讓我們談?wù)劇?/p>

對(duì)AI突破的分析是我正在進(jìn)行的《福布斯》列列的一部分，其中包括識(shí)別和解釋各種有影響力的AI復(fù)雜性（請(qǐng)參閱此處的鏈接）。

AI和心理健康療法

作為一種快速的背景，我一直在廣泛介紹和分析有關(guān)現(xiàn)代AI出現(xiàn)的無(wú)數(shù)方面，這些方面產(chǎn)生了心理健康建議并進(jìn)行了AI驅(qū)動(dòng)的療法。不斷發(fā)展的進(jìn)步和廣泛采用生成的AI，對(duì)AI的這種不斷增長(zhǎng)的使用主要刺激了。有關(guān)我在此不斷發(fā)展的主題上發(fā)布的一些發(fā)布的列的快速摘要，請(qǐng)參見(jiàn)此處的鏈接，該鏈接簡(jiǎn)要回顧了我在該主題上所做的一百多列帖子中的四十個(gè)。

毫無(wú)疑問(wèn)，這是一個(gè)迅速發(fā)展的領(lǐng)域，并且有很多好處，但與此同時(shí)，遺憾的是，隱藏的風(fēng)險(xiǎn)和徹頭徹尾的陷阱也陷入了這些努力。我經(jīng)常大聲疾呼這些緊迫的事情，包括去年在CBS 60分鐘的一集中露面，請(qǐng)參閱此處的鏈接。

如果您是AI心理健康主題的新手，您可能需要考慮閱讀我最近對(duì)該領(lǐng)域的分析，該領(lǐng)域還講述了斯坦福大學(xué)精神病學(xué)和行為科學(xué)系的高度創(chuàng)新倡議，稱(chēng)為AI4MH；請(qǐng)參閱此處的鏈接。

編排AI角色

生成AI和LLM的杠桿功能也許最少的是它們?cè)谟?jì)算上模擬一種角色的能力。這個(gè)想法很簡(jiǎn)單。您告訴AI假裝是一種特定類(lèi)型的人或表現(xiàn)出概述的個(gè)性，AI試圖做出相應(yīng)的回應(yīng)。例如，我通過(guò)chatgpt承擔(dān)Sigmund Freud的角色并進(jìn)行治療來(lái)使用此功能，就好像AI模仿或模擬了弗洛伊德可能說(shuō)的話(huà)（請(qǐng)參閱此處的鏈接）。

您可以告訴LLMS假裝是一個(gè)特定的人。關(guān)鍵是AI必須有足夠的數(shù)據(jù)，以了解該人的模仿。同樣，您對(duì)AI在這種假裝模式下的工作的期望需要清醒，因?yàn)锳I可能最終遙遙無(wú)期。一個(gè)重要的方面不是以某種方式假設(shè)或相信人工智能將完全像該人一樣。不會(huì)。

使用角色的另一個(gè)角度是廣泛描述您想假裝AI的角色的性質(zhì)。以前，我做過(guò)一個(gè)小型體驗(yàn)，因?yàn)樗麄兗傺b自己是一支精神健康治療師的團(tuán)隊(duì)，他們?cè)噲D進(jìn)行心理評(píng)估（請(qǐng)參閱此處的鏈接）。這些角色都不代表特定的人。取而代之的是，通常被告知使用幾個(gè)通常代表一組治療師的角色。

AI角色還有更多用途。

我會(huì)列出幾個(gè)。想要提高技能的心理健康專(zhuān)家可以與假裝是患者的LLM進(jìn)行對(duì)話(huà)，這是一種方便的方法，可以增強(qiáng)治療師的心理分析敏銳度（請(qǐng)參閱此處的鏈接）。這是另一個(gè)例子。在進(jìn)行心理健康研究時(shí)，您可以告訴AI假裝是數(shù)百或數(shù)千名調(diào)查的受訪者。這不一定等于使用真實(shí)的人，但這可能是一種衡量您可能會(huì)得到哪種反應(yīng)以及如何進(jìn)行相應(yīng)準(zhǔn)備的富有成果的方法（請(qǐng)參閱此處的鏈接以及此處的鏈接）。

等等。

最新研究使用了人工智能

最近發(fā)布的一項(xiàng)研究創(chuàng)新的研究在執(zhí)行醫(yī)學(xué)診斷領(lǐng)域中使用了AI角色。 The study was entitled “Sequential Diagnosis with Language Models” by Harsha Nori, Mayank Daswani, Christopher Kelly, Scott Lundberg, Marco Tulio Ribeiro, Marc Wilson, Xiaoxuan Liu, Viknesh Sounderajah, Jonathan Carlson, Matthew P Lungren, Bay Gross, Peter Hames, Mustafa Suleyman, Dominic King, Eric Horvitz，Arxiv，2025年6月30日，發(fā)表了這些顯著言論（摘錄）：

