Parlons-en.

Cette analyse des percées d'IA fait partie de ma couverture de colonne Forbes en cours sur les dernières personnes en IA, notamment en identifiant et en expliquant diverses complexités d'IA percutantes (voir le lien ici).

IA et thérapie de santé mentale

Dans un contexte rapide, j'ai couvert et analysé beaucoup une myriade de facettes concernant l'avènement de l'IA de l'ère moderne qui produit des conseils de santé mentale et effectue une thérapie par l'IA. Cette utilisation croissante de l'IA a été principalement stimulée par les avancées en évolution et l'adoption généralisée de l'IA générative. Pour un résumé rapide de certaines de mes colonnes publiées sur ce sujet en évolution, consultez le lien ici, qui récapitule brièvement environ quarante des messages de plus d'une centaine de colonnes que j'ai faites sur le sujet.

Il ne fait aucun doute qu'il s'agit d'un domaine en développement rapide et qu'il y a d'énormes avantages à avoir, mais en même temps, malheureusement, des risques cachés et des gotchas purs et simples entrent également dans ces efforts. Je parle fréquemment de ces questions urgentes, y compris dans une apparition l'année dernière dans un épisode des 60 minutes de CBS, voir le lien ici.

Si vous êtes nouveau dans le sujet de l'IA pour la santé mentale, vous voudrez peut-être envisager de lire mon récente analyse du domaine, qui raconte également une initiative très innovante au Département de psychiatrie et de comportement de l'Université de Stanford appelée AI4MH; Voir le lien ici.

Orchestrer les personnages d'IA

L'une des capacités peut-être les moins à effet de levier de l'IA et des LLM génératives est leur capacité à simuler par calcul une sorte de personnalité. L'idée est plut?t simple. Vous dites à l'IA de faire semblant d'être un type particulier de personne ou de montrer une personnalité décrite, et l'IA tente de répondre en conséquence. Par exemple, j'ai utilisé cette fonctionnalité en faisant entreprendre le personnage de Sigmund Freud et en effectuant une thérapie comme si l'IA imitait ou simulait ce que Freud pourrait dire (voir le lien ici).

Vous pouvez dire aux LLMS de faire semblant d'être une personne spécifique. La clé est que l'IA doit avoir suffisamment de données sur la personne pour retirer le mimétisme. En outre, vos attentes sur la qualité d'un travail de l'IA feront dans un mode si prétention à être sobrement trempé, car l'IA pourrait finir bien loin. Un aspect important n'est pas de supposer ou de croire en quelque sorte que l'IA sera précisément comme la personne. Ce ne sera pas.

Un autre angle pour l'utilisation des personnages est de décrire largement la nature de la personnalité que vous voulez avoir l'IA pour faire semblant d'être. J'ai déjà fait une mini-expérience de faire semblant de faire semblant d'être une équipe de thérapeutes de santé mentale qui se confèrent lorsqu'ils cherchent à entreprendre une évaluation psychologique (voir le lien ici). Aucune des personnages ne représentait une personne spécifique. Au lieu de cela, l'IA a généralement été invitée à utiliser plusieurs personnages qui représentaient généralement un groupe de thérapeutes.

Il y a beaucoup plus d'utilisations des personnages d'IA.

Je vais en énumérer quelques-uns. Un professionnel de la santé mentale qui veut améliorer ses compétences peut poursuivre un dialogue avec un LLM qui fait semblant d'être un patient, ce qui est un moyen pratique d'améliorer l'analyse psychologique du thérapeute (voir le lien ici). Voici un autre exemple. Lorsque vous effectuez des recherches sur la santé mentale, vous pouvez dire à l'IA de faire semblant d'être des centaines ou des milliers de répondants à une enquête. Ce n'est pas nécessairement égal à l'utilisation de vraies personnes, mais cela peut être un moyen fructueux d'évaluer le type de réponses que vous pourriez obtenir et comment préparer en conséquence (voir le lien ici et le lien ici).

Et ainsi de suite.

Les dernières recherches utilisent des personnages d'IA

Une étude de recherche récemment publiée a utilisé de manière innovante les personnages d'IA dans le domaine de la réalisation de diagnostics médicaux. L'étude était intitulée ?Diagnostic séquentiel avec modèles de langues? de Harsha Nori, Mayank Daswani, Christopher Kelly, Scott Lundberg, Marco Tulio Ribeiro, Marc Wilson, Xiaoxuan Liu, Viknesh Sounterajah, Jonathan Carlson, Matthew P Lungren, Bay Gross, Peter Hames, Mustafa SULIELM Arxiv, 30 juin 2025, et a fait ces remarques saillantes (extraits):

