それについて話しましょう。

AIブレークスルーのこの分析は、さまざまなインパクトのあるAIの複雑さの特定と説明など、最新のAIに関する私の進行中のフォーブス列のカバレッジの一部です（こちらのリンクを參照）。

AIおよびメンタルヘルス療法

迅速な背景として、私はメンタルヘルスのアドバイスを生成し、AI駆動療法を行う現(xiàn)代のAIの出現(xiàn)に関する無數(shù)のファセットを広くカバーして分析してきました。このAIの使用の増加は、主に進化する進歩と生成AIの広範な採用によって促進されています。この進化するトピックに関する私の投稿された列のいくつかの簡単な要約については、こちらのリンクを參照してください。

これが急速に発展している分野であり、途方もない利點があることに疑いの余地はありませんが、同時に、殘念ながら、隠されたリスクと完全なゴッチャもこれらの努力に登場します。昨年のCBSの60分のエピソードに登場することを含め、これらの差し迫った問題について頻繁に話します。こちらのリンクをご覧ください。

メンタルヘルスのためのAIのトピックに慣れていない場合は、スタンフォード大學精神醫(yī)學および行動科學科學科學とAI4MHと呼ばれる非常に革新的なイニシアチブを詳述しているこの分野の分析を読むことを検討することをお勧めします。こちらのリンクをご覧ください。

AIペルソナを調(diào)整します

生成AIおよびLLMSのおそらく最も活用されていない機能の1つは、一種のペルソナを計算的にシミュレートする能力です。アイデアはかなり簡単です。 AIに、特定のタイプの人のふりをするか、概説された性格を示すように指示し、AIはそれに応じて対応しようとします。たとえば、私はChatGptにSigmund Freudのペルソナを引き受けて、AIがフロイトが言うことを模倣またはシミュレートしているかのように療法を行うことでこの機能を利用しました（こちらのリンクを參照）。

LLMSに特定の人のふりをするように伝えることができます。重要なのは、AIが模倣を引き出すのに十分なデータを持っている必要があることです。また、AIが遠く離れて終わる可能性があるため、このような見せかけモードでAIがどれほど良い仕事をするかについてのあなたの期待は、地味に和らげる必要があります。重要な側(cè)面は、AIがまさにその人のようになるとどういうわけか想定したり、信じることではありません。そうではありません。

ペルソナを使用するもう1つの角度は、AIがふりをしたいペルソナの性質(zhì)を広く説明することです。私は以前、心理的評価に著手しようとするときに授與するメンタルヘルス療法士のチームのふりをしたふりをしているというミニの実験をしました（こちらのリンクを參照）。ペルソナはいずれも特定の人を表していません。代わりに、AIは一般に、一般にセラピストのグループを表すいくつかのペルソナを使用するように言われました。

AIペルソナにはさらに多くの用途があります。

いくつかリストします。スキルを向上させたいメンタルヘルスの専門家は、患者のふりをしているLLMとの対話を続けることができます。これが別の例です。メンタルヘルスの研究を行うとき、AIに調(diào)査の數(shù)百または數(shù)千人の回答者のふりをするように指示できます。これは必ずしも実際の人を使用することと同じではありませんが、どのような応答を得るか、それに応じて準備する方法を測定する実りある方法になる可能性があります（こちらのリンクとこちらのリンクを參照）。

等々。

最新の研究では、AIペルソナを使用しています

最近投稿された研究研究は、醫(yī)療診斷を?qū)g施する領(lǐng)域で革新的に使用されたAIペルソナを使用しました。この研究は、Harsha Nori、Mayank Daswani、Christopher Kelly、Scott Lundberg、Marco Tulio Ribeiro、Marc Wilson、Xiaoxuan Liuによる「言語モデルとの連続診斷」と題されていました。 Horvitz、Arxiv、2025年6月30日、これらの顕著な発言（抜粋）を作成しました。