• “人工智能在擴(kuò)大獲得專(zhuān)家醫(yī)學(xué)知識(shí)和推理的機(jī)會(huì)方面具有巨大的希望。”
• “我們強(qiáng)調(diào)了AI系統(tǒng)在指導(dǎo)迭代思考并明智地采取行動(dòng)時(shí)如何提高臨床護(hù)理中的診斷精度和成本效益。”
• “在臨床實(shí)踐中，醫(yī)生迭代地提出和修改診斷假設(shè)，調(diào)整每個(gè)隨后的問(wèn)題并測(cè)試他們剛剛學(xué)到了什么，并在承諾最終診斷之前權(quán)衡了不斷發(fā)展的證據(jù)?！?/li>
• “我們介紹了MAI診斷編排者（MAIDXO），這是一種模型不合時(shí)宜的編排者，模擬了一組醫(yī)生，提出了可能的差異診斷，并戰(zhàn)略性地選擇了高價(jià)值，具有成本效益的測(cè)試?！?/li>
• “與OpenAI的O3型號(hào)配對(duì)時(shí)，Mai-DXO可實(shí)現(xiàn)80％的診斷準(zhǔn)確性，高于20％的通才醫(yī)生的平均水平。MAI-DXO也將診斷成本降低了20％，與醫(yī)生相比，與貨架上的O3相比，Mai-Dxo Achieves Achieves 85.5％準(zhǔn)確性相比，與O3的O3相比，診斷成本為70％。

關(guān)于如何利用AI角色，有一些有趣的曲折。

關(guān)鍵是他們有一個(gè)AI角色，該角色是診斷師，另一位正在為基于AI的診斷師喂養(yǎng)病史的人，甚至還有另一個(gè)AI角色，以評(píng)估臨床診斷的情況如何。這是三個(gè)AI角色，以幫助在AI提交的各種案例研究中進(jìn)行醫(yī)學(xué)診斷。

研究人員選擇通過(guò)擁有醫(yī)學(xué)診斷的AI角色小組來(lái)進(jìn)一步采用這種有前途的方法。他們決定擁有五個(gè)AI角色，而逐步進(jìn)行診斷時(shí)，每個(gè)角色又會(huì)允許。給予人工智能角色的名稱(chēng)通常建議每個(gè)人打算做什么，包括假設(shè)博士，Test-Chooser博士，Challenger博士，挑戰(zhàn)者，管理博士和清單博士。

在沒(méi)有擬人化方法的情況下，使用一組AI角色面板的方面將被認(rèn)為類(lèi)似于讓一組醫(yī)生面板賦予醫(yī)療診斷。 AI角色每個(gè)人都有指定的專(zhuān)業(yè)，他們遍歷患者的病史，以便每個(gè)專(zhuān)業(yè)在診斷期間進(jìn)行輪流。

AI心理健康分析中的編排

我認(rèn)為在心理健康分析環(huán)境中嘗試類(lèi)似的編排可能會(huì)很有趣。我歡迎研究人員在更健壯的環(huán)境中嘗試相同的方法，以便我們可以更牢固地掌握采用這種方法的來(lái)龍去脈。我的努力只是使球滾動(dòng)的迷你體驗(yàn)。

我使用了由美國(guó)精神病學(xué)和神經(jīng)病學(xué)委員會(huì)（ABPN）公開(kāi)發(fā)布的精神健康病史，該病史需要進(jìn)行精神病評(píng)估的虛構(gòu)患者。

這是一個(gè)方便的例子，因?yàn)樗呀?jīng)經(jīng)過(guò)精心構(gòu)成和分析，并且是萌芽的精神科醫(yī)生和心理學(xué)家的形式化測(cè)試問(wèn)題。不利的一面是，由于眾所周知和在互聯(lián)網(wǎng)上，任何用于分析此情況歷史記錄的生成AI都可能已經(jīng)掃描了此案及其已發(fā)布的解決方案。

想要做類(lèi)似這種迷你體驗(yàn)的研究人員可能需要提出全新且看不見(jiàn)的案例歷史。這將通過(guò)可能遇到此案來(lái)防止AI“作弊”。

小插圖的概述

小插圖與他四十多歲的男人有關(guān)，該男子以前曾受到精神病的照顧，并且最近表現(xiàn)出可疑的行為。如小插圖中所述：“在過(guò)去的幾個(gè)月中，他一直在購(gòu)買(mǎi)昂貴的藝術(shù)品，他的工作時(shí)間變得越來(lái)越不穩(wěn)定，他每天晚上只睡一到兩個(gè)小時(shí)。十九年前，他因涉及警察的嚴(yán)重躁狂事件而住院。” （來(lái)源：ABPN在線發(fā)布）。

我使用了一個(gè)受歡迎的LLM，并告訴它調(diào)用五個(gè)角色，與上面提到的編排方法相當(dāng)，包括：

• 假設(shè)博士：確定有關(guān)患者心理健康狀況的假設(shè)草案。
• Selector博士：對(duì)假設(shè)進(jìn)行了反省，并提出了可用于確認(rèn)或否定起草假設(shè)的測(cè)試。
• 競(jìng)爭(zhēng)者博士：擔(dān)任魔鬼的倡導(dǎo)者，質(zhì)疑假設(shè)草案和提出的測(cè)試。
• 周到：試圖考慮如何在診斷方面進(jìn)行最佳進(jìn)行，包括權(quán)衡侵入性，費(fèi)用和各種相關(guān)因素。
• Double-Checker博士：對(duì)診斷進(jìn)行雙重檢查，確保被抓住任何陷阱，找到陷阱，確保面板之間的一致性等等。