• ?L'intelligence artificielle est très prometteuse pour élargir l'accès aux connaissances et raisonnement médicaux experts.?
• ?Nous soulignons comment les systèmes d'IA, lorsqu'ils sont guidés pour penser de manière itérativement et agir judicieusement, peuvent faire avancer la précision diagnostique et la rentabilité des soins cliniques.?
• ?Dans la pratique clinique, les médecins formulent et révisent des hypothèses diagnostiques, en adaptant chaque question et test ultérieurs à ce qu'ils viennent d'apprendre, et évaluez les preuves évolutives avant de s'engager dans un diagnostic final.?
• ?Nous présentons l'orchestrateur de diagnostic MAI (Maidxo), un orchestrateur agnostique modèle qui simule un panel de médecins, propose des diagnostics différentiels probables et sélectionne stratégiquement des tests de grande valeur et rentables.?
• "Lorsqu'il est associé au modèle O3 d'OpenAI, Mai-Dxo atteint une précision diagnostique de 80% - 4 fois plus élevé que la moyenne de 20% des médecins généralistes. Mai-dxo réduit également les co?ts de diagnostic de 20% par rapport aux médecins et 70% par rapport à la précision O3.

Il y a des rebondissements intéressants identifiés sur la fa?on d'utiliser les personnages de l'IA.

Le n?ud est qu'ils avaient une personnalité d'IA qui a servi de diagnosticien, un autre qui nourrissait des antécédents de cas au diagnosticien basé sur l'IA, et ils avaient même une autre personnalité d'IA qui a agi en tant qu'évaluateur de la fa?on dont le diagnostic clinique se déroulait. Il s'agit de trois personnages d'IA qui ont été mis en place pour aider à effectuer un diagnostic médical sur diverses études de cas présentées à l'IA.

Les chercheurs ont choisi d'aller plus loin avec cette approche prometteuse en ayant un panel de personnages d'IA qui ont effectué des diagnostics médicaux. Ils ont décidé d'avoir cinq personnages d'IA qui conféreraient à leur tour, à leur tour, tout en entreprenant un diagnostic. Les noms donnés aux personnages de l'IA suggéraient généralement ce que chacun était destiné à faire, composé du Dr Hypothesis, du Dr Test-Chooser, du Dr Challenger, du Dr Intendance et du Dr Checklist.

Sans anthropomorphisation de l'approche, l'aspect de l'utilisation d'un panel de personnages d'IA serait considéré comme analogue à un panel de médecins conférant un diagnostic médical. Les personnages d'IA ont chacun une spécialité désignée et parcourent les antécédents du patient afin que chaque spécialité prenne son tour pendant le diagnostic.

Orchestration dans l'analyse de la santé mentale de l'IA

J'ai pensé qu'il pourrait être intéressant d'essayer une forme d'orchestration similaire en le faisant dans un contexte d'analyse de la santé mentale. J'accueille les chercheurs qui essaient cette même méthode dans un cadre plus robuste afin que nous puissions avoir une compréhension plus ferme sur les tenants et aboutissants de l'emploi d'une telle approche. Mon effort n'était qu'une mini-expérience pour faire rouler le ballon.

J'ai utilisé une histoire de cas de santé mentale qui est une vignette publiée publiquement par l'American Board of Psychiatry and Neurology (ABPN) et implique un patient fictif qui subit une évaluation psychiatrique.

C'est un exemple pratique car il a été soigneusement composé et analysé, et sert de question de test formalisée pour les psychiatres et les psychologues en herbe. L'inconvénient est qu'en raison d'être largement connu et sur Internet, il y a une chance que toute IA générative utilisée pour analyser cette histoire de cas ait déjà scanné l'affaire et ses solutions publiées.

Les chercheurs qui veulent faire quelque chose de similaire à cette mini-expérience devront probablement proposer des histoires de cas entièrement nouvelles et invisibles. Cela empêcherait l'IA de ?tricher? en ayant déjà potentiellement rencontré l'affaire.

Aper?u de la vignette

La vignette a à voir avec un homme dans la quarantaine qui avait auparavant subi des soins psychiatriques et a récemment présenté un comportement douteux. Comme indiqué dans la vignette: "Au cours des derniers mois, il achète des illustrations co?teuses, sa présence au travail est devenue de plus en plus erratique, et il ne dort qu'une à deux heures par nuit. Il y a dix-neuf ans, il a été hospitalisé pour un épisode maniaque sérieux impliquant la police." (Source: ABPN en ligne publication).

J'ai utilisé un LLM populaire et je lui ai dit d'invoquer cinq personnages, quelque peu à égalité avec l'approche d'orchestration notée ci-dessus, consistant à:

• Dr. Supposition: Identifie des hypothèses de projets sur les conditions de santé mentale du patient.
• Dr Selector: Rumine sur les hypothèses et propose des tests qui pourraient être utilisés pour affirmer ou affirmer les hypothèses rédigées.
• Dr Contender: sert de défenseur du diable, remettant en question le projet d'hypothèses et les tests proposés.
• Dr. Pensimentif: cherche à réfléchir à la meilleure fa?on de procéder sur le diagnostic, notamment la pesée intrusive, les dépenses et divers facteurs pertinents.
• Dr Double-Checker: fait un double vérification sur le diagnostic, en s'assurant que tous les gotchas sont capturés, en trouvant des pièges, en assurant la cohérence entre le panel, etc.

