Uno de los mayores problemas en el mundo sigue siendo que la terapia de salud psychological no es ampliamente accesible. Según estimaciones, 658 millones de personas en todo el mundo experimentan angustia psicológica, que ha aumentado un 50 % en los últimos 30 años. Sin embargo, menos del 25 % de las personas que padecen enfermedades de salud psychological han “visto a alguien” alguna vez, y solo el 35 % obtienen atención de salud psychological. El asesoramiento y la terapia psicológica son beneficiosos para tratar muchos problemas, como la ansiedad, la depresión, el trastorno obsesivo-compulsivo, los trastornos de la personalidad, los trastornos alimentarios y muchos más. Aunque el 56% de los que estaban pasando por una disaster de salud psychological dijeron que manejaron sus problemas solos, más del 48% de ellos encontraron que hablar con amigos period beneficioso.
Una pregunta sencilla pero persistente puede tener una solución gracias a los modelos de aprendizaje generativo profundo (DL): ¿cómo podrían hacer que la terapia de salud psychological sea más accesible? Según su hipótesis, un consejero de salud psychological digital basado en modelos generativos de aprendizaje profundo podría mejorar los resultados de salud psychological de muchos perfiles de usuarios. En este artículo, describirán el desarrollo de un sistema de conversación de aprendizaje profundo para la terapia psiquiátrica. Primero deben explorar por qué la mayoría de las personas no pueden o no quieren recibir terapia de salud psychological para abordar el problema de manera adecuada. El issue más obvio es el costo del asesoramiento frecuente en persona, que es el más útil. El tiempo es una barrera comparable.
Las personas con suficiente dinero para pagar una terapia de alta calidad pueden necesitar más tiempo para dedicarse al proceso, que requiere programar, trasladarse, organizar el cuidado de los niños, and so on., además de las sesiones en sí. También temen recibir asesoramiento debido al estigma percibido. Para abordar la mayor cantidad posible de estos aspectos, crearon un sistema de discusión basado en DL llamado Serena, que se enfoca en cerrar las brechas que deja la terapia convencional en persona. El método sugerido está destinado a tomar algo más que el tratamiento tradicional.
En cambio, lo ven como 1) un plan de respaldo para aquellos que no pueden participar en la terapia tradicional debido a limitaciones de costo o tiempo; 2) un motivador para que las personas se sientan cómodas con la thought de hablar sobre sus sentimientos a través del diálogo, lo que puede llevarlos a programar sesiones en persona; 3) un dispositivo para determinar los requisitos de tratamiento y monitorear la adherencia a un modelo de asesoramiento digital en una amplia población, para elevar el nivel y la accesibilidad de los recursos de salud psychological en todo el mundo. El modelo se puede usar en su sitio internet y se implementó con Google Kubernetes Engine (GKE).
Su solución se basa en las abstracciones proporcionadas por la plataforma ParlAI2 para presentar un modelo de diálogo interactivo. Su sitio internet utiliza FastAPI3 para recuperar respuestas del modelo a través de la API REST. El modelo, que se ejecuta en una sola GPU Nvidia T4, debe organizarse en contenedores para su implementación mediante GKE. Después de interactuar con el modelo por un tiempo, los usuarios pueden completar una encuesta incluida en su implementación. Se pide a los usuarios que califiquen qué tan bien el modelo comprende sus comunicaciones y si encuentran las respuestas producidas interesantes y útiles. Comportamientos Su modelo de conversación demuestra una clara comprensión de las solicitudes del usuario y es capaz de responder de una manera que parece comprensiva (un ejemplo en la figura 1). Al plantear preguntas pertinentes, el modelo involucra al usuario en una conversación y estimula una mayor reflexión.
Las frecuentes alucinaciones de conocimiento del usuario de Serena, un problema bien conocido con los modelos generativos basados en transformadores, son uno de sus principales inconvenientes. Puede, por ejemplo, afirmar que ya conoció al usuario o parecer conocer su historial private. Están trabajando para abordar este problema agregando palabras que sugieran estas alucinaciones a la lista de exclusión especificada anteriormente. Se cree que las alucinaciones son el resultado del ruido de datos, como información en la salida que no está presente en la entrada, y quieren investigar un posible remedio para esto.
Serena utiliza con frecuencia preguntas para responder a las solicitudes del usuario, otro problema. Si bien esto es excellent para incluir al usuario en el diálogo, los primeros comentarios de los participantes de la prueba sugieren que este comportamiento se considera desagradable y tal vez incluso una falta de respeto. Ahora utilizan procedimientos codificados para seleccionar entre las respuestas de los candidatos, lo que cut back al mínimo la cantidad de preguntas que se pueden crear. Sin embargo, esta estrategia es propensa al fracaso ya que la lista de candidatos frecuentemente omite respuestas que no son preguntas. Al equilibrar cuidadosamente la cantidad de preguntas y declaraciones en los datos utilizados para ajustar el modelo generativo, pretenden abordar este problema. El proyecto está activo y disponible para usuarios con varios niveles de precios. Lo bueno es que también hay un nivel gratuito.
Revisar la Papel y Herramienta. Todo el crédito de esta investigación es para los investigadores de este proyecto. Además, no olvides unirte nuestro 13k+ ML SubReddit, Canal de discordia, y Boletín electrónicodonde compartimos las últimas noticias de investigación de IA, interesantes proyectos de IA y más.
Aneesh Tickoo es pasante de consultoría en MarktechPost. Actualmente está cursando su licenciatura en Ciencias de la Información e Inteligencia Synthetic en el Instituto Indio de Tecnología (IIT), Bhilai. Pasa la mayor parte de su tiempo trabajando en proyectos destinados a aprovechar el poder del aprendizaje automático. Su interés de investigación es el procesamiento de imágenes y le apasiona crear soluciones a su alrededor. Le encanta conectar con la gente y colaborar en proyectos interesantes.
