对于使用GPT-4:算法开发和验证的基于激励面试的戒烟聊天机器人来说,向后看复杂反思的生成:算法开发和验证.
Ash Tanuj Kumar1, Cindy Wang1, Alec Dong1
1Faculty of Applied Science & Engineering, University of Toronto, Toronto, ON, Canada.
JMIR mental health
|September 26, 2024
概括
这项研究开发了一种使用GPT-4生成向后看复杂反射 (BLCR) 的方法,用于戒烟聊天机器人. 人工智能成功地创造了高质量的治疗反应,提高了激励面试 (MI) 的可访问性.
科学领域:
- 自然语言处理 (NLP) 是一种自然语言处理.
- 医疗保健中的人工智能 (AI)
- 行为科学和数字治疗学
背景情况:
- 激励面试 (MI) 对于戒烟是有效的,但面临着可访问性挑战.
- 一个聊天机器人,MIBot,旨在提供MI会话,专注于反思式倾听.
- 回溯复杂反射 (BLCR) 是一个关键的MI技术,尚未在MIBot中实施.
研究的目的:
- 开发和评估一种使用大型语言模型 (LLM) 生成BLCR的方法.
- 提高MIBot聊天机器人的能力,以提供基于MI的戒烟支持.
主要方法:
- 使用了GPT-4,一个先进的LLM,具有生成BLCR的快速工程.
- 开发了基于对话历史的提示,以引起特定的回顾性反思.
- 在50个MIBot转录中的150个反射上测试了该方法,其质量由独立评级人员评估.
主要成果:
- 在150个生成的BLCR中,88%符合可接受性标准.
- 高级互评级协议 (80%-88%) 表明可靠的质量评估.
- 法学士课程的方法在产生与情境相关的治疗反思方面表现出有效性.
结论:
- 开发的方法适用于在MI式对话中生成BLCR.
- 建议使用自动检查器来过任何剩余的不可接受的反射.
- 突出了先进的LLM在创建个性化,治疗性数字干预方面的潜力.


