیص دهد. بر اساس این تحلیل‌ها، سیستم دیالوگ‌های حمایت عاطفی را شخصی‌سازی می‌کند و آن‌ها را از طریق متن یا از طریق یک آواتار دیجیتال به کاربر ارائه می‌کند.
این پلتفرم بر اساس نیاز‌های کاربران و مشکلاتی که آن‌ها ذکر می‌کنند، می‌تواند فعالیت‌های مختلفی را پیشنهاد دهد که می‌توانند مفید باشند. برخی از این فعالیت‌ها با محتوای موجود در پلتفرم EmoAda مانند تمرین‌های مدیتیشن هدایت شده و موسیقی برای آرامش یا کاهش استرس تسهیل می‌شوند.
سان می‌گوید: «هنگامی که EmoAda با کاربران واقعی آزمایش شد، نشان داد که پشتیبانی روانی طبیعی و انسانی ارائه می‌دهد.»
وی افزود: «در این آزمایش‌ها متوجه شدیم که برخی از کاربران مکالمه با هوش مصنوعی را ترجیح می‌دهند؛ زیرا می‌تواند به طور قابل توجهی اضطراب آن‌ها را در مورد نقض حریم خصوصی و فشار اجتماعی کاهش دهد.»
سان ادامه داد: «درگیر شدن در گفتگو 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 سوءتفاهم ابراز کنند. سیستم‌های هوش مصنوعی مانند EmoAda پشتیبانی شبانه‌روزی و بدون محدودیت زمانی را ارائه می‌کنند که برای کاربرانی که در هر لحظه به کمک نیاز دارند، یک مزیت قابل توجه است.»
پژوهشگران در آزمایش‌های اولیه دریافتند که یکی از جنبه‌های ارزشمند EmoAda ناشناس بودن آن است. در واقع، کاربران اغلب ذکر می‌کنند که با به اشتراک گذاشتن اطلاعات خصوصی که برایشان مشکل است در صحبت کردن رو در رو با افراد دیگر احساس راحتی نمی‌کنند و با هوش مصنوعی راحت هستند.
در آینده این سیستم جدید مبتنی بر هوش مصنوعی می‌تواند به عنوان یک سرویس پشتیبانی اساسی برای افرادی که توانایی پرداخت هزینه‌های مراقبت روانشناختی حرفه‌ای را ندارند یا منتظر دسترسی به خدمات سلامت روان در دسترس هستند، به کار گرفته شود.
علاوه‌براین، EmoAda می‌تواند به عنوان الهام‌بخش دیگر گروه‌های تحقیقاتی عمل کند و راه را برای توسعه سایر پلتفرم‌های دیجیتال مرتبط با سلامت روان مبتنی بر هوش مصنوعی هموار کند.
سان در پایان گفت: «مطالعات بعدی ما بر روی پرداختن به محدودیت‌های سیستم فعلی، از جمله بهینه‌سازی مدل زبان بزرگ تعامل عاطفی چندوجهی برای کاهش تولید اطلاعات نادرست، بهبود عملکرد تداخل مدل، کاهش هزینه‌ها و ادغام یک پایگاه دانش تخصصی روانشناسی برای افزایش قابلیت اطمینان و حرفه‌ای بودن سیستم تمرکز خواهد کرد.»