Czatboty AI są obiecujące, ale ograniczone w promowaniu zdrowych zmian behawioralnych

W ostatnich latach przemysł opieki zdrowotnej zaobserwował znaczny wzrost wykorzystania czatbotów opartych na dużych modelach językowych, czyli generatywnych agentów konwersacyjnych. Te narzędzia wspomagane przez AI zostały wykorzystane do różnych celów, w tym edukacji pacjentów, oceny i zarządzania. Wraz ze wzrostem popularności tych czatbotów, badacze z ACTION Lab na Uniwersytecie Illinois Urbana-Champaign przyjrzeli się bliżej ich potencjałowi w promowaniu zdrowych zmian behawioralnych.

Michelle Bak, doktorantka w dziedzinie nauk o informacji, i profesor Jessie Chin opublikowali swoje wyniki w Journal of the American Medical Informatics Association. Ich badanie miało na celu ustalenie, czy duże modele językowe mogą skutecznie identyfikować stany motywacyjne użytkowników i zapewnić odpowiednie informacje, aby wesprzeć ich w drodze ku zdrowszym nawykom.

Projekt badania

Aby ocenić możliwości dużych modeli językowych w promowaniu zmian behawioralnych, Bak i Chin zaprojektowali kompleksowe badanie, w którym wzięły udział trzy wybitne modele czatbotów: ChatGPT, Google Bard i Llama 2. Badacze stworzyli serię 25 scenariuszy, każdy skierowany do konkretnych potrzeb zdrowotnych, takich jak niska aktywność fizyczna, problemy z dietą i odżywianiem, wyzwania zdrowia psychicznego, rak i jego rozpoznanie, choroby przenoszone drogą płciową oraz uzależnienia.

Scenariusze zostały starannie opracowane, aby reprezentować pięć odrębnych etapów motywacyjnych zmiany behawioralnej:

1. Opór przed zmianą i brak świadomości niepożądanych zachowań
2. Zwiększona świadomość niepożądanych zachowań, ale wahanie się przed wprowadzeniem zmian
3. Zamiar podjęcia działań z małymi krokami w kierunku zmiany
4. Rozpoczęcie zmiany behawioralnej z zobowiązaniem do jej utrzymania
5. Pomyślne utrzymanie zmiany behawioralnej przez sześć miesięcy z zobowiązaniem do jej utrzymania

Ocena odpowiedzi czatbotów na każdy scenariusz w różnych etapach motywacyjnych pozwoliła badaczom na ustalenie mocnych i słabych stron dużych modeli językowych w wspieraniu użytkowników w procesie zmiany behawioralnej.

Co ujawniło badanie?

Badanie wykazało zarówno obiecujące wyniki, jak i znaczne ograniczenia w możliwościach dużych modeli językowych w wspieraniu zmiany behawioralnej. Bak i Chin stwierdzili, że czatboty mogą skutecznie identyfikować stany motywacyjne i zapewnić odpowiednie informacje, gdy użytkownicy mają ustalone cele i silne zobowiązanie do podjęcia działań. To sugeruje, że osoby, które są już w późniejszych etapach zmiany behawioralnej, takie jak te, które zainicjowały zmiany lub utrzymują je przez jakiś czas, mogą skorzystać z wskazówek i wsparcia zapewnianego przez te narzędzia wspomagane przez AI.

Jednak badacze odkryli również, że duże modele językowe mają trudności z rozpoznawaniem wstępnych etapów motywacji, szczególnie gdy użytkownicy są oporni przed zmianą lub wahają się przed wprowadzeniem modyfikacji w swoim zachowaniu. W takich przypadkach czatboty nie zapewniały wystarczających informacji, aby pomóc użytkownikom ocenić swoje niepożądane zachowania i ich konsekwencje, a także ocenić, jak ich środowisko wpływa na ich działania. Na przykład, gdy użytkownik jest oporny przed zwiększeniem aktywności fizycznej, czatboty często domyślały się informacji o dołączeniu do siłowni, zamiast angażować użytkownika emocjonalnie, podkreślając negatywne konsekwencje siedzącego trybu życia.

Ponadto badanie ujawniło, że duże modele językowe nie oferowały wystarczających wskazówek dotyczących wykorzystania systemów nagradzania w celu utrzymania motywacji lub redukcji bodźców środowiskowych, które mogą zwiększyć ryzyko nawrotu, nawet dla użytkowników, którzy już podjęli kroki w kierunku zmiany swojego zachowania. Bak zauważyła, “Czatboty oparte na dużych modelach językowych zapewniają zasoby dotyczące uzyskania pomocy zewnętrznej, takiej jak wsparcie społeczne. Brakuje im informacji na temat kontroli środowiska w celu wyeliminowania bodźca, który wzmacnia niepożądane zachowania.”

Wnioski i przyszłe badania

Wyniki tego badania podkreślają obecne ograniczenia dużych modeli językowych w rozumieniu stanów motywacyjnych z naturalnych rozmów językowych. Chin wyjaśnił, że te modele są szkolone do reprezentowania istotności języka użytkownika, ale mają trudności z różnicowaniem między użytkownikiem, który rozważa zmianę, ale nadal jest wahający się, a tym, który ma stanowcze zamiary podjęcia działań. Dodatkowo, semantyczne podobieństwo w zapytaniach użytkowników w różnych etapach motywacyjnych sprawia, że modele mają trudności z dokładnym identyfikowaniem gotowości użytkownika do zmiany wyłącznie na podstawie ich języka.

Pomimo tych ograniczeń, badacze uważają, że czatboty oparte na dużych modelach językowych mają potencjał, aby zapewnić cenne wsparcie, gdy użytkownicy mają silne motywacje i są gotowi do podjęcia działań. Aby w pełni wykorzystać ten potencjał, przyszłe badania będą skupiać się na doskonaleniu tych modeli, aby lepiej zrozumieć stany motywacyjne użytkowników, wykorzystując wskazówki językowe, wzorce wyszukiwania informacji i determinanty zdrowia społecznego. Poprzez wyposażenie modeli w bardziej szczegółową wiedzę i poprawienie ich zdolności do rozpoznawania i reagowania na różne etapy motywacji, badacze mają nadzieję zwiększyć skuteczność tych narzędzi wspomaganych przez AI w promowaniu zdrowych zmian behawioralnych.

AI Chatboty w zmianie behawioralnej

Badanie przeprowadzone przez ACTION Lab na Uniwersytecie Illinois Urbana-Champaign rzuciło światło na potencjał i ograniczenia czatbotów opartych na dużych modelach językowych w promowaniu zdrowych zmian behawioralnych. Chociaż te narzędzia wspomagane przez AI wykazały obiecujące wyniki w wspieraniu użytkowników, którzy są zdecydowani wprowadzić pozytywne zmiany, nadal mają trudności z efektywnym rozpoznawaniem i reagowaniem na wstępne etapy motywacji, takie jak opór i wahanie. W miarę jak badacze będą doskonalić i udoskonalać te modele, można oczekiwać, że staną się one coraz bardziej skuteczne w prowadzeniu użytkowników przez wszystkie etapy procesu zmiany behawioralnej, co w końcu przyczyni się do lepszych wyników zdrowotnych dla osób i społeczności.