Après être entré dans une définition rapide de ces cinq personnages, j'ai ensuite fait procéder au LLM pour effectuer une analyse de la santé mentale concernant la vignette.

L'orchestration a bien réussi

Inclus dans mes instructions au LLM était que je voulais voir l'IA effectuer une série de diagnostics ou de virages. à chaque tour, le panel devait résumer où ils étaient dans leur analyse et me dire ce qu'ils avaient fait jusqu'à présent. Il s'agit d'un moyen de faire en sorte que l'IA génère une sorte d'explication ou d'indication de ce que le processus de raisonnement informatique implique.

Soit dit en passant, soyez prudent en s'appuyant sur de telles explications concoctées sur le calcul, car elles peuvent avoir peu à voir avec ce que faisaient réellement les mécanismes de tokenisation internes du LLM, voyez ma discussion sur des précautions remarquables au lien ici.

J'ai fourni au panneau LLM Persona des questions associées à la vignette. J'ai ensuite comparé les réponses du panneau de l'IA avec celles qui ont été publiées en ligne et qui sont considérées comme les bonnes réponses ou les plus appropriées.

Pour illustrer ce que le panneau des personnages de l'IA a proposé, voici la réponse initiale sur les caractéristiques globales du patient au premier tour:

• ?L'estime de soi gonflée est probablement présente, étant donné un comportement grandiose tel que l'achat d'?uvres d'art co?teuses, la fréquentation du travail erratique et un éventuel sentiment d'invincibilité malgré le sommeil de 1 à 2 heures par nuit.?
• ?La vol d'idées est courante dans la manie; bien qu'elle ne soit pas explicitement décrite, le comportement erratique, le besoin réduit de sommeil et la distractibilité potentielle suggèrent fortement des pensées désorganisées et changeantes rapidement.?
• "La parole sous pression semble présente, bien qu'elle ne soit pas directement mentionnée, la parole sous pression se produit généralement avec d'autres signes maniaques comme un sommeil réduit, un comportement erratique et une activité accrue. C'est une inférence raisonnable dans le contexte de la manie suspectée."

L'analyse a fini par correspondre globalement à la solution publiée. En ce sens, le panel des personnages de l'IA a bien réussi. Il n'est pas clair si cela était d? à des performances réelles par rapport à la balayage précédemment numérisée. Lorsque j'ai demandé directement si l'affaire avait été vue précédemment, la LLM a nié qu'elle avait déjà rencontré l'affaire.

Ne croyez pas un LLM qui vous dit qu'il n'a pas scanné quelque chose. Le LLM pourrait être incapable de vérifier qu'il avait scanné le contenu. De plus, dans certains cas, l'IA pourrait essentiellement mentir et vous dire qu'il n'a pas vu de contenu, une sorte de dissimulation, si vous voulez.

Se pencher sur les personnages de l'IA

Les personnalités de l'IA sont une capacité incroyablement avantageuse de l'IA et des LLM génératives de l'ère moderne. L'utilisation de Personas d'IA de manière orchestrée est une décision sage. Vous pouvez faire fonctionner les personnages de l'IA en équipe. Cela peut facilement augmenter les résultats.

Un problème rapide dont vous devriez être conscient est que si le LLM entreprend toutes les personnages, vous n'obtenez peut-être pas exactement ce que vous pensiez obtenir. Une autre approche consiste à utiliser des LLM distinctes pour représenter les personnages. Par exemple, je pouvais connecter cinq LLM différents et avoir chacun simuler les personnages que j'ai utilisés dans ma mini-expérience. L'idée est qu'en utilisant des LLMs séparés, vous évitez les chances du seul LLM à double talonnage paresseusement en n'essayant pas vraiment d'invoquer des personnages. Un LLM peut être sournois de cette fa?on.

Une dernière pensée pour l'instant.

Mark Twain a fourni cette remarque révélatrice: ?La synergie est le bonus qui est réalisé lorsque les choses fonctionnent ensemble harmonieusement.? L'utilisation de l'orchestration avec des personnages d'IA peut atteindre un niveau de synergie qui autrement ne serait pas présenté dans ces types d'analyses. Cela étant dit, vous pouvez parfois avoir trop de cuisiniers dans la cuisine aussi.

Assurez-vous d'utiliser convenablement l'orchestration de la personnalité AI, et vous espérez que vous obtiendrez des sons doux et des résultats délicieusement impressionnants.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!