論文の概要: Deep Learning Mental Health Dialogue System
- arxiv url: http://arxiv.org/abs/2301.09412v1
- Date: Mon, 23 Jan 2023 13:10:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 13:33:33.785439
- Title: Deep Learning Mental Health Dialogue System
- Title（参考訳）: 深層学習型メンタルヘルス対話システム
- Authors: Lennart Brocki, George C. Dyer, Anna G{\l}adka, Neo Christopher Chung
- Abstract要約: 我々はSerenaと呼ばれるディープラーニング(DL)対話システムを開発した。
このシステムはコア生成モデルと後処理アルゴリズムで構成されている。
Serenaはurlhttps://serena.chat上に実装され、デプロイされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental health counseling remains a major challenge in modern society due to
cost, stigma, fear, and unavailability. We posit that generative artificial
intelligence (AI) models designed for mental health counseling could help
improve outcomes by lowering barriers to access. To this end, we have developed
a deep learning (DL) dialogue system called Serena. The system consists of a
core generative model and post-processing algorithms. The core generative model
is a 2.7 billion parameter Seq2Seq Transformer fine-tuned on thousands of
transcripts of person-centered-therapy (PCT) sessions. The series of
post-processing algorithms detects contradictions, improves coherency, and
removes repetitive answers. Serena is implemented and deployed on
\url{https://serena.chat}, which currently offers limited free services. While
the dialogue system is capable of responding in a qualitatively empathetic and
engaging manner, occasionally it displays hallucination and long-term
incoherence. Overall, we demonstrate that a deep learning mental health
dialogue system has the potential to provide a low-cost and effective
complement to traditional human counselors with less barriers to access.
- Abstract（参考訳）: 精神的な健康カウンセリングは、コスト、汚職、恐怖、利用不可能のために現代社会において大きな課題である。
我々は、メンタルヘルスカウンセリング用に設計された生成人工知能(AI)モデルが、アクセス障壁を低くすることで、結果を改善することができると仮定する。
そこで我々は,Serenaと呼ばれるディープラーニング(DL)対話システムを開発した。
このシステムはコア生成モデルと後処理アルゴリズムで構成されている。
コア生成モデルは、2.7億パラメータのseq2seqトランスフォーマであり、何千もの人中心療法(pct)セッションで微調整されている。
一連の後処理アルゴリズムは矛盾を検出し、一貫性を改善し、繰り返し答えを除去する。
serena は \url{https://serena.chat} に実装され、デプロイされる。
対話システムは質的に共感的かつ魅力的な方法で応答できるが、時には幻覚や長期的不整合を示す。
全体として、深層学習型メンタルヘルス対話システムは、アクセス障壁の少ない従来のカウンセラーに対して、低コストで効果的な補完を提供する可能性があることを実証する。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳（メタデータ） (2024-10-09T13:06:40Z) - Enhancing Mental Health Support through Human-AI Collaboration: Toward Secure and Empathetic AI-enabled chatbots [0.0]
本稿では、スケーラブルなソリューションとしてのAI対応チャットボットの可能性について検討する。
メンタルヘルスの文脈で共感的で有意義な反応を提供する能力を評価する。
本稿では,データプライバシを保証し,バイアスを低減し,臨床医による継続的検証を統合して応答品質を向上させるためのフェデレート学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-17T20:49:13Z) - Enhancing AI-Driven Psychological Consultation: Layered Prompts with Large Language Models [44.99833362998488]
我々は, GPT-4 のような大規模言語モデル (LLM) を用いて, 心理的コンサルテーションサービスの強化について検討する。
提案手法では,ユーザ入力に動的に適応する新しい階層型プロンプトシステムを提案する。
また,LLMの感情的インテリジェンスを高めるために,共感とシナリオに基づくプロンプトを開発する。
論文 参考訳（メタデータ） (2024-08-29T05:47:14Z) - Towards Enhancing Health Coaching Dialogue in Low-Resource Settings [9.162202267521355]
患者と会話し,特定の目標を創り,達成し,共感をもって感情に対処する対話システムを構築することを提案する。
我々は, より共感的で, 流動的で, 一貫性のある応答を生成し, アノテーションを必要とせずとも, NLUタスクにおける最先端のタスクに優れることを示す。
論文 参考訳（メタデータ） (2024-04-13T03:23:15Z) - Response-act Guided Reinforced Dialogue Generation for Mental Health
Counseling [25.524804770124145]
本稿では、メンタルヘルスカウンセリング会話のための対話行動誘導応答生成器READERについて述べる。
READERは変換器上に構築されており、次の発話に対する潜在的な対話行為d(t+1)を共同で予測し、適切な応答u(t+1)を生成する。
ベンチマークカウンセリング会話データセットであるHOPE上でREADERを評価する。
論文 参考訳（メタデータ） (2023-01-30T08:53:35Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳（メタデータ） (2021-06-15T22:06:39Z) - Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。
ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
論文 参考訳（メタデータ） (2020-10-11T08:27:07Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z) - Teaching Machines to Converse [24.64148203917298]
この論文は、オープンドメイン対話生成システムにおけるニューラルネットワークモデルによる課題に対処しようとするものである。
我々は,対話型質問応答システムを開発するために,対話型質問応答システムを開発した。
論文 参考訳（メタデータ） (2020-01-31T08:28:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。