• 「人工知能は、専門家の醫(yī)療知識と推論へのアクセスを拡大することで大きな期待を抱いています?！?/li>
• 「AIシステムは、繰り返し考えて賢明に行動するように導(dǎo)かれた場合、臨床ケアにおける診斷精度と費用対効果の両方を前進させることができる方法を強調(diào)しています?！?/li>
• 「臨床診療では、醫(yī)師は診斷仮説を繰り返し定式化および修正し、その後の各質(zhì)問とテストを彼らが學んだことに適応させ、最終診斷にコミットする前に進化する証拠を比較検討します?！?/li>
• 「醫(yī)師のパネルをシミュレートし、鑑別診斷の可能性を提案し、価値の高い費用対効果の高いテストを戦略的に選択するモデルに依存しないオーケストレーターであるMAI診斷オーケストレーター（MAIDXO）を提示します。」
• 「OpenaiのO3モデルとペアになった場合、MAI-DXOは診斷精度80％を達成します。これは、一般主義醫(yī)師の20％の平均よりも4倍高くなります。MAI-DXOは、醫(yī)師と比較して診斷コストを20％削減し、Off-shelf O3と比較して70％削減します。

AIペルソナを使用する方法について、いくつかの興味深いねじれがあります。

核心は、診斷者として機能するAIペルソナ、AIベースの診斷者に癥例履歴を供給していた別のAIペルソナがあり、臨床診斷がどれほどうまく行われているかについての評価者として行動する別のAIペルソナさえ持っていたことです。これは、AIに提示されたさまざまなケーススタディで醫(yī)療診斷を行うのに役立つために設(shè)定された3つのAIペルソナです。

研究者は、醫(yī)療診斷を行ったAIペルソナのパネルを持つことにより、この有望なアプローチをさらに進めることを選択しました。彼らは、診斷を段階的に引き受けながら、それぞれが順番に授與する5つのAIペルソナを持つことにしました。 AIのペルソナに與えられた名前は、一般に、それぞれが意図していたことを示唆していました。仮説博士、テストチューザー博士、チャレンジャー博士、スチュワードシップ博士、ドクターチェックリストで構(gòu)成されていました。

アプローチを擬人化することなく、AIペルソナのパネルを使用する側(cè)面は、醫(yī)師の診斷について授與する醫(yī)師のパネルを持つことに似ていると考えられます。 AIペルソナにはそれぞれ指定された専門があり、患者の癥例履歴を歩き、各専門分野が診斷中に転換するようにします。

AIメンタルヘルス分析におけるオーケストレーション

メンタルヘルス分析の文脈でそうすることで、同様の形のオーケストレーションを試すことは面白いかもしれないと思いました。このようなアプローチを採用することの內(nèi)外をより強固な把握できるように、より堅牢な設(shè)定でこの同じ方法を試している研究者を歓迎します。私の努力は、ボールを転がすための単なるミニ経験でした。

私は、アメリカ精神醫(yī)學神経委員會（ABPN）によって公開されたビネットであるメンタルヘルスケースの歴史を使用し、精神醫(yī)學的評価を受けている架空の患者を伴います。

それは慎重に構(gòu)成され分析されており、新進精神科醫(yī)と心理學者のための正式なテストの質(zhì)問として機能しているため、便利な例です。欠點は、広く知られており、インターネット上で、このケースの履歴を分析するために使用される生成的AIがすでにケースとその投稿されたソリューションをスキャンしている可能性がある可能性があることです。

このミニ実験に似たことをしたい研究者は、まったく新しく見えないケースの歴史を考え出す必要があるでしょう。これにより、AIがすでに遭遇した可能性があることにより、AIが「不正行為」を防ぐことができます。

ビネットの概要

ビネットは、以前は精神醫(yī)學的ケアを受けていて、最近疑わしい行動を示していた40代の男性に関係しています。ビネットで述べたように、「過去數(shù)ヶ月間、彼は高価なアートワークを購入しており、職場への出席はますます不安定になり、毎晩1?2時間しか眠っていません。 （出典：ABPNオンライン投稿）。

私は人気のあるLLMを利用して、5つのペルソナを呼び出すように言いました。

• Dr. Susitions：患者の精神的健康狀態(tài)に関するドラフト仮説を特定します。
• セレクター博士：仮説で反minateし、起草された仮説を肯定または不正行為するために使用できるテストを考え出します。
• 候補者博士：悪魔の擁護者として、仮説の草案と提案されているテストに疑問を呈しています。
• Dr。Seallyful：侵入性、費用、さまざまな関連する要因を検討するなど、診斷を最大限に進める方法を検討しようとしています。
• ダブルチェッカー博士：診斷をダブルチェックし、ゴッチャが捕まっていることを確認し、落とし穴を見つけ、パネル間の一貫性を確保します。