輸入定義這五個(gè)角色的提示后，我讓LLM開(kāi)始進(jìn)行有關(guān)小插圖的心理健康分析。

編排表現(xiàn)不錯(cuò)

我對(duì)LLM的指示中包括我想看到AI執(zhí)行一系列診斷或轉(zhuǎn)彎。在每個(gè)轉(zhuǎn)彎處，小組都要總結(jié)他們?cè)诜治鲋械奈恢?，并告訴我到目前為止所做的事情。這是使AI產(chǎn)生一種對(duì)計(jì)算推理過(guò)程的解釋或指示的一種方法。

順便說(shuō)一句，請(qǐng)謹(jǐn)慎依靠此類(lèi)計(jì)算調(diào)制的解釋?zhuān)驗(yàn)樗鼈兛赡芘cLLM的內(nèi)部標(biāo)記機(jī)制實(shí)際上與之無(wú)關(guān)，請(qǐng)參閱我在此處鏈接上對(duì)著名的警告的討論。

我為L(zhǎng)LM角色面板提供了與小插圖相關(guān)的問(wèn)題。然后，我將AI面板的答案與已在線發(fā)布的答案進(jìn)行了比較，并被視為正確或最合適的答案。

為了說(shuō)明AI角色小組提出的內(nèi)容，這是關(guān)于第一個(gè)回合患者的整體特征的最初反應(yīng)：

• “鑒于宏偉的行為，例如購(gòu)買(mǎi)昂貴的藝術(shù)品，不穩(wěn)定的工作出勤率以及盡管每晚僅1-2個(gè)小時(shí)睡覺(jué)，也可能存在夸張的自尊心?！?/li>
• “思想的表現(xiàn)在躁狂癥中很普遍；雖然沒(méi)有明確描述，但行為不穩(wěn)定，對(duì)睡眠的需求減少以及潛在的分心強(qiáng)烈表明雜亂無(wú)章，并迅速改變了思想?！?/li>
• “雖然沒(méi)有直接提及，但言語(yǔ)似乎存在，但言語(yǔ)通常與其他躁狂跡象相結(jié)合，例如睡眠減少，行為不穩(wěn)定和活動(dòng)增加。這在可疑的躁狂癥的背景下是一個(gè)合理的推斷?！?/li>

該分析最終與已發(fā)布的解決方案匹配。從這個(gè)意義上講，AI角色小組表現(xiàn)出色。這是否是由于真實(shí)的性能與以前掃描案例歷史記錄的原因尚不清楚。當(dāng)我直接問(wèn)是否以前看到此案時(shí)，LLM否認(rèn)它已經(jīng)遇到了此案。

不要相信LLM告訴您它沒(méi)有掃描某些東西。 LLM可能無(wú)法確定它已經(jīng)掃描了內(nèi)容。此外，在某些情況下，人工智能本質(zhì)上可能撒謊，并告訴您，如果您愿意的話(huà)，它沒(méi)有看到一種內(nèi)容，一種掩蓋。

傾向于AI角色

人工智能角色是現(xiàn)代生成AI和LLM的一種非常有利的能力。以精心策劃的方式使用AI角色是一個(gè)明智的舉動(dòng)。您可以讓AI角色作為團(tuán)隊(duì)工作。這很容易提高結(jié)果。

您應(yīng)該認(rèn)識(shí)到的一個(gè)快速問(wèn)題是，如果LLM正在執(zhí)行所有角色，那么您可能不會(huì)完全了解自己的想法。另一種方法是使用單獨(dú)的LLM代表角色。例如，我可以連接五個(gè)不同的LLM，并讓每個(gè)LLM模擬我在迷你體驗(yàn)中使用的角色。這個(gè)想法是，通過(guò)使用單獨(dú)的LLM，您可以通過(guò)不嘗試調(diào)用角色來(lái)避免單個(gè)LLM懶洋洋的雙重交易的機(jī)會(huì)。 LLM可以這樣偷偷摸摸。

目前的最后想法。

馬克·吐溫（Mark Twain）著名地提供了這一講述：“協(xié)同效應(yīng)是當(dāng)事情和諧合作時(shí)所獲得的獎(jiǎng)勵(lì)。”使用AI角色的編排可以達(dá)到一定程度的協(xié)同作用，否則這些類(lèi)型的分析就不會(huì)表現(xiàn)出來(lái)。話(huà)雖這么說(shuō)，有時(shí)您也可以在廚房里有太多廚師。

確保適當(dāng)?shù)乩肁I角色編排，您希望獲得甜美的聲音和令人印象深刻的結(jié)果。

以上是通過(guò)診斷人類(lèi)心理障礙的多個(gè)基于AI的角色來(lái)策劃心理健康建議的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！