ABCD:一种用于加速对话代理的模拟方法,在阿法西亚治疗中具有应用

科学领域:

• 计算语言学计算语言学
• 医疗保健中的人工智能
• 语音语言病理学 语言病理学

背景情况:

• 由于临床医师短缺,患者招聘挑战和资金限制,口音障碍治疗的开发面临限制.
• 目前开发人工智能驱动语音治疗工具的方法资源密集,需要广泛的微调,使用各种错误的语音样本.

研究的目的:

• 引入基于代理的对话对话 (ABCD),这是一个新的方法来模拟两个对话AI代理之间的目标驱动的口头对话.
• 通过创建一个具有成本效益和快速的药物开发和试点系统来解决丧症治疗发展的障碍.

主要方法:

• 使用OpenAI的GPT-4o开发了AI临床医生 (Re-Agent) 和AI患者 (AI-Aphasic) 代理,与语音到文本和文本到语音API集成.
• 利用快速工程,思维链 (CoT) 和零射击技术来开发代理,避免资源密集的微调.
• 模拟了用不同语义约束 (图片与主题) 的响应阐述训练,并使用话语指标 (全球连贯性,本地连贯性,语法性) 评估了Re-Agent的表现.

主要成果:

• Re-Agent在所有话语指标,语义参数,提示技术和失语错误水平上都表现出准确的表现.
• 零射击提示产生了更直接和逻辑相关的响应,强大的失语语音输入.
• 思想链 (CoT) 提示虽然有效,但由于复杂的推理,偶尔会导致局部连贯性的轻微减少.

结论:

• 基于代理的对话对话 (ABCD) 提供了一种基础的计算方法,以加速对话AI的创新和临床前测试,用于语音语言治疗.
• 在临床AI微调中,ABCD绕过了广泛,多样化的错误语音样本的需要.
• ABCD与先进的人工智能系统的可扩展性,包括大型语言模型和语音技术,增强了其临床整合的潜力.