これらの5つのペルソナを定義するプロンプトを入力した後、私はLLMにビネットに関するメンタルヘルス分析の実行を進めました。

オーケストレーションはうまくいきました

LLMへの私の指導(dǎo)には、AIが一連の診斷またはターンを?qū)g行することを望んでいたことです。各ターンで、パネルは彼らが分析のどこにいたかを要約し、彼らがこれまでにしたことを教えてくれました。これは、AIに、計算上の推論プロセスが何を伴うかをAIに生成させる手段です。

余談ですが、LLMの內(nèi)部トークン化メカニズムが実際に行っていたこととはほとんど関係がないため、このような計算的にcompめられた説明に依存することに注意してください。ここのリンクで注目に値する注意についての私の議論をご覧ください。

LLMペルソナパネルに、ビネットに関連する質(zhì)問を提供しました。次に、AIパネルからの回答をオンラインで投稿したものと比較し、正しいまたは最も適切な回答と見なされます。

AIペルソナパネルが思いついたものを説明するために、最初のターンで患者の全體的な特性に関する最初の応答を次に示します。

• 「高価なアートワークの購入、不安定な労働への出席、1泊1?2時間しか眠っていないにもかかわらず、無敵感などの壯大な行動を考えると、膨らんだ自尊心が存在する可能性があります?！?/li>
• 「マニアではアイデアの飛行が一般的です。明示的には説明されていませんが、不安定な行動、睡眠の必要性の低下、および潛在的な注意散漫は、混亂し、急速にシフトする思考を強く示唆しています?！?/li>
• 「プレッシャースピーチは存在するようですが、直接言及されていませんが、プレッシャーされたスピーチは通常、睡眠の減少、不安定な行動、活動の増加など、他のmanの兆候と共存します。これは、MANIAの疑いのある文脈における合理的な推論です。」

分析は、投稿されたソリューションと全體的に一致することになりました。その意味で、AIペルソナパネルはうまくいきました。これが真のパフォーマンスによるものであるかどうか、以前にケース履歴をスキャンしたかどうかは不明です。事件が以前に見られたかどうかを直接尋ねたとき、LLMはすでに事件に遭遇したことを否定しました。

何かをスキャンしていないことをあなたに伝えるLLMを信じないでください。 LLMは、コンテンツをスキャンしたことを確認できない可能性があります。さらに、場合によっては、AIは本質(zhì)的に噓をつき、コンテンツ、カバーアップのようなものを見たことがないことを伝えるかもしれません。

AIペルソナに寄りかかっています

AIペルソナは、現(xiàn)代の生成AIおよびLLMの非常に有利な能力です。編集された方法でAIペルソナを使用することは賢明な動きです。 AIペルソナをチームとして機能させることができます。これにより、結(jié)果が容易に向上する可能性があります。

あなたが認識すべきであるべき簡単な問題の1つは、LLMがすべてのペルソナを引き受けている場合、あなたがあなたが得ていると思っていたものを正確に取得していないかもしれないということです。別のアプローチは、個別のLLMを使用してペルソナを表すことです。たとえば、5つの異なるLLMを接続し、それぞれがミニ実験で使用したペルソナをシミュレートすることができます。アイデアは、個別のLLMを使用することで、ペルソナを呼び出そうとしないことで、単一のLLMがゆっくりと二重になる可能性を避けることです。 LLMはそのように卑劣になる可能性があります。

今のところ最終的な考え。

マーク?トウェインは、この重要な発言を有名に提供しました?！赶鄟\効果は、物事が調(diào)和して一緒に働くときに達成されるボーナスです。」 AIペルソナでのオーケストレーションの使用は、これらのタイプの分析では示されないレベルの相乗効果を達成できます。そうは言っても、時にはキッチンで料理人が多すぎることもあります。

AIペルソナオーケストレーションを適切に利用してください。そうすれば、甘い音と印象的な結(jié)果が得られることを願っています。

以上が人間の心理障害を診斷する複數(shù)のAIベースのペルソナを介してメンタルヘルスのアドバイスを調(diào)整するの詳細內(nèi)容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。