卡内基梅隆大学和加州大学圣巴巴拉分校的研究人员提出了基于人工智能的创新性“思维诊断”技术,用于识别心理治疗中的认知失真

基于人工智能的创新思维诊断技术:卡内基梅隆大学及加州大学圣巴巴拉分校的最新研究揭示心理治疗中认知失真的识别

在整个世界范围内,约有八分之一的人有心理问题。然而,由于缺乏心理健康专家、次等治疗、高昂费用和社会的污名化等各种原因,心理健康障碍得到的服务明显不足。在高收入地区,心理健康服务的治疗覆盖率为33%;而在低收入和中低收入地区,这一比例仅为8%。根据最近发布的APA报告,六成十的心理学家“不再接纳新病人” 。为缓解这些情况的影响,人们不断努力开发自动化的心理健康辅助工具,如富有同情心的聊天机器人和情感分析系统。

然而,现有的努力通常只是进行肤浅的启发式尝试,如情绪分析和制造安慰反应。这类系统在如何对专业心理治疗做出贡献方面还有很多问题要解决,这需要对患者的思维过程进行深入研究,创建认知模型,并掌握重构认知模型的技巧。常用的传统治疗范式,如认知行为治疗(CBT)和接受与承诺治疗(ACT)就是基于这些技术构建起来的。由于大多数记录患者与持牌专业人士之间互动的数据来源是机密的,使得建立专业心理治疗的支持更加困难。

大型语言模型(LLM)的最新发展取得了惊人的成果,显示了该模型在零-shot环境下不同文字推理问题中的出色能力。ChatGPT和GPT-4在经典的Sally-Anne考试中取得了非常有希望的结果,该考试评估了心智理论在归因心理状态(包括信念、情绪、欲望等)能力方面的基本理解。此外,利用这种能力进行复杂的认知分析和推理也是有前景的。现在正是构建专家、专注、有组织的AI心理治疗支持的时机。他们通过研究认知行为疗法(CBT)中的首要过程,即认知扭曲识别的工作,来开展这项工作的第一步。

来自卡内基梅隆大学和加利福尼亚大学圣芭芭拉分校的研究人员提出了“思维诊断”(DoT)启发式,受到了心理治疗专家如何通过患者的言语进行复杂诊断的启发。在DoT中,他们使用三个步骤来诊断患者的言语:主观评价、对比推理和模式分析。在主观评价中,他们将患者的主观想法与客观事实区分开。在对比推理中,他们提取支持和反对患者想法的理由。最后,他们总结潜在的思维模式,并将其与不同形式的认知扭曲联系起来。

借助最新的表现最佳的LLM,他们进行了广泛的试验。在聊天机器人ChatGPT的零-shot环境中,DoT在认知扭曲评估和分类方面分别取得了超过10%和15%的相对增益。由于在三个步骤中生成了证明,诊断过程是完全可解释的,而且人类专家进一步证实其质量。他们展示了LLM在提升专业心理治疗方面的巨大潜力。这项研究是一个更大项目的起点,他们邀请人工智能和心理治疗的社群共同合作开展联合项目。他们的最终目标是提供专业、安全的由AI驱动的帮助,能够显著改善心理健康支持